python之re模块

一、正则表达式

　　re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，而正则表达式是对字符串进行模糊匹配，提取自己需要的字符串部分，他对所有的语言都通用。注意：

• re模块是python独有的
• 正则表达式所有编程语言都可以使用
• re模块、正则表达式是对字符串进行操作

因为，re模块中的方法大都借助于正则表达式，故先学习正则表达式。

（一）常用正则

1、字符组

在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示

正则	待匹配字符	匹配结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有"a"字符，所以不能匹配
[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

2、字符

元字符	匹配内容
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符

3、量词

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
	重复n次
	重复n次或更多次
	重复n到m次

（二）正则表达式的使用

1、. ^ $

正则	待匹配字符	匹配结果	说明
a.	abacad	abacad	匹配所有"a."的字符
^a.	abacad	ab	只从开头匹配"a."
a.$	abacad	ad	只匹配结尾的"a.$"

2、* + ?

正则	待匹配字符	匹配结果	说明
a.?	abefacgad	ab ac ad	?表示重复零次或一次，即只匹配"a"后面一个任意字符。
a.*	abefacgad	abefacgad	*表示重复零次或多次，即匹配"a"后面0或多个任意字符。
a.+	abefacgad	abefacgad	+表示重复一次或多次，即只匹配"a"后面1个或多个任意字符。
a.	abefacgad	abe acg ad	{1,2}匹配1到2次任意字符。

注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

正则	待匹配字符	匹配结果	说明
a.*?	abefacgad	a a a	惰性匹配

3、字符集［］［^］

正则	待匹配字符	匹配结果	说明
a[befcgd]*	abefacgad	abef acg ad	表示匹配"a"后面[befcgd]的字符任意次
a[^f]*	abefacgad	abe acg ad	表示匹配一个不是"f"的字符任意次
[\d]	412a3bc	4 1 2 3	表示匹配任意一个数字，匹配到4个结果
[\d]+	412a3bc	412 3	表示匹配任意个数字，匹配到2个结果

4、分组 ()与 或 ｜［^］

　　身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	待匹配字符	匹配结果	说明
[1]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
[2]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字
[3]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}

5、转义符 \

　　在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对""进行转义，变成'\'。

　　在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\n",字符串中要写成'\n'，那么正则里就要写成"\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念，此时的正则是r'\n'就可以了。

正则	待匹配字符	匹配 结果	说明
\n	\n	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹配
\n	\n	True	转义\之后变成\\，即可匹配
"\\n"	'\n'	True	如果在python中，字符串中的'\'也需要转义，所以每一个字符串'\'又需要转义一次
r'\n'	r'\n'	True	在字符串之前加r，让整个字符串不转义

6、贪婪匹配

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

正则	待匹配字符	匹配结果	说明
<.*>