python正则表达式系列（1）——正则元字符

本文主要介绍python中正则表达式的基本用法，做一个初步的认识。

1. 初识

python通过re内置模块来处理正则表达式（regex)，底层使用C引擎。一个简单的正则匹配的例子：

import re
# 正则
p = re.compile(r'[a-zA-Z0-9]')
s = 'hello 123, world!'
print re.findall(p,s)

# 输出：
# ['h', 'e', 'l', 'l', 'o', '1', '2', '3', 'w', 'o', 'r', 'l', 'd']

元字符：所谓元字符，指的是那些不仅仅可以表示字符本身含义、并且还可以表示其他特殊含义的字符。正则中的元字符主要有如下这些：

. ^ $ * + ? { } [ ] \ | ( )

要在正则中匹配元字符本身，需要使用转义符号，比如如果要匹配"+"符号，则在正则中要写成：\\+.

2. 正则元字符含义解释

1. [ ]

(1) 常用来指定一个字符集，如[abc]匹配：a或b或c

(2) 元字符在[]中不起所用，比如：[a+]匹配：a或+

但注意：在方括号中：要匹配转义符“\”本身，要用：\\；要匹配方括号开头的^符本身，要用：\^；要匹配-字符，需要用：\-

(3) 补集匹配：[^a]，匹配非a的一个字符

(4) 匹配连续字符：[a-zA-Z0-9]，匹配大小写英文字母和数字

2. ^

匹配行首，在MULTILINE模式中，直接匹配字符串中的每一个换行。

3.$

匹配行尾，行尾是指：字符串尾，或一个换行字符后的任何位置。

4. \

转义字符，如果要匹配\本身，需要使用再次转义：\\。

一些特殊字符：

\d：匹配：[0-9]

\D：匹配：[^0-9]

\s：匹配：任何空白符，即：[\t\n\r\f\v]

\S：匹配：任何非空白符，即：[^\t\n\r\f\v]

\w：匹配：[a-zA-Z0-9_ ]

\W：匹配：[^a-zA-Z0-9_ ]

5.*

匹配前一个字符或子表达式出现0次或多次。

6. +

匹配前一个字符或子表达式出现1次或多次。

7. ?

(1) 匹配前一个字符或子表达式出现1次或0次。

(2) 表示非贪婪匹配：

import re
# 贪婪模式，会尽量多地去匹配
r1 = re.compile(r'ab+')
s1 = 'abbb'
print re.findall(r1,s1)

# 非贪婪模式，会尽量少地去匹配
r2 = re.compile(r'ab+?')
s2 = 'abbb'
print re.findall(r2,s2)

# 输出：
'''
['abbb']
['ab']
'''

8.{}

匹配前一个字符或子表达式出现指定次数：

• {0,}：0次或多次，相当于*

• {1,}：1次或多次，相当于+

• {0,1}：0次或1次，相当于?

• {m,n}：m次到n次(m <= n)