python-正则表达式复杂用法

一、非贪婪匹配

关于贪婪和非贪婪，贪婪匹配的意思是，在同一个匹配项中，尽量匹配更多所搜索的字符，非贪婪则相反。正则匹配的默认模式是贪婪模式，当?号跟在如下限制符后面时，使用非贪婪模式（*,+,?，{n}，{n,}，{n,m}）

如正则表达式 \S+c 匹配字符串aaaacaaaaaaac的结果是aaaacaaaaaaac，而\S+?c则会优先匹配aaaac

二、零宽断言

有时候在使用正则表达式做匹配的时候，我们希望匹配一个字符串，这个字符串的前面或后面需要是特定的内容，但我们又不想要前面或后面的这个特定的内容，这时候就需要零宽断言的帮助了。所谓零宽断言，简单来说就是匹配一个位置，这个位置满足某个正则，但是不纳入匹配结果的，所以叫“零宽”，而且这个位置的前面或后面需要满足某种正则。

零宽断言：正向和反向两类，分别用等号(=)和感叹号(!)表示，每类又分为：前视和后视，分别表示位置前后，表达式如果存在小于号(<)，表示后视，否则即为前视；

正向前视断言：语法：(?=exp)，它断言此位置的后面能匹配表达式exp,但不包含此位置；
如：a(?=\d)，返回匹配字符串中以数字为结尾的a字符。

正向后视断言：语法：(?<=exp)，它断言此位置的前面能匹配表达式exp；
如：(?<=\d)a，返回匹配字符串中以数字为开头的a字符。

反向前视断言：语法：(?!exp)，它断言此位置的后面不能匹配表达式exp;
如：a(?!\d)，返回不匹配字符串中以数字结尾的a字符。

反向后视断言：语法：(? 如：a(?

三、扩展符号

通过使用 (?iLmsux) 系列选项，用户可以直接在正则表达式里面指定一个或者多个标记，而不是通过 compile()或者其他 re 模块函数。

1、(?i)：表示 re.I/IGNORECASE，忽略大小写

2、(?L)： LOCALE， 字符集本地化。这个功能是为了支持多语言版本的字符集使用环境的，比如在转义符\w，在英文环境下，它代表[a-zA-Z0-9_]，即所以英文字符和数字。如果在一个法语环境下使用，缺省设置下，不能匹配"é" 或 “ç”。加上这L选项和就可以匹配了。不过这个对于中文环境似乎没有什么用，它仍然不能匹配中文字符

3、(?m)：表示 re.M/MULTILINE，实现多行混合，data 数据多行

4、(?s)：表示符号 . 可以代表任意符号（正常情况符号 . 表示除 \n 之外的任意符号）；

5、(?u)： UNICODE，使用 \w, \W, \b, \B 这些元字符时将按照 UNICODE 定义的属性；

6、(?x)：表示允许用户通过抑制在正则表达式中使用空白符（除了在字符类中或者反斜线转义中）来创建更易读的正则表达式，正则表达式多行；

四、非获取匹配

当我们使用正则表达式的时候，我们经常会使用()把某个部分括起来，称为一个子模式。子模式有Capturing和Non-Capturing两种情况。捕获的字符串会被缓存起来以供后续使用，具体表现为每个（）中的表达式所匹配到的内容在进行正则匹配的过程中，都会被缓存下来。

var testReg=/(a+)(b*)c/;

testReg.test('aaaabbbccc');//输出true

console.log(RegExp.$1);//输出aaaa

console.log(RegExp.$2);//输出bbb

但是，如果在子分组中加入?:之后，分组依然成立，但是不会被缓存下来

var testReg=/(a+)(?:b*)c/;

testReg.test('aaaabbbccc');//输出true

console.log(RegExp.$1);//输出aaaa

console.log(RegExp.$2);//输出""

五、正则表达式—后向引用

当用“()”定义了一个正则表达式分组后，正则引擎就会把匹配的组按照顺序进行编号，然后存 入缓存中。这样我们就可以在后面对已经匹配过的内容进行引用，这就叫后向引用。

1、通过索引引用

\数字 \1表示引用第一个分组，\2引用第二个分组，以此类推，\n引用第n个组，而\0则表示引用整个被匹配的正则表达式本身。

交换字符串的位置

import re

s = 'abc.xyz' # 交换.号两边的字符串

res = re.sub(r'(.*)\.(.*)', r'\2.\1', s)

print res

>>>xyz.abc

六、正则表达式—有名分组以及引用

命名分组就是给具体有默认分组编号的组另外再起一个别名，方便以后的引用。 命令分组的语法格式如下： (?P正则表达式)

语法格式中的字符P必须是大写的“P”，name是一个合法的标识符，表示分组的别名。

s = "ip='230.192.168.78',version='1.0.0'"

res = re.search(r"ip='(?P\d+\.\d+\.\d+\.\d+).*", s)

print res.group('ip')#通过命名分组引用分组

使用命名分组后，可以再使用?P = name调用命名分组，即在一个字符串中，匹配由(?P****)命名的分组

七、注释符

(?#****)表示注释，所有内容都被忽略