Learn Python 3：正则表达式

一、什么是正则表达式

正则表达式（Regular expression，常使用缩写的术语regex或regexp），是一组由字母、数字、符号组成的特殊文本，用来给字符串定义一个规则，以验证字符串是否匹配、切分字符串、提取字符串等。

二、字符

正则表达式中，字符具有特殊含义，不代表其本身的字面意思。

字符	描述
.	匹配除换行符外的所有单个字符
[]	匹配方括号内的任意字符
[^]	匹配除了方括号内的任意字符
*	匹配>=0个*前的字符
+	匹配>=1个+前的字符
?	匹配0个或1个?前的字符
{m,n}	匹配[n, m]个中括号前的字符，注意逗号后不要加空格
(abc)	字符集，匹配和 abc 完全相同的字符串
|	或运算符,匹配符号前或后的字符
^	表示行的开始
$	表示行的结束
\	转意字符，用于匹配一些保留的字符 [ ] ( ) { } . * + ? ^ $ \ |
\w	匹配任意字母、数字以及下划线，等价[a-zA-Z0-9_]
\W	匹配非字母、数字、下划线，等价[^\w]
\d	匹配任意数字，等价[0-9]
\D	匹配非数字字符，等价[^\d]
\s	匹配所有空格字符
\S	匹配所有非空格字符
\f	换页符
\n	换行符
\r	回车符
\t	制表符
\v	垂直制表符
\p	CR/LF，等同于 \r\n

三、使用正则表达式

Python 提供了re模块，其中包含正则表达式的所有功能。

由于Python的字符串也用反斜杠 \ 转义，因此建议在正则表达式前添加 r 前缀，这样就不用考虑转义的问题了。

• 判断一个字符串是否匹配指定的正则表达式，要用 match() 方法，如果匹配成功，返回一个Match对象，否则返回None：

>>>import re
# 是否匹配6到20位由字母、数字、下划线组成的密码
>>>if re.match(r'\w{6,20}', 'qaz_123_wsx'):
...    print('ok')
...
ok

• 切分字符串可以用split()方法：

>>>import re
>>>re.split(r'[\s,-]+', 'P    y   t  h o,n-3')
['P', 'y', 't', 'h', 'o', 'n', '3']

• 可以通过分组功能在一个字符串中提取合法的子串，例如一个字符串两端是数字中间是字母，现在要提取数字：

>>>import re
>>>m=re.match(r'^(\d+)[a-zA-Z]{2,6}(\d*)$','1024qaz65536')
>>>m.groups()
('1024', '65536')
>>>m.group(0)
'1024qaz65536'
>>>m.group(1)
'1024'
>>>m.group(2)
'65536'

• 如果一个正则表达式可能使用多次，考虑到效率，可以先预编译正则表达式，之后就可以使用编译后的正则表达式了：

>>>import re
>>>cre = re.compile(r'\w{6,20}')
>>>cre.match('abc123')
<_sre.SRE_Match object; span=(0, 9), match='abc123'>