Day-13: 正則表達式

　　正則表達式：

　　因爲程序中對字符串進行操做的狀況實在太多，因此就誕生了正則表達式。它就是用來匹配字符串的。

　　\d匹配一個數字，\w匹配一個字母或者數字，\s匹配一個空格（包括Tab等空白符）

　　*表示任意個字符，+表示一個字符，？表示0或者1個字符，{n}表示n個字符，{n，m}表示n-m個字符（數量表示符號要放在字符表示符號的後面）

　　[]裏面表示範圍

　　[0-9a-zA-Z\_]能夠匹配一個數字、字母或者下劃線；

　　A|B能夠匹配A或B，^表示行的開頭，$表示行的結束。

　　正則表達式自身要轉義表示，使用r''後就不用考慮正則表達式的轉義。

　　re模塊：

>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object at 0x1026e18b8>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>

　　match()方法判斷是否匹配，若是匹配成功，返回一個Match對象，不然返回None。

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

　　正則表達式中有()表示提取有分組，能夠在match對象上用group()方法提取出子串來，group(0)表示原始字符串，group(1)表示第1個字符串。

>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'

　　re模塊中方法運行時會先編譯正則表達式，再去匹配。若是一個正則表達式要重複使用幾千次，能夠先預編譯該表達式，以後就不須要編譯該步驟了，直接匹配。

>>> import re
# 編譯:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')

　　貪婪原則：正則表達式匹配時默認是貪婪匹配，儘量多的匹配。

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

因爲\d+採用貪婪匹配，直接把後面的0所有匹配了，結果0*只能匹配空字符串。

必須用？換成非貪婪模式採用匹配出

>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

  注：本文爲學習廖雪峯Python入門整理後的筆記