正则

字符串的表现形式

• ‘\n’： 代表一个字符 n，即 len(‘\n’) == 1，只是这个 n 的意思（换行）与平时（字母 n）不一样，故称为「转义字符」，反斜杠标识该字符与众不同而已。

• r’\n’： 代表两个字符，即 len(r’\n’) == 2，一个是反斜杠，一个是字母 n 。r 全称 raw，意为原生的、未加工的。

• 正则表达式前都应加 r，这样就不用考虑转义问题。也就是避免了把 Python 字符串翻译成正则字符串出现的不一致。

元字符

正则表达式由「普通字符」和「元字符」组成，其中元字符又分为：基本元字符、预设元字符等。

基本原字符：

• .：匹配除换行符以外的任意一个字符

• \： 转义字符，使元字符具有本来的意义，也就是把元字符变为普通字符。

• […]：匹配方括号中的任意一个字符， “[]” 中的元字符失效，变为普通字符

• [^ …]：字符集取反，表示只要不是括号中出现的字符都可以匹配

预设元字符

• \s：匹配一个空白字符，空格、换行等，与 \S 相反

• \d：匹配一个数字，即：[0-9]，与 \D 相反

• \w：匹配一个字母、数字、下划线，即：[A-Za-z0-9_]，与 \W 相反

边界匹配

• ^：匹配字符开头

• $：匹配字符结尾

重复匹配

• • 重复匹配 x 次，即零次或以上

• ? 重复匹配零次或者一次

• • 重复匹配一次或者多次

• {n} 重复匹配n次

• {n,} 重复匹配至少n次

• {n, m} 重复匹配n到m次

逻辑分支

逻辑分支条件字符 |，它把表达式分为左右两部分，先尝试匹配左边部分，如果匹配成功就不再匹配右边部分了。

API

re.findall(pattern, string)

>>> re.findall(r'\w', 'js75sd')
['j', 's', '7', '5', 's', 'd']

re.sub(pattern, repl, string)

>>> re.sub(r'\d','AA', 'js75sd')
'jsAAAAsd'

re.split(pattern, string)

>>> re.split(r'\W+', 'word, Word, word.')
['word', 'Word', 'word', '']

re.match(pattern, string).group()

# 圆括号括起来表示分组
print(re.match(r"(\d+)(\w+)", "1234abcd").group())    # 1234abcd
print(re.match(r"(\d+)(\w+)", "1234abcd").group(0))   # 同上
print(re.match(r"(\d+)(\w+)", "1234abcd").group(1))   # 1234
print(re.match(r"(\d+)(\w+)", "1234abcd").group(2))   # abcd
# 指定组名：(?P<name>正则)
print(re.match(r"(?P<dig>\d+)(\w+)", "1234abcd").group('dig')) # 1234

re.compile(pattern).match(string).group()

用到 match 都是返回匹配的第一个。