python正则表达式
正则表达式
1. 匹配一个字符
| 说明 | 表达式 | 等价表达式 |
| 数字 | \d | [0-9] |
| 字母、数字、下划线 | \w | [a-zA-Z0-9_] |
| 除换行外任意字符 | . | |
| 空格 | \s | [\t\n\r\f\v] |
| 除数字 | \D | |
| 除字母、数字、下划线 | \W | |
| 除空格 | \S |
2. 集合
| 表达式 | 说明 |
| [abc][a-g] | []指一个集合，匹配[]中的任意一个 |
| [^A] | ^在集合[]开头，匹配除A以外字符 |
| A|B | 匹配A或B表达式 |
| (A) | ()指一个组，匹配A中所有内容 |
3. 重复
| 表达式 | 说明 |
| a? | 贪心地匹配a 0次或1次（贪心表示尽可能多地） |
| a{m, n} | 信心地匹配a m-n次。{,n}：0-n次 {m,}：m-无限次 |
| a* | 贪心地匹配a 0-无限次 |
| a+ | 贪心地匹配a 1-无限次 |
| a?? a*? a+? a{m,n}? | 尽可能少地匹配 |
4. 匹配位置
| 表达式 | 说明 |
| ^... | 要求匹配给定串的开头 |
| ...$ | 要求匹配给定串的结尾 |
| ...\b |
匹配单词边界，匹配成功要求A匹配到给定串的边界 使用时模式串要用r，因为\b还有其它意义 |
| ...\B | 匹配单词非边界 |
| \A... | 要求匹配给定串的开头 |
| ...\Z | 要求匹配给定串的结尾 |
5. 设置标志
| 表达式 | 说明 |
| (?aiLmsux) |
(?)是固定格式，后面的字母代表不同意思。 a(ASCII)，i（IGNORECASE），L（LOCALE）， m（MULTILINE,^和$会匹配每一行的开头和结尾）， s（DOTALL，不用的时候.不能匹配换行符），u（）， x(VERBOSE，可以在pattern里面换行写注释， 如a = re.compile(r"""\d + # the integral part \. # the decimal point \d * # some fractional digits""", re.X)， #用来表示注释的开始) |
| (?imsx-imsx:...) | 设置或移除标志，中间是-，标志的集合为imsx |
| (?P<name>...) |
和一般()表达式一样，额外功能：可以用name来访问到对应的组 例： matchObj = re.match("?P<first>.*)", "first") data = matchObj.group("first") |
| (?P=name) | 可以反向引用一个名字为name的组 |
| (?#...) | #说明括号中的内容是注释，直接省略 |
| A(?=B) | 若A在B前，才可匹配出A，同时B不消耗字符 |
| A(?！B) | 若A不在B前，才可匹配出A，同时B不消耗字符 |
| (?<=A)B | 若A在B前，才可匹配出B，同时A消耗字符 |
| (?<!A)B | 若A不在B前，才可匹配出B，同时A消耗字符 |
| \number |
引用第number组的模式串 pattern = '(A)(B) \2' 和 pattern = '(A)(B)(B)'是等价的 例：re.search(r'(a)(b)\2', 'abb') |
函数
1. re：正则表达式模块
| 函数声明 | 功能 | 备注 |
| compile(pattern, flag=0) | 把一个正则表达式编译成一个正则表达式对象 | pattern: 模式串flag：编译方法 |
| search(pattern, string, flags=0) | 如果匹配不成功，则返回None成功，则MatchObject类型值 | |
|
split(pattern, string, maxsplit-0, flags=0) |
按照pattern模式对string进行分割（1. 把匹配成功的部分除去且成为分界 2. 如果pattern中有（），那么匹配成功的部分不除去且自己成为一个组） |
maxsplit：最多分割次数 如果pattern在串的最后能匹配成功，则还会分割出一个空串 |
|
findall(pattern, string, flags=0) |
把string按照pattern从左到右匹配，子串结果以元组形式返回（不重叠） | |
|
finditer(pattern, string, flags=0) |
把string按照pattern从左到右匹配，返回迭代器（不重叠） | |
|
sub(pattern, repl, string, count=0, flags=0) |
string中和pattern匹配成功的部分删除（只有最左的）， 用repl来替换，返回匹配后的串 |
count：要删除匹配成功的个数，如果取0则所有都要换 |
|
escape(pattern) |
把pattern中除了ASCII字母和数字保留，其它都加上转义符\， 并返回修改后的串（当串中可能包含正则表达式特殊符号时可用来转换） |
2. re.RegexObject类:正则表达式对象，对应的函数功能与re模块类似，返回re.MatchObject对象
函数声明 |
功能 | 备注 |
|
search(string[,pos[,endpos]]) |
pos和endpos可不写 | |
|
match(string[,pos[,endpos]]) |
||
|
split(string, maxsplit=0) |
||
|
findall(string[,pos[,endpos]]) |
||
|
finditer(string,[,pos[,endpos]]) |
||
|
sub(repl, string, count=0) |
||
|
groups |
模式中子组的个数 | |
|
groupindex |
返回组名字与(?P<id>)定义组顺序的映射字典 |
|
|
pattern |
模式串 |
|
3. re.MatchObject类：匹配结果类
函数声明 |
功能 | 备注 |
|
group(index1, index2,...) |
返回匹配结果组 |
index指出要返回结果组的下标，默认为0， 把所有结果写成串。若有多个，以元组形式返回 |
|
groups() |
返回所有子组的元组 | |
|
groupdict() |
把所有命名的子组以字典形式返回 | |
|
start([group]) end([group]) |
返回子组（用名字或下标标识） 在串中匹配成功开始/结果的位置 |
|
|
startpos endpos |
传递给search和match函数时 指定的开始/结束匹配串的位置 |
|
|
lastindex lastgroup |
最后匹配成功的组的下标/名字 | 如果没有的话，返回None |
|
re |
匹配时用的正则表达式对象 | |
| string | 传递给match/search函数的串 |
