python正则表达式介绍及使用方法

1.正则表达式介绍

正则表达式（RE）是一种小型的、高度专业化的编程语言，它内嵌在python中，并通过re模块实现。

可以为想要匹配的相应字符串集指定规则

该字符串集可能包含英文语句、email地址、命令或任何你想搞定的东西

可以问诸如“这个字符串匹配该模式吗”

“在这个字符串中是否有部分匹配该模式呢”

你也可以使用RE以各种方式来修改或者分割字符串

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

正则表达式语音相对小型和受限（功能有限）

并非所有字符串处理都能用正则表达式完成

字符匹配：

普通字符

大多数字母和字符一般都会和自身匹配

元字符：

1.[ ]

常用来指定一个字符集：[abc]; [a-z]; [0-9]

元字符在字符集中不起作用：[akm$]

补集匹配不在区间范围内的字符：[^5] ; [^abc]

2.^

匹配行首。除非设置MULTILINE标志，它只是匹配字符串的开始。在MULTILINE模式里，它可以直接匹配字符串中的每个换行。

3.$

匹配行尾，行尾被定义为要么是字符串尾，要么是一个换行字符后面的任何位置。

4.\

反斜杠后面可以加不同的字符以表示不同的特殊意义

也可以用于取消所有的元字符：\[] 或 \\

\d 匹配任何-十进制数；它相当于[0-9]

\D匹配任何非数字字符，它相当于[^0-9]

\s匹配任何空白字符，它相当于[\t\n\r\f\v]

\S匹配任何非空白字符，它相当于[^\t\n\r\f\v]

\w匹配任何字母数字字符，它相当于[a-zA-Z0-9_]

\W匹配任何非字母数字字符，它相当于[^a-zA-Z0-9_]

5.重复

正则表达式的第一功能是能够匹配不定长的字符集，另一个功能是你可以指定正则表达式的一部分重复次数；重复次数放在大括号里面

c{8}表示重复8次c； \d{8}表示8位数字

6.*

指定前一个字符可以被匹配0次或多次，而不是只有一次。匹配引擎会试着重复尽可能多的次数（不超过整数界定范围20亿）

7.+

表示匹配一次或更多次，

*和+之间的不同：*匹配0或更多次，+匹配一或更多次

8.？

匹配一次或零次：你可以认为它用于标志某事物是可选的

？家长重复（6，7）后面可以做最小匹配，a*?表示匹配0次a，a+?表示匹配一次a

9.*?, +?, ??

非贪婪匹配，匹配最少的

<*> 会匹配'<H1>title</H1>'整个字符串（贪婪匹配），使用 *? 可以只找出 <H1>（非贪婪匹配）

10.{m,n}

其中m和n都是十进制整数，该限制符的意思是至少有m个重复，至多有n个重复。a\{1,3}b

忽略m会认为下边界是0，忽略n认为上边界是无穷大（实际上是20亿）

{0,}等同于*； {1,}等同于+； {0,1}等同于?;如果可以的话最好用* + 或?

11. |

或者，只匹配其中一个表达式，

A|B，如果 A 匹配了，则不再查找 B，反之亦然

12.(...)

匹配括号中的任意正则表达式

13.(?#...)

注释，忽略括号内的内容

14.(?=...)

表达式‘...’之前的字符串，

在字符串’ pythonretest ’中 (?=test) 会匹配’ pythonre ’

15.(?!...)

后面不跟表达式'...'的字符串，

如果’ pythonre ’后面不是字符串’ test ’，那么 (?!test) 会匹配’ pythonre ’

16.(?<=...)

跟在表达式’…’后面的字符串符合括号之后的正则表达式

正则表达式’ (?<=abc)def ’会在’ abcdef ’中匹配’ def ’

17.(?<!...)

括号之后的正则表达式不跟在’…’的后面

2.如何使用正则表达正则表达式’ (?<=abc)def ’会在’ abcdef ’中匹配’ def 式

re模块提供了一个正则表达式引擎的接口，可以让你将REstring编译成对象并用它们来进行匹配
编译正则表达式：
import re
p = re.compile(规则)
例如：

>>> r1 = r"\d{3,4}-?\d{8}$"
>>> p_tel = re.compile(r1)
>>> p_tel
<_sre.SRE_Pattern object at 0x01BEFA30>
>>> p_tel.findall("056179882523")
['056179882523']

re.compile()也可接受可选的标志参数，常用来实现不同的特殊功能和语法变更。忽略大小写需要编译的时候加上re.I

>>> c_rel = re.compile(r"ahnu",re.I)
>>> c_rel.findall("Ahnu")
['Ahnu']
>>>

正则表达式执行匹配

match():决定RE是否在字符串刚开始的位置匹配

search()：扫描字符串，找到这个RE匹配的位置

findall():找到RE匹配的所有子串，并将他们作为一个列表返回

finditer()：找到RE匹配的所有子串，并将他们做为一个迭代器返回

如果没有匹配成功，match()和search()方法会返回一个None，如果成功的话，会返回一个matchobject对象

MatchObject实例方法：

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）位置

实际程序中，最常见的方法是将MatchObject保存在一个变量里，然后检查它是否为None

p = re.compile(...)
m = p.match("string goes here")
if m :
    print "Match found:",m.group()
else:
    print"match not found"

模块级函数：

re模块也提供了顶级函数调用如match()、search()、sub()、subn()、split()、sindall()等

sub和subn是替换函数，

re.sub(pattern, repl, string[, count, flags])

在字符串 string 中找到匹配正则表达式 pattern 的所有子串，用另一个字符串 repl 进行替换。如果没有找到匹配 pattern 的串，则返回未被修改的 string。Repl 既可以是字符串也可以是一个函数。对于 RegexObject 有：

sub(repl, string[, count=0])

此语法的示例有：

>>> l = "ahnu ahnn ahun sshh ahhh"
>>> res = "ah.."
>>> re.sub(res,"python",l)
'python python python sshh python'
>>> re.subn(res,"python",l)
('python python python sshh python', 4)
>>>

split()是分割函数

>>> res = r"[\+\-\*/]"
>>> l = "1+6-6*7/9"
>>> re.split(res,l)
['1', '6', '6', '7', '9']
>>>

编译标志：

DOTALL,S:使.匹配包括换行在内的所有字符

>>> r1 = r"csvt.net"
>>> re.findall(r1,"csvt.net")
['csvt.net']
>>> re.findall(r1,"csvtonet")
['csvtonet']
>>> re.findall(r1,"csvt\nnet")
[]
>>> re.findall(r1."csvt\tnet")
SyntaxError: invalid syntax
>>> re.findall(r1,"csvt\tnet",re.S)
['csvt\tnet']
>>>

IGNORECASE,I:使匹配对大小写不敏感

MULTLINE,M:多行匹配，影响^和$

>>> s = """
ahnu hello
hello ahnu
ahnu i love lyou
i love you ahnu
"""
>>> r = r"^ahnu"
>>> re.findall(r,s)
[]
>>> re.findall(r,s,re.M)
['ahnu', 'ahnu']
>>>

VERBOSE,X:能够使用REs的verbose状态，忽略空格和#后面的注释，使之被组织的更清晰易懂

>>> s = """
\d{3,4}
-?
\d{7}
"""
>>> re.findall(s,"05617988252")
[]
>>> re.findall(s,"05617988252",re.X)
['05617988252']
>>>

LOCALE,L:做本地化识别，匹配本地特殊语法