python 正则进阶

1.group

　　除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')

print(m.group(0))

print(m.group(1))

print(m.group(2))

010-12345

010

12345

如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。

注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。

t = '19:05:30'

m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)

print(m.groups())

输出：

('19', '05', '30')

2.贪心匹配

print(re.match(r'^(\d+)(0*)$', '102300').groups())

('102300', '')

print(re.match(r'^(\d+?)(0*)$', '102300').groups())

('1023', '00')

由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串，加个?就可以让\d+采用非贪婪匹配；

3.编译

如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式

编译

tele = re.compile(r'^(\d{3})-(\d{3,8})$')

使用：

print(tele.match('010-12345').groups())

('010', '12345')

print(tele.match('010-8086').groups())

('010', '8086')

python3进阶之正则表达式之re模块之切分字符串

print('a b c'.split(' '))

print(re.split(r'\s+','a b c'))

print(re.split(r'[\s,;]+', 'a,b;; c d'))

注意+号的位置

输出：

['a', 'b', '', '', 'c']

['a', 'b', 'c']

['a', 'b', 'c', 'd']

通配符：句点.(.ython与jpython与python与 ython都匹配，但不与ython不与tpython匹配，因为一个句点只匹配一个字符，而不与零或两个字符匹配，除换行符外与其他字符都匹配。

特殊字符：通配符也属于特殊字符，例，想要匹配‘python.org’，可以直接使用模式‘python.org’，但它也与‘pythonzorg'匹配（因为.是通配符啊，滑稽脸~）想要特殊字符与普通字符一样，可对其进行转义(2种方式）

python\.org #两个反斜杠包括两层转义：解释器执行的转义，模块re执行的转义r'python.org'

字符集：[]，只能匹配一个字符

                例如，[pj]ython与python与jython匹配

                可使用范围：[a-z]与a~z的任何字母都匹配

                [a-zA-Z0-9]与大写字母，小写字母，数字都匹配

二选一模式：管道字符 |

python|perl

子模式：

p(ython|erl)

可选模式：在子模式后面加上问号

r'(http://)?(www.)?python.org'

重复模式：

（pat)* #可重复多次（pat）+ #可重复1或多次（pat）{m,n} #可重复m~n次

确定字符串的开头和末尾是否与模式匹配：^,$

第一：转义字符：

改变原有字符的意义，一般都以反斜杠\作为起始。

\n 意思是换行，不再表示字母n。

第二：python中，反斜杠\本身就是个转义字符。

1、\，第一个反斜杠表示转义，意思是第二反斜杠不再视为一个转义字符。

print('\')

打印输出单独一个\。

2、加一个r【r是原始字符的简写：raw string】，就表示废掉python中\的转义能力。

print(r'\')

打印输出两个\反斜杠。

第三：python中re模块，本身又指定\为转义字符。

因为我们知道，在python看来\字符，实际上只是一个\反斜杠。

1、加r

test_string='a\kk\\cc'print(test_string)u=re.compile(r'\\')z=u.findall(test_string)print(z)print(str(*z))

打印结果： a\kk\cc

['\\']

\

python对字符需要转义，但是我们看到z它是列表形式，所有输出了4个反斜杠；当我们把它转行成字符串，在打印就是\了

2、不加r

import retest_string='a\kk\\cc'print(test_string)u=re.compile('\\')z=u.findall(test_string)print(z)

打印结果：a\kk\cc

['\', '\', '\']

实际上就匹配了三个\，因为匹配的是列表形式，如果把列表转换成字符串，那么打印的是三个\而不是三个\