python正则表达式

我的理解：正则表达式就是一个特殊的字符串，用来表达一种字符串的排列组成模式。
python的re模块提供了正则表达式的一些函数。
import re，使用re模块需要导入该模块。

re.match

函数：

re.match(pattern, string, flags=0)

从头开始匹配，匹配成功则返回一个匹配的对象，否则返回None

参数：
pattern：匹配的正则表达式
string：要匹配的字符串
flags：标志位
可以用group()方法来获取匹配到的部分：

import re
matchObject = re.match(r".*123", "qwe123456")
if matchObject:
    print(matchObject.group()) # 匹配到的
    print(matchObject.start()) # 起始位置
    print(matchObject.end())   # 结束位置
    print(matchObject.span())  # 起始和结束位置

输出：
qwe123
0
6
(0, 6)

---

re.search

re.search(pattern, string, flags=0)

扫描整个字符串并返回第一个成功的匹配
参数和用法与re.match一样

---

re.findall

findall(pattern, string, flags=0)

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

import re
regular_v2 = re.findall(r"\d+","a1b2c3")
print (regular_v2)

输出：
['1', '2', '3']

---

re.finditer

re.finditer(pattern, string, flags=0)

在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回，与findall相似。

import re

it = re.finditer(r"\d+","a1b2c3")
for match in it:
    print (match.group() )
    
输出：
1
2
3

---

re.split

re.split(pattern, string, maxsplit=0, flags=0)

按照匹配到的子串将字符串分割后返回列表

import re
m = re.split('\d+', 'a1b2c3')
print(m)

输出：
['a', 'b', 'c', '']

参数：
pattern：匹配的正则表达式
string：要匹配的字符串。
maxsplit：分隔次数，maxsplit=1分隔一次，默认为0，不限制次数。
flags：标志位

---

re.sub

re.sub(pattern, repl, string, count=0)

替换字符串中的匹配项

参数：
pattern：匹配的正则表达式
repl：要替换的字符串，也可以是一个函数
String：要匹配的字符串
count：模式匹配后替换的最大字数，默认0表示替换所有匹配

import re
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
s = 'AB24V60'
print(re.sub('(?P\d+)', double, s))

输出：
AB48V120

其中?P是用来以value为名进行捕捉。这是一种只有python的专用命名组的方式

---

re.comile

re.compile(pattern, flags)

用于编译正则表达式，生成一个正则表达式的Pattern对象，以供match()、search()和findall()使用。

import re 
pattern = re.compile(r'\d+') # 匹配至少一个数字

# 注意：0和3是起始和结束位置，默认为0和字符串长度
m = pattern.match('12345', 0, 3) 
print(m.group())

输出：
123

---

修饰符

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。多个标志可以用|连接。如 re.I|re.M 。

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。

---

模式

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。
[…]	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}	匹配n个前面表达式
re{n,}	精确匹配n个前面表达式。"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)	G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。
接上	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。
接上	一旦所含表达式已经尝试，匹配引擎根本没有提高；
接上	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。
接上	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	匹配数字字母下划线
\W	匹配非数字字母下划线
\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。
\B	匹配非单词边界。
\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。

references

[1] http://www.runoob.com/python3/python3-reg-expressions.html