正则表达式的基本语法和在Python下的使用

正则表达式基本语法

常用正则表达式符号

符号	说明	举例
literal	匹配字符串的值	Foo
re1|re2	匹配正则表达式re1或re2	foo
.	匹配任何字符（换行符除外）	b.b
^	匹配字符串的开始	^bear
$	匹配字符串的结尾	/bin/*sh$
*	匹配前面出现的正则表达式零次或是多次（[0, +∞)）	[A-Za-z0-9]*
+	匹配前面出现的正则表达式一次或是多次（[1， +∞)）	[a-z]+.com
?	匹配前面出现的正则表达式零次或是一次（0, 1）	Goo?
{N}	匹配前面出现的正则表达式N次	[0-9]{3}
{M, N}	匹配重复出现M次到N次的正则表达式	[0-9]{5, 9}
[…]	匹配字符组里面出现的任意一个字符	[aeiou]
[..x-y..]	匹配从字符x到y中的任意一个字符	[0-9], [A-Za-z]
[^…]	不匹配此字符集中出现的任何一个字符，包括某一范围的字符（如果在此字符集中出现）	[^aeiou], [^A-Za-z0-9]
(*|+|?|{})?	英语上面出现的任何“非贪婪”版本重复匹配次数符号（*，+，？，{}）	.*?[a-z]
(…)	匹配封闭括号中正则表达式（RE），保存为子组	([0-9]{3})?, f(oo

特殊符号

符号	说明	举例
\d	匹配任何数字，和[0-9]一样（\D是\d的反义：任何非数字字符）	Data\d+.txt
\w	匹配任何数字字母字符，和[a-zA-Z0-9]相同（\W是\w的反义）	[A-Z][a-z]\w+
\s	匹配任何空白符，和[\n\t\r\v\f]相同，（\S是\s的反义）	Of\sthe
\b	匹配单词边界（\B是\b的反义）	\bThe\b
\nn	匹配已保存的子组（可以参考正则表达式:(…)）	Price:\16
\c	逐一匹配特殊字符c（即，取消它的特殊含义，按照字面匹配）	., \, *
\A (\Z)	匹配字符串的起始（结束）	\ADear

正则表达式在Python下的使用

Python下常用的正则表达式函数

函数/方法	描述
re模块的函数compile(pattern,flags=0)	对正则表达式模式pattern进行编译，flags是可选标志符，并返回一个regex对象
re模块的函数和regex对象的方法match(pattern, string, flags=0)	尝试用正则表达式模式pattern匹配字符串string，flags是可选标志符，如果匹配成功，则返回一个匹配对象；否则返回None
search(pattern, string, flags=0)	在字符串string中查找正则表达式模式pattern的第一次出现，flags是可选标志符，如果匹配成功，则返回一个匹配对象；否则返回None

Python中compile函数

compile函数主要是为了来提升性能的，那么RE 编译(何时应该使用compile函数?)，下面是具体的原因：

Python 的代码最终会被编译为字节码,然后才被解释器执行。Python中的eval()或exec()调用一个代码对象而不是一个字符串，在性能上会有明显地提升，这是因为 编译过程不必执行。换句话说，使用预编译代码对象要比使用字符串快，因为解释器在执行字符串形式的代码前必须先把它编译成代码对象。

这个概念也适用于正则表达式， 在模式匹配之前， 正则表达式模式必须先被编译成 regex 对象。由于正则表达式在执行过程中被多次用于比较，我们强烈建议先对它做预编译，而且，既然正则表达式的编译是必须的，那使用么预先编译来提升执行性能无疑是明智之举。re.compile() 就是用来提供此功能的。

其实模块函数会对已编译对象进行缓存，所以不是所有使用相同正则表达式模式的 search()和match()都需要编译。即使这样，你仍然节省了查询缓存，和用相同的字符串反复调用函数的性能开销。 在 Python1.5.2 版本里, 缓存区可以容纳 20 个已编译的正则表达式对象，而在 1.6 版本里，由于另外添加了对 Unicode 的支持，编译引擎的速度变慢了一些，所以缓存区被扩展到可以容纳 100个已编译的 regex 对象。