正则表达式

正则

表达式（或RE）是一种小型的、高度专业化的编程语言，它内嵌在python中，并通过re模块实现。

正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行

正则表达式语言相对小型和受限

字符匹配

--普通字符

     大多数字母和字符一般都会和自身匹配

     如正则表达式test会和字符串“test”完全匹配

--元字符

     . ^  $ * + ? {} \  | ()

 

--常用来指定一个字符集：[abc],[a-z]

--元字符在字符集中不起作用：[akm$]

--补集匹配不在区间范围内的字符：[^5]

^

--匹配行首。除非设置MULTILINE标志，它只是匹配字符串的开始。在MULTILINE模式里，它也可以直接匹配字符串中的每个换行。

$

--匹配行尾，行尾被定义为要么是字符串尾，要么是一个换行字符后面的任何设置 

such as:

>>>import re

>>>a = 'fuck flck fick fock fack ftck'

>>>b = re'f'

>>>re.findall(b,a)

---

正则表达式--元字符

\

-反斜杠后面可以加不通的字符表示不通特殊意义

-也可以用于取消所有的元字符：\[或\\

\d匹配任何十进制数：相当于类[0-9]

\D匹配任何非数字字符：相当于类[^0-9]

\s匹配任何空白字符：他相当于类[\t\n\f\r\v]

\S匹配任何非空白字符：他相当于类[^\t\n\r\f\v]

\w匹配任何字母数字字符：它相当于类[a-zA-Z0-9]

\W匹配任何非字母数字字符：它相当于类[^a-zA-Z0-9]

重复举例：

>>>010-012345678

-12345670

>>>c = r'010-\d{8}'

>>>re.findall(c,'010-12345678')

*：表示将前面的字符重复0-多次

>>>r = r'ab*'

>>>re.findall(r,'abbbbbbbbbbbbb')

['abbbbbbbbbbbbb']

+:重复至少要重复1次

？：重复0次或者1次 表示前面那个字符可有可无

+返回的是最大匹配

>>>a = r'ab+'

>>>re.findall{r.'abbbbbbbb'}

 abbbbbbbb

？返回的是最小匹配非贪婪模式

ab

{m,n}:

-其中m和n是十进制整数。该限定符的意思是至少有m个重复，至多到n个重复。a\{1,3}b

-忽略m会认为下边界是0，而忽略n的结果将是上边界为无穷大（实际是20亿）

-{0,}等同于*，{1,}等同于+，而{0,1}则与？相同。但是最爱好还是用*+？

---

import re

编译正则表达式

>>>a = r'\d{3,4}-?\d{8}'

>>>a_tel = re.compile(a)

>>>a_tel.findall('010-12345678')

给表达式a编译成a_tel

>>>csvt_re = re.compile(r'csvt',re.I)   re.I不区分大小写

>>>csvt_re.findall('CSVT')

'CSVT'

常用的编译后的

match()   决定RE是否在字符串刚开始的位置匹配

search()   扫描字符串 ,找到这个re的匹配位置

findall()    找到re匹配的所有子串，并把它们作为一个列表返回

finditer()   找到re匹配的所有子串，并把它们作为一个迭代器返回

--Matchobject实例方法

group()   返回被RE匹配的字符串

start()     返回匹配开始的位置

end()       返回匹配结束的位置

span()      返回一个元组包含匹配（开始，结束）的位置

subn()      将字符串某个内容替换成规则内容

>>>r =r'c..t'

>>>re.subn(r.'python','csvt,ccct,cxxt,cbbt,cccc')

split()     根据某个符号对字符串进行切割

---

,S匹配包括换行在内的所有字符

,I匹配对大小写不敏感

,L做本地化识别(locale-aware)匹配。语法等“e”或“c”

,M多行匹配影响^和$

,X能够使用RES的verbose状态，使之组织的更清晰易懂