|
正则表达式是一个非常强大的处理字符工具，但有时可读性很差、晦涩难懂，Jamie Zawinski 说道： Some people, when confronted with a problem, think, “I know, I’ll use regular expressions.” Now they have two problems.
本来是一个问题，引入正则表达式之后就成了两个问题。其实并不是任何场景都需要正则表达式。在简单场景，能用字符串自己提供的方法解决问题就没必要用正则表达式，比如字符替换 >>> import re
>>> text = 'java is most popular language'
>>> re.sub(r'java', 'python', text)
'python is most popular language'
# good
>>> text.replace('java', 'python')
'python is most popular language'
判断字符串是否以某字符开头 >>> re.match(r'^java', text)
<_sre.sre_match object="" at="">0x000000000471D578>
>>> text.startwith('java')
# good
>>> text.startswith('java')
True
re.match() 与 re.search()re.match 从字符串的起始位置匹配，如果没匹配成功就不再往后匹配，返回 None。而 search 虽然也是从起始位置开始匹配，但是如果在起始位置没有匹配，就继续往后匹配，直到匹配为止，如果匹配到字符串末尾都没有匹配则返回 None >>> text = 'java is most popular langauge'
>>> re.match('most', text) # 没匹配
# bad
>>> re.match('.*most', text)
<_sre.sre_match object="" at="">0x0000000004CCD578>
# good
>>> re.search('most', text)
<_sre.sre_match object="" at="">0x000000000471D578>
不分组的括号我们知道正则表达式中括号可以用于分组提取，有时我们并不希望括号用于分组该怎么办，答案是使用 (?:)，看一个例子，用正则表达式提取URL中的各个组成部分 
rex = r'^(http[s]?)://([^/\s]+)([/\w\-\.]+[^#?\s]*)?(?:\?([^#]*))?(?:#(.*))?$'
print(re.match(rex, url).groups())
>>> ('http',
'www.example.com',
'/path/to/myfile.html',
'key1=value1&key2=value2',
'SomewhereInTheDocument')
上面虽然写了7对括号，但其实只有5个分组。下面是不使用 ?:，出现了 7 组数据 rex = r'^(http[s]?)://([^/\s]+)([/\w\-\.]+[^#?\s]*)?(\?([^#]*))?(#(.*))?$'
print(re.match(rex, url).groups())
>>>('http',
'www.example.com',
'/path/to/myfile.html',
'?key1=value1&key2=value2',
'key1=value1&key2=value2',
'#SomewhereInTheDocument',
'SomewhereInTheDocument')
贪婪匹配正则表达式默认是贪婪匹配的，也就是说它会在满足匹配条件的情况下尽可能多的匹配字符，例如这里有一段话： html = '''Today a quick article on a nic Read more ... 里面有两对 >>> re.search('.* ', html)
>>> m = re.search('.* ', html)
>>> m.group()
'Today a quick article on a nic Read more ... '
>>>.* ?
>>> m = re.search('.*? ', html)
>>> m.group()
'Today a quick article on a nic '最后推荐学习正则表达式的3个学习资源
|
