1、正则表达式元字符介绍
- . 表示任意一个字符，默认不包括换行符号，如果使'.'包括任何字符。可以使用如下写法：
pat = re.compile(r".*", re.DOTALL) pat.search(strvar)
- ^ 表示一个字符串的开头
- $ 表示一个字符串的结尾
- * 表示对于前一个字符重复0到无穷次
- + 表示对于前一个字符重复1到无穷次
- ? 表示对于前一个字符重复0到1次
- *?, +?, ?? 由于*，+，?都是贪婪的，例如通过<.*>查找'<H1>title</H1>'时，并不会匹配'<H1>'和'</H1>'，而是匹配'<H1>title</H1>' 。因此在当加上?后，就会变为非贪婪的。是否加上?根据实际情况决定
- {m} 表示对于前一个字符重复m次
- {m,n} 表示对于前一个字符重复次数在为m到n次，其中，{0,} = *,{1,} = +, {0,1} = ?
- {m,n}? 表示非贪婪的{m,n}
- \ 强烈建议正则表达式使用原生字符串（raw string），一般字符串会使正则表达式变得很复杂且难理解
- [] 表示一个字符集。[]中的特殊字符都表示普通字符；对于 ] 和 - ，可以在它们前面加上 \ ，或者将它们放在最前面；由于转义字符 \ 可以使用，因此 \w 或 \S 也可以使用；当[]里的第一个字符是 ^ 时，表示取非，而如果 ^ 不是第一个字符，则仅表示一个字符。
- | 表示或，例如A|B，表示匹配A或B，若能够匹配A，则不再检查B。
- () 表示一个group 注意，这是重点！！！
- \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]。注意空格
- \S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]]。注意空格
- \w 匹配任何字母数字下划线字符；它相当于类 [a-zA-Z0-9_]。
- \W 匹配任何非字母数字下划线字符；它相当于类 [^a-zA-Z0-9_]。
2、re.search(pattern, string[, flags])
在string中查找pattern，如果找到一个匹配就返回一个MatchObject对象(并不会匹配所有的)
参数
pattern：正则表达式
string：字符串
返回值
如果找到，则返回一个MatchObject实例；否则返回None
3、re.match(pattern, string[, flags])
与search的唯一区别是，必须从string中的第一字符开始匹配，注意是“从第一个字符开始就必须匹配”；而search可以从任意位置开始匹配
4、re.split(pattern, string[, maxsplit=0])
用pattern来拆分string。如果pattern有含有括号，那么在pattern中所有的组也会返回。maxsplit表示最大拆分数。返回列表。例如：
>>> re.split('\W+', 'Words, words, words.') ['Words', 'words', 'words', ''] >>> re.split('(\W+)', 'Words, words, words.') ['Words', ', ', 'words', ', ', 'words', '.', ''] >>> re.split('\W+', 'Words, words, words.', 1) ['Words', 'words, words.']
注意下面这种情况，当string中最前面的子字符串或最后面的子字符串能够匹配时，那么返回的列表的第一个元素或最后一个元素是空字符串：
>>> re.split('(\W+)', '...words, words...') ['', '...', 'words', ', ', 'words', '...', '']
5、re.findall(pattern, string[, flags])
以list的形式返回string中所有与pattern匹配的不重叠的字符串。string从左向右扫描，匹配的返回结果也是以这个顺序。
6、re.sub(pattern, repl, string[, count])
对所有匹配的子字符串进行替换
参数
pattern：正则表达式
repl：被替换的字符串
string：原始字符串
返回值
返回一个替换后的字符串，如果没有匹配，则返回的字符串与string相同
7、MatchObject.group([group1, ...])
根据参数的不同返回情况不同：如果参数为空或0，返回一个匹配的完整的字符串；若参数是1个非0参数，则返回对应group的字符串；如果参数有若干个，且每个参数都大于0，则返回一个元组，每一项是一个参数对应的group。
>>> m = re.match(r"(\w+) (\w+)", "Isaac Newton, physicist") >>> m.group(0) # The entire match 'Isaac Newton' >>> m.group(1) # The first parenthesized subgroup. 'Isaac' >>> m.group(2) # The second parenthesized subgroup. 'Newton' >>> m.group(1, 2) # Multiple arguments give us a tuple. ('Isaac', 'Newton')
8、MatchObject.groups([default])
返回一个包含所有group的元组。default是用来设置没有匹配时的默认值的。default默认是None。
>>> m = re.match(r"(\d+)\.(\d+)", "24.1632") >>> m.groups() ('24', '1632')
对于下面这种情况，并不是所有的group都参与了匹配过程，因为“？”表示重复0或1次，那么这些没有参与的group就用None来代表，除非指定了[default]
>>> m = re.match(r"(\d+)\.?(\d+)?", "24") >>> m.groups() # Second group defaults to None. ('24', None) >>> m.groups('0') # Now, the second group defaults to '0'. ('24', '0')
9、MatchObject.start([group]) 和 MatchObject.end([group])
返回匹配的字符串在原始字符串中的起始位置，以及结束位置的下一个位置。参数是group号，如果指定，则返回该group的start和end位置；如果未指定，或指定为0，则返回整个匹配字符串在原字符串中的start和end位置
10、re.compile(pattern, flags=0)
Compile a regular expression pattern into a regular expression object, which can be used for matching using its match() and search() methods, described below.
The sequence
prog = re.compile(pattern)
result = prog.match(string)
is equivalent to
result = re.match(pattern, string)
The expression’s behaviour can be modified by specifying a flags value. Values can be any of the following variables, combined using bitwise OR (the |operator). flag参数除了之前提到的re.DOTALL，还包括其他的。
