python--模块之re正则表达式

简介：

正则表达式本身是一个小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，我们可以通过直接调用来实现正则匹配。

正则表达式基础知识：

--普通字符 匹配自身 abc ----abc

--元字符

. :匹配任何字符(\n)换行符除外 例：a.a -----aba

\ :转义字符 例：a\tb ---a b

* :匹配前一个字符0或多次 例：a*b ----aaaab；b

+ :匹配前一个字符1次或多次 例：a+b ----aaaab;ab

? :匹配一个字符0次或1次 例：a?b ---b;ab

^ :匹配字符串开头，多行匹配每一行开头 例：^ab ---ab

$ :匹配字符串末尾，多行匹配每一行末尾 例：ab$ ---ab;cb

reg1 | reg2 :匹配正则表达式reg1或reg2 例：foo | bar ---foo;bar

{} : a{m}匹配字符m次，a{m,n}匹配字符m至n次，若省略n，则匹配m至无限次 例：a{1,2}b ---aab

[] :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]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含义。 例：a[bcd]e ---abcde

() :最基本的组是由一对圆括号括起来的正则式。 例：(abc){2}a(2|4)d ---abcabca4d

--特殊字符

\d ：数字1~9 例：a\db ---a1b

\D:非数字[^\d] 例：a\Dc ----abc

\s:匹配任意空白字符[ \t\r\n\f\v] 例：a\sb ---a b

\S:非空白字符[^\s] 例：a\Sb ---abc

\w:匹配包括下划线在内的任意字符[A-Za-z0-9_] 例：a\wc ---abc

\W:匹配非单词字符[^A-Za-z0-9_] 例：a\Wb ---a b

\A:仅匹配字符串开头，同^ 例:\Aabc ---abc

\Z:仅匹配字符串末尾，同$ 例：abc\Z ----abc

\B:匹配\w和\W之间，即匹配单词边界匹配一个单词边界，也就是指单词和空格间的位置。 例：’er\b‘ 可以匹配’never‘ 中的’er‘,但不能匹配’verb‘中的’er‘

\B:[^\b] 例：a\Bbc ---abc

正则表达式的常用函数：

match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法： group（）：返回被re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

start():返回匹配开始的位置 end():返回匹配结束的位置 spend():返回一个元组包含匹配（开始，结束）的位置

1、compile() 编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率） re.compile(pattern,flags=0) pattern:编译时用的表达式字符串。 flags:编译标志位，用于修正正则表达式的匹配方式，如：是否区分大小写，多行匹配等，常用的flags有：

re.S(DOTALL):使‘.’特殊字符匹配任何字符，包括换行；如果没有此标志，‘.’将匹配任何内容除换行符。

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

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的更易于理解

re.U:根据Unicode字符集解析字符，这个标识影响\w,\W,\b,\B

2、match() 决定re是否在字符串刚开始的位置匹配。 注：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符‘$’ 格式：re.match(pattern,string,flags=0)

例： print(re.match('com','comwww.runcomoob').group()) print(re.match('com','Comwww.runcomoob',re.I).group())

>>com >>Com

3、search() re.search函数会在字符串内查找模式匹配，只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None 格式：re.search(pattern,string,flags=0)

例： print(re.search('\dcom','4com5com').group())

>>4com

4,findall() re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。 格式： re.findall(pattern,string,flags=0) 例1： p=re.compile(r'\d+') print(p.findall('h32h3jh2uhr23'))

>>['32', '3', '2', '23']

5、finditer() 搜索string，返回一个顺序访问每一个匹配结果（match）对象的迭代器。找到re匹配的所有字符串，并把它们作为一个迭代器返回。 格式： re.finditer(pattern,string,flags=0) 例： iter=re.finditer(r'\d+','12gjh232jkg34') for i in iter: print(i) print(i.group()) print(i.span()) #返回迭代器对象;匹配数值；位置 >><_sre.SRE_Match object; span=(0, 2), match='12'> 12 (0, 2) >><_sre.SRE_Match object; span=(5, 8), match='232'> 232 (5, 8) >><_sre.SRE_Match object; span=(11, 13), match='34'> 34 (11, 13)

6、split() 按照能够匹配的字符串string分割后返回列表。 可以使用re.split来分割字符串，如：re.split(r'\s+',text);将字符串按空格分割成一个列表。 格式： re.split(pattern,string,maxsplit=0,flags=0) 例： print(re.split('\d+','ont1two2three3four4five5',3)) >>['ont', 'two', 'three', 'four4five5']

7、sub() 使用re替换string中每个匹配的字符串返回后的值。 格式： re.sub(pattern,repl,string,count) 例： text='ont1two2three3four4five5' print(re.sub(r'\d+',' ',text)) >>ont two three four five

8、subn() 返回替换次数 格式： subn(pattern,repl,string,count=0,flags=0) 例： print(re.subn(r'\d',' ','ont1two2three3four4five5')) >>('ont two three four five ', 5)