Python re模块(正则表达式)
一、简介
正则表达式本身是一种小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，程序媛们可以直接调用来实现正则匹配。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。需导入re模块。强烈建议使用Python的“r”前缀，就不用考虑转义的问题。
二、常用的字符含义
1.预定义字符
| 字符 | 含义 | 举例 | 结果 |
| \d | 数字：[0-9] | a\dc | a1c |
| \D | 非数字：[^\d] | a\Dc | abc |
| \s | 匹配任何空白字符：[<空格>\t\r\n\f\v] | a\sc | a c |
| \S | 非空白字符：[^\s] | a\Sc | abc |
| \w | 匹配包括下划线在内的任何字字符：[A-Za-z0-9_] | a\wc | abc |
| \W | 匹配非字母字符，即匹配特殊字符 | a\Wc | a c |
| \b | 匹配\w和\W之间，即匹配一个单词边界，也就是指被匹配的内容的左边（\b在左）或右边（\b在右）不能有字母或数字。例如， '\ber\b' ，匹配"er"的左右旁不能有字母或数字。 | abc\b |
abc% |
| \B | [^\b] | a\Bbc | abc |
| \uxxxx | 匹配以十六进制数编码的Unicode字符 | [\u4e00-\u9fa5] | 汉字/中文 |
2.元字符
| 字符 | 含义 | 举例 | 结果 |
| 普通内容 | 匹配自身 | abc | abc |
| . | 匹配任意字符，除换行符"\n"外（在DOTALL模式中也能匹配换行符） | a.c |
abc; a&c |
| \ | 转义字符，使后一个字符改变原来的意思 |
a\.c; a\\c |
a.c; a\c |
| * | 匹配前一个字符任意次 | abc* |
ab; abccc |
| + | 匹配前一个字符至少1次 | abc+ |
abc; abccc |
| ? | 匹配前一个字符0次或1次 | abc? |
ab; abc |
| ^ | 匹配字符串开头。在多行模式中匹配每一行的开头 | ^abc | abc |
| $ | 匹配字符串末尾，在多行模式中匹配每一行的末尾 | abc$ | abc |
| | | 或。匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式 | abc|def |
abc 或 def
|
| {} | {m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若{m,}，则匹配m至无限次 | ab{1,2}c | abc;
abbc
|
| [] | 字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。 注：所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。 |
a[bcd]e | abe;
ace;
ade
|
| () | 被括起来的表达式将作为分组，从表达式左边开始没遇到一个分组的左括号"（"，编号+1. 分组表达式作为一个整体，可以后接数量词。表达式中的|仅在该组中有效。 |
(abc){2} a(123|456)c |
abcabc
a456c
|
3.特殊分组
| 分组 | 描述 | 举例 | 结果 |
| (?P<name>) | 分组命名。字母P大写 | (?P<id>abc){2} | abcabc |
| (?P=name) | 引用命名分组匹配到的字符串 | (?P<id>\d)abc(?P=id) | 1abc1;
5abc5
|
| \<number> | 引用编号为<number>的分组匹配到字符串 | (\d)abc\1 | 1abc1;
5abc5
|
三、常用方法
1）re.match(pattern, string, flags)：尝试从字符串的【开头】匹配【一个】模式。
text="JGood 666666 is a handsome boy, he is cool, clever, and so on..."
m=re.match(r"(\w+)\s", text) #结果是“JGood ”
m=re.match(r"\d+", text) #结果是None，因为数字不在开头
2）re.search(pattern, string, flags)：在【整个】字符串内查找模式匹配,只到找到第一个匹配就返回。
text="JGood 666666 is a handsome boy, he is cool, clever, and so on..."
m=re.search(r"\d+", text) #结果是“666666”
3）re.findall(pattern, string, flags)：获取字符串中所有匹配的字符串。
text="JGood 666666 is a handsome boy, he is cool, clever, and so on..."
m=re.findall(r'\e',text) #结果是['e', 'e', 'e', 'e']
4）re.finditer(pattern, string, flags)：获取字符串中所有匹配的字符串，并把它们作为一个迭代器返回。
5）用正则表达式切分字符串比用固定的字符更灵活，如：
re.split(r'\s+', 'a b c') #必须是re包的split()方法。以一个或多个空格切分。
6）re.compile(pattern, flags)：把模板pattern编译成正则对象，提高效率。
| compile方法flags值 |
含义
|
|
re.S(DOTALL)
|
使.匹配包括换行在内的所有字符 |
|
re.I（IGNORECASE）
|
使匹配对大小写不敏感
|
|
re.L（LOCALE）
|
做本地化识别（locale-aware)匹配，法语等
|
|
re.M(MULTILINE)
|
多行匹配，影响^和$
|
|
re.X(VERBOSE)
|
该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
|
|
re.U
|
根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B
|
7）正则表达式分组：用“()”表示的就是要提取的分组，然后用方法group(num1,num2)返回组号为num1，num2所匹配的字符串，groups()返回所有分组所组成的元组（通常不需参数）。
正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。加问号“?”可以去除贪婪匹配。如：re.match(r'^(\d+?)(0*)$', '102300').groups()
至此，转载请注明出处。
