Python正则表达式

在编写处理网页文本的程序时，经常会有查找符合某些复杂规则的字符串的需要,正则表达式就是描述这些规则的工具。

基本语法和使用

1.常用元字符

元字符	含义
.	匹配除换行符以外的任意字符
\b	匹配单词的开始或结束
\d	匹配数字
\w	匹配字母、数字、下划线或汉字
\s	匹配任意空白符，包括空格、制表符、换行符、中文全角空格等
^	匹配字符串的开始
$	匹配字符串的结束

2.字符转义

使用’\’作为转义字符。

3.重复

限定符	含义
*	重复0次或更多次
+	重复1次或更多次
?	重复0次或者1次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

4.字符集合

• [0-9]与\d等价
• [a-z0-9A-Z]与\w等价

5.分支条件

例：电话号码中有一种是3位区号，8位本地号（010-11223344），另一种是4位区号，7位本地号（0321-1234567）；这时需要用到分支条件：0\d{2}-\d{8} | 0\d{3}-\d{7} 从左到右依次匹配，前面的条件满足了就不看后面的了，条件之间是一种或的关系。

6.分组

例：匹配192.168.1.1这样的IP地址。
((\d{1,3})\.){3}\d{1,3}。但是这样有可能出现333.444.555.666这样的IP地址所以是不合理的。
以下才是合理的表示方式。
((25[0-5] | 2[0-4]\d[0-1]\d{2} | [1-9]?\d)\.){3}((25[0-5] | 2[0-4]\d[0-1]\d{2} | [1-9]?\d)\.)

7.反义

代码	含义
\W	匹配任意不是字母、数字、下划线、汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^a]	匹配除了a以外的任意字符
[^abcde]	匹配除了a、b、c、d、e这几个字母以外的任意字符
[^(123 ！abc)]	匹配除了a、b、c和1、2、3这几个字符以外的任意字符

8.后向引用

9.零宽断言

10.注释

(?#comment)
例如：\b\w+(?#字符串)\b

11.贪婪与懒惰

12.处理选项

python与正则

1.re.match(pattern,string[,flags])

代码：

import re
# 将正则表达式编译成pattern对象
pattern = re.compile(r'\d+')
# 使用re.match匹配文本，获得匹配结果，无法匹配时将返回None
result1 = re.match(pattern,'192abc')

if result1:
  print(result1.group())
else:
  print('匹配失败1')
result2 = re.match(pattern,'abc192')
print(result2)
if result2:
  print(result2.group())
else:
  print('匹配失败2')

运行结果：

192
None
匹配失败2

2.re.search(pattern,string[,flags])

代码：

import re
# 将正则表达式编译成pattern对象
pattern = re.compile(r'dogs')
# 使用re.match匹配文本，获得匹配结果，无法匹配时将返回None
result1 = re.match(pattern,'Cats are smarter than dogs')
if result1:
  print(result1.group())
else:
  print('匹配失败1')
# 使用re.search匹配文本，获得匹配结果，无法匹配时将返回None
result2 = re.search(pattern,'Cats are smarter than dogs')
if result2:
  print(result2.group())
else:
  print('匹配失败2')

运行结果：

匹配失败1
dogs

3.re.findall(pattern,string[,flags])

代码：

import re
pattern = re.compile(r'\d+')
print(re.findall(pattern,'A1B2C3D4'))

运行结果：

[‘1’, ‘2’, ‘3’, ‘4’]

4.re.finditer(pattern,string[,flags])

代码：

import re
pattern = re.compile(r'\d+')
matchiter = re.finditer(pattern,'A1B2C3D4')
for match in matchiter:
  print(match.group())

运行结果：

1
2
3
4

5.re.sub(patter,repl,string[,count])

代码：

import re
pattern = re.compile(r'(?P\w+) (?P\w+)') # 使用名称引用
s = 'i say,hello world!'
print(pattern.sub(r'\g \g',s))
pattern = re.compile(r'(\w+) (\w+)')

print(pattern.sub(r'\2 \1',s))    # 使用编号
def func(m):
  return m.group(1).title()+' '+m.group(2).title()

print(pattern.sub(func,s))

运行结果：

say i,world hello!
say i,world hello!
I Say,Hello World!

6.re.subn(pattern,repl,string[,count])

代码：

import re
s = 'i say,hello world!'
pattern = re.compile(r'(\w+) (\w+)')
print(pattern.subn(r'\2 \1',s))
def func(m):
  return m.group(1).title()+' '+m.group(2).title()
print(pattern.subn(func,s))

运行结果：

(‘say i,world hello!’, 2)
(‘I Say,Hello World!’, 2)

7.re.split(pattern,string[,maxsplit])

代码：

import re
pattern = re.compile(r'\d+')
print(re.split(pattern,'A1B2C3D4'))

运行结果：

[‘A’, ‘B’, ‘C’, ‘D’, ‘’]

Match对象的属性和方法

代码：

import re
pattern = re.compile(r'(\w+) (\w+) (?P.*)')
match = pattern.match('I love you!')

print("match.string:",match.string)
print("match.re:",match.re)
print("match.pos:",match.pos)
print("match.endpos:",match.endpos)
print("match.lastindex:",match.lastindex)
print("match.lastgroup:",match.lastgroup)
print("match.group(1,2):",match.group(1,2))
print("match.groups():",match.groups())
print("match.groupdict():",match.groupdict())
print("match.start(2):",match.start(2))
print("match.end(2):",match.end(2))
print("match.span(2):",match.span(2))
print("match.expand(r'\\2 \\1 \\3'):",match.expand(r'\2 \1 \3'))

运行结果：

match.string: I love you!
match.re: re.compile(‘(\w+) (\w+) (?P.*)’)
match.pos: 0
match.endpos: 11
match.lastindex: 3
match.lastgroup: word
match.group(1,2): (‘I’, ‘love’)
match.groups(): (‘I’, ‘love’, ‘you!’)
match.groupdict(): {‘word’: ‘you!’}
match.start(2): 2
match.end(2): 6
match.span(2): (2, 6)
match.expand(r’\2 \1 \3’): love I you!