【Python】正则表达式入门

正则表达式用于字符串匹配，其强大之处在于方便和快捷（不说效率），在文本处理的时候非常建议使用。

基础

Python中的正则表达式库为re，使用时加载此库即可：

import re

1.规则：

正则表达式的规则很简单，其基本形式如下：

'a.*b\S+'

其中，a和b为确定字符，表示你希望匹配的具体字符串。
.和\S为特殊字符，用于匹配并非精确确定的东西，比如此处的.表示任意字符（包括空字符），\S表示一个非空字符。
*和+是数量词，比如\S+表示匹配1-无穷个非空字符。

具体的规则可以在这里查看：正则表达式规则表

2.基本使用：

在Python中，使用正则表达式匹配可以用re库下的match方法。
比如我想匹配以下字符串：

text='''<bg trans1>家，房间</bg>'''

制定规则时，可以如此制定：

   :::python
p=r'<\S+\s+S\+>.*</\S+>'

也可以使用ur'xxx'的形式，指定为unicode编码。

含义为：
<+若干非空字符+若干空字符+若干非空字符+>任意字符+

设定好规则之后，便可以进行匹配，匹配方法的使用：

m=re.match(p,text)

如果匹配成功，将会返回匹配值，否则返回None。

3.分组：

有时候我们希望不仅仅是匹配，并且能够取得我们所期望的一些字符串，这时候可以使用分组功能。
将规则改写：

p=r'<(\S+)\s+(\S+)>(.*)</(\S+)>'

以()为标识，里面的表达式被视为一个分组，这时再调用match方法，返回的值便是一个分好的数组，调用group方法便可以得到各个分组的数据。
执行：

text='''<bg trans1>家，房间</bg>'''
p=r'<(\S+)\s+(\S+)>(.*)</(\S+)>'
m=re.match(p,text)

可得结果:

>>> print m.group()
<bg trans1>家，房间</bg>
>>> print m.group(0)
<bg trans1>家，房间</bg>
>>> print m.group(1)
bg
>>> print m.group(2)
trans1
>>> print m.group(3)
家，房间
>>> print m.group(4)
bg