python3中的re模块

正则表达式是一个很强大的字符串处理工具，它能帮助我们方便的检查一个字符串是否与某种模式匹配。

一、python中正则表达式的基本语法规则
序号    语法    解释    表达式    成功匹配对象
1    一般字符    匹配自身相对应的字符    abc    abc
2    .    匹配除换行符(\n)以外的任意字符    a.c    abc
3    \    转义字符，可以改变原字符的意思    a.c    a.c
4    \d    匹配数字:0~9    \dabc    1abc
5    \w    匹配单词字符,a~z;A~Z;0~9    \w\w\w    oX2
6    \s    匹配空格字符(\t,\n,\r,\f,\v)    a\sc    a c
7    \D    匹配非数字字符    \Dabc    aabc
8    \W    匹配非单词字符    a\Wc    a c
9    \S    匹配非空格字符    \S\Sc    1bc
10    []    字符集，对应位置上可以是字符集里的任意字符    a[def]c    aec
11    [^]    对字符集当中的内容进行取反    a[^def]c    a2c
12    [a-z]    指定一个范围字符集    a[A-Z]c    aBc
13    *    允许前一个字符可以出现0次或者无限次    a*b    aaab或b
14    +    前一个字符至少出现1次    a+b    aaab或ab
15    ?    前一个字符只能出现一次或者不出现    a?b    ab或b
16    {m}    允许前一个字符只能出现m次    a{3}b    aaab
17    {m,n}    允许前一个字符至少出现m次,最多出现n次(如果不写n，则代表至少出现m次)    a{3,5}b和a{3,}    aaaab和aaaaaab
18    ^    匹配字符串的开始，多行内容时匹配每一行的开始    ^abc    abc
19    $    匹配字符串的结尾，多行内容时匹配每一行的结尾    abc&    abc
20    \A    匹配字符串开始位置，忽略多行模式    \Aabc    abc
21    \Z    匹配字符串结束位置，忽略多行模式    abc\Z    abc
22    \b    匹配位于单词开始或结束位置的空字符串    hello \bworld    hello world
23    \B    匹配不位于单词开始或结束位置的空字符串    he\Bllo    hello
24    |    表示左右表达式任意满足一种即可    abc|cba    abc或cba
25    (…)    将被括起来的表达式作为一个分组，可以使用索引单独取出    (abc)d    abcd
26    (?P…)    为该分组起一个名字，可以用索引或名字去除该分组    (?Pabc)d    abcd
27    \number    引用索引为number中的内容    (abc)d\1    abcdabc
28    (?P=name)    引用该name分组中的内容    (?Pabc)d(?P=id)    abcdabc
29    (?:…)    分组的不捕获模式，计算索引时会跳过这个分组    (?:a)b(c)d\1    abcdc
30    (?iLmsux)    分组中可以设置模式，iLmsux之中的每个字符代表一个模式,单独介绍    (?i)abc    Abc
31    (?#…)    注释，#后面的内容会被忽略    ab(?#注释)123    ab123
32    (?=…)    顺序肯定环视，表示所在位置右侧能够匹配括号内正则    a(?=\d)    a1最后的结果得到a
33    (?!…)    顺序否定环视，表示所在位置右侧不能匹配括号内正则    a(?!\w)    a c最后的结果得到a
34    (?<=…)    逆序肯定环视，表示所在位置左侧能够匹配括号内正则    1(?<=\w)a    1a
35    (? 36    (?(id/name)yes|no)    如果前面的索引为id或者名字为name的分组匹配成功则匹配yes区域的表达式，否则匹配no区域的表达式，no可以省略    (\d)(?(1)\d|a)    32
二、(?iLmsux)为分组设置模式
这里的”i”, “L”, “m”, “s”, “u”, “x”，它们不匹配任何字串，而是表示对应python中re模块当中的(re.I, re.L, re.M, re.S, re.U, re.X)的6种选项。 
可以在python源码中看到：

I = IGNORECASE # 忽略大小写
L = LOCALE     # 字符集本地化,为了支持多语言版本的字符集使用环境
U = UNICODE    # 使用\w,\W,\b,\B这些元字符时将按照UNICODE定义的属性
M = MULTILINE  # 多行模式,改变 ^ 和 $ 的行为
S = DOTALL     # '.' 的匹配不受限制,包括换行符
X = VERBOSE    # 冗余模式,可以忽略正则表达式中的空白和#号的注释
1
2
3
4
5
6
六种模式在正则表达式中可以同时使用多个的，在 python 里面使用按位或运算符 | 同时添加多个模式 
如：re.compile(”, re.I|re.M|re.S)
 

正则表达式对象

re.RegexObject

re.compile() 返回 RegexObject 对象。

re.MatchObject

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) 的位置

---

正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

---

正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

---

正则表达式实例

字符匹配

实例	描述
python	匹配 "python".

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

特殊字符类

实例	描述
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。