编码问题

• 判断字符是否包含中文
  \u4e00和\u9fa5是unicode编码，并且正好是中文编码的开始和结束的两个值，所以这个正则表达式可以用来判断字符串中是否包含中文。

s='版权声明：本文为CSDN博主的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。'.encode() #字符串转义
temp=s.decode('utf-8')
pattern="[\u4e00-\u9fa5]+"#中文正则表达式
reg = re.compile(pattern) #生成正则对象 
results=reg.findall(temp)
for result in results:
    print(result)

• 编码设为unicode
  

import importlib,sys
importlib.reload(sys)

分组匹配

(?P...)支持分组匹配。

s = '11022319900808666X'
res= re.search('(?P<省份>\d{3})(?P<城市>\d{3})(?P<born_year>\d{4})',s)
print(res.groupdict())#结果转为字典

输出结果为：

{‘省份’: ‘110’, ‘城市’: ‘223’, ‘born_year’: ‘1990’}

分组的回溯引用

引用之前分组的匹配，使用\N引用编号为N的分组。如匹配html标签，<\w+>.*?</\1>

相关资源

• 正则表达式在线测试网站
  
• tutorial网站含练习
  介绍了各个正则符合的用法,配套练习题,适合零基础入门.
  
  \.,为匹配一个句号,用\来转义.
  括号的作用: 适用于只需要保留匹配到的字符串中括号内的字符
  
  .+表示任意一个或多个字符,^表示开头,$表示结尾,\.pdf表示.pdf后缀结尾的文件,加斜杠对句号进行转义.
  
  提取子组中的字符串,可以在括号组中添加括号.
  
• 菜鸟教程
• 正则表达式30分钟入门
• regexlearn
• 编程胶囊