python-正则表达式

定义

就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，
（在Python中）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。

二元字符

.   ^   $   *   +   ?   { }   [ ]   |   ( ) \

实例

+           匹配+号前内容1次至无限次
?           匹配?号前内容0次到1次
{m}         匹配前面的内容m次
{m,n}       匹配前面的内容m到n次
*?,+?,??,{m,n}?    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

从前面的描述可以看到'*'，'+'和'*'都是贪婪的，但这也许并不是我们说要的，
所以，可以在后面加个问号，将策略改为非贪婪，只匹配尽量少的RE。示例，

 print(re.findall(r"a(\d+?)","a23b")) # 非贪婪模式
 >>>['2']
print( re.findall(r"a(\d+)","a23b"))
>>> ['23']

\:
反斜杠后边跟元字符去除特殊功能，
反斜杠后边跟普通字符实现特殊功能。
引用序号对应的字组所匹配的字符串

#search查找匹配字符的起始位置与终止位置
n=re.search(r"(alex)(eric)com\2","alexericcomeric")
print(n.span())
>>>(0, 15)

\d 匹配任何十进制数；它相当于类 [0-9]。
\D 匹配任何非数字字符；它相当于类 [^0-9]。
\s 匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符；它相当于类 [^ \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_]
\b: 匹配一个单词边界，也就是指单词和空格间的位置。
匹配单词边界（包括开始和结束），这里的“单词”，是指连续的字母、数字和
下划线组成的字符串。注意，\b的定义是\w和\W的交界，
这是个零宽界定符（zero-width assertions）只用以匹配单词的词首和词尾。
单词被定义为一个字母数字序列，因此词尾就是用空白符或非字母数字符来标
示的。

 

print( re.findall(r"abc\b","dzx &abc sdsadasabcasdsadasdabcasdsa"))
>>>['abc']
print( re.findall(r"\babc\b","dzx &abc sdsadasabcasdsadasdabcasdsa"))
>>>['abc']
print( re.findall(r"\babc\b","dzx sabc sdsadasabcasdsadasdabcasdsa"))
>>>[]

注意：
re.match('com', 'comwww.runcomoob')
re.search('\dcom', 'www.4comrunoob.5com')
一旦匹配成功，就是一个match object 对象，而match object 对象拥有以下方法：
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
group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。

1. group（）返回re整体匹配的字符串，
2. group (n,m) 返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常
3.groups（）groups() 方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到
所含的小组号，通常groups（）不需要参数，返回一个元组，元组中的元就是正则
表达式中定义的组。

import re
a = "123abc456"
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0) #123abc456,返回整体
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1) 
>>>[123]
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2) 
>>>[abc]
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)
>>>[456]

group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3)
列出第三个括号匹配部分。

#re.findall  以列表形式返回所有匹配的字符串
#re.findall可以获取字符串中所有匹配的字符串。如：
p = re.compile(r'\d+')
print(p.findall('one1two2three3four4'))
>>>['1', '2', '3', '4']
#获取字符串中，包含'oo'的所有非字符单词
text = 'djks#dooljsdJ('
print(re.findall(r'\w*oo\w*', text))
>>>['dooljsdJ']

#以数字分割字符串
p = re.compile(r'\d+')
print(p.split('one1two2three3four4'))
>>>['one', 'two', 'three', 'four', '']
#等同于
print(re.split('\d+','one1two2three3four4'))
>>>['one', 'two', 'three', 'four', '']

a = 'abc123abv23456'
b = re.findall(r'23(a)?',a)
print(b)
>>>['a', '']
#匹配23后面为任意一个字符
b = re.findall(r'23(?:a)?',a)
print(b)
>>>['23a', '23']