python正则表达式re

1. 正则表达式简介

正则表达式并不是Python的一部分。在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别

只在于不同的编程语言实现支持的语法数量不同；但不被支持的语法通常是不常用的部分。python正则表

达式是用于文本匹配的强大工具，在源字符串中查找与给定的正则表达式相匹配的部分。一个正则表达式

是由字母、数字和特殊字符（括号、星号和问号等）组成。

正则表达式中的特殊字符：
^      正则表达式的开始字符
$      正则表达式的结束字符
\w     匹配字母、数字、下划线，等价于[a-zA-Z0-9_] 
\W     匹配不是字母、数字、下划线的字符
\s     匹配空白字符
\S     匹配不是空白的字符 
\d     匹配数字，等价于[0-9] 
\D     匹配非数字的字符
\b     匹配单词的开始和结束
\B     匹配不是单词开始和结束的位置
.      匹配任意字符，包括汉字
[m]    匹配单个字符串
[m…n] 匹配多个字符串
[m-n]  匹配m到n区间内的数字、字母
[^m]   匹配除m以外的字符串
()     对正则表达式进行分组，一对圆括号表示一组
其中，匹配符"[]"可以指定一个匹配范围，例如[ok]将匹配包含o或k的字符
"("和")"等正则表达式中的特殊字符，如果要把它们当做普通字符处理，需要在前面加上转义字符"\"

正则表达式中的限定符：
*     匹配0次或多次
+     匹配1次或多次
?     匹配1次或0次
{m}   重复m次
{m,n} 重复m到n次。其中n可以省略，表示m到任意次
利用{}可以控制字符重复出现的次数。例如，\d{1,4}表示1位到3位数字。

限定符与"?"(贪婪性)的使用

*?     匹配0次或多次，且最短匹配
+?     匹配1次或多次，且最短匹配
??     匹配1次或0次，且最短匹配
{m,n}? 重复m到n此，且最短匹配
{?#…} 正则表达式中的注释
{?P<name>…} 给分组命名，name表示分组的名称
{?P=name}    使用名为name的分组

2. 使用re模块处理正则表达式

re模块的一些函数都有一个flags参数，该参数用于设置匹配的规则选项。规则选项分别如下：
•I(IGNORECASE): 忽略大小写（完整写法:re.I或re.IGNORECASE，下同）
•M(MULTILINE): 多行模式，改变'^'和'$'的行为
•S(DOTALL): 点任意匹配模式，改变'.'的行为
•L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
•U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
•X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白、换行，以方便添加注释。

re模块提供了一些根据正则表达式进行查找、替换和分割字符串的函数，这些函数使用正则表达式作为第

一个参数。re模块常用函数如下：

findall(pattern,string[,flags=0])
从string内查找符合pattern的表达式，然后返回list列表

split(pattern,string[,maxsplit=0])
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。

sub(pattern,repl,string[,count=0])
repl可以是字符串，也可以是函数。
当repl是字符串的时候，就是把string内符合pattern的子串用repl替换；
当repl是函数的时候，对每一个在string内不重叠的，匹配pattern的子串，调用repl（substring），然

后用返回值替换substring
count用于指定最多替换次数，不指定时全部替换。

subn(pattern,repl,string[,count=0]): 
功能与sub()相同，但是多返回一个值，即匹配后的替换次数 

match(pattern,string[,flags=0])
根据pattern从string头部开始匹配字符串,只返回第一次匹配成功的对象（MatchObject对象）。否则返回

None

search(pattern,string[,flags=0])
根据pattern在string中匹配字符串,只返回第一次匹配成功的对象（MatchObject对象）。否则返回None

Match对象是一次匹配的结果，Match对象的属性和方法：

属性：
string: 搜索的字符串。 
re: 匹配时使用的Pattern对象。 
pos: 搜索的开始索引位置。值与Pattern.match()和Pattern.seach()方法的同名参数相同。 
endpos: 搜索的结束索引位置。值与Pattern.match()和Pattern.seach()方法的同名参数相同。 
lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。 
lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。 

方法：
group([group1, …]): 
获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用

别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了

多次的组返回最后一次截获的子串。 
groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的

组以这个值替代，默认为None。 
groupdict([default]): 
返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同

上。 
start([group]):
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。 
end([group]): 
返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。 
span([group]): 
返回(start(group), end(group))。 
expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能

使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能

使用\g<1>0。

正则表达式的解析非常费时。如果多次使用findall()匹配字符串，搜索效率可能比较低。如果要多次使用

同一规则匹配字符串，可以使用compile()函数进行预编译，compile()函数返回一个pattern对象。该对象

拥有一系列方法用于查找、替换和扩展字符串，从而提高字符串的匹配速度。

compile(pattern[,flag=0]): 
将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式，取值可以使用按位或运算符

'|'表示同时生效，比如re.I|re.M

Pattern对象的属性和方法：

属性：
pattern: 编译时用的表达式字符串。
flags: 编译时用的匹配模式。数字形式。
groups: 表达式中分组的数量。
groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在

内。

方法：
findall(string[,start[,end]]):查找所有符合pattern对象的结果，返回一个包含匹配结果的列表
finditer(string[,start[,end]]):返回一个包含匹配结果（Match对象）的地址
match(string[,start[,end]]):用法同match()
search(string[,start[,end]]):用法同search()