python正则表达式（基础）

一、正则表达式是包含文本和特殊字符的字符串，该字符串描述一个可以识别各种字符串的模式。

正则表达式	匹配的字符
foo	foo
python	python
abc123	abc123

二、特殊符号和字符

表示法	描 述	正则表达式示例
literal	匹配文本字符串的字面值literal	foo
re1|re2	匹配正则表达式re1或者re2	foo|bar
.	匹配任何字符（除\n）	b.b
^	匹配字符串起始部分	^Dear
$	匹配字符串终止部分	/bin/sh$
*	匹配0次或多次前面的正则表达式	[A-Za-z0-9]*
+	匹配1次或多次前面的正则表达式	[a-z]+\.com
?	匹配0次或多次前面的正则表达式	goo?
{N}	匹配N次前面的正则表达式	[0-9]{3}

{M,N}	匹配M~N次前面的正则表达式	[0-9]{5,9}
[....]	匹配来自字符集的任意单一字符	[abrds]
[..x-y..]	匹配x~y范围中的任意单一字符	[0-9],[A-Za-z]
[^...]	不匹配此字符集中出现的任何一个字符，包括某一范围的字符（如果在次字符集中出现）	[^abrds],[^A-Za-z]
(*|+|?|{})?	用于匹配上面频繁出现/重复出现符号的非贪婪版本（*、+、？、{}）	.*?[a-z]
(...)	匹配封闭的正则表达式，然后另存为子组	([0-9]{3})?,f(oo|u)bar
\d	匹配任何十进制数，与[0-9]一致（\D与\d相反,不匹配任何非数值型的数字）	data\d+.txt
\w	匹配任何字母数字字符，与[A-Za-z0-9]相同（与\W相反）	[A-Za-z]\w+
\s	匹配任何空格字符，与[\n\t\r\v\f]相同（\S相反）	of\sthe
\b	匹配任何单词边界（\B相反）	\bThe\b

\N	匹配以保存的子组N	price:\16
\c	逐字匹配任何特殊字符c	\., \\ , \*
\A(\Z)	匹配字符串的起始（结束）(^ $)	\ADear

三、使用择一匹配符号匹配多个正则表达式

   表示择一匹配的管道符号（|），eg: at| home 匹配字符at、home

四、正则表达式和python语言

   1. python 通过使用re模块来支持正则表达式，re模块支持更强大  而且更通用的perl（Perl5风格）风格的正则表达式，该模块允许多个线程共享同一个已编译的正则表达式对象，也支持命名子组；

   2. re模块：核心函数和方法

compile(pattern,flag=0)	使用任何可选的标记来编译正则表达式的模式，然后返回一个正则表达式对象
match(pattern，string,flag=0)	尝试使用带有可选标记的正则表达式的模式来匹配字符串，如果匹配成功，返回匹配对象，失败，返回None
search(pattern，string,flag=0)	使用可选标记来搜索字符串中第一次出现的正则表达式模式，如果匹配成功，返回匹配对象，失败，返回None
findall(pattern，string[,flags])	查找字符串中所有（非重复）出现的正则表达式模式，并返回一个匹配列表
finditer(pattern，string[,flags])	与findall相同但返回的是一个迭代器，对于每一次匹配，迭代器都会返回一个匹配对象
split(pattern，string,max=0)	根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的别表，分割最多操作max次
sub(pattern,repl,string,count=0)	使用repl替换所有正则表达式的模式在字符串中出现的位置，除非定义count，否则就将替换所有出现的位置
purge()	清楚隐式编译的正则表达式
group(num=0)	返回整个匹配对象，或者编号为num的特定子组
groups(default=None)	返回一个包含所有匹配子组的元组（没有匹配成功则为空元组）

groupdict(default=None)

返回一个包含所有匹配的命名子组的字典，所有的子组名称作为字典的键（没有匹配成功则返回一个空字典）

match()匹配字符串

  成功   

      >>> import re

      >>> m =re.match('foo','foo')

      >>> if m is not None:

      ...    m.group()

      ... 

      'foo' 

  失败

     >>> m =re.match('foo','bar')

     >>> if m is not None:m.group()

     ... 

     >>> 

 

search()与match()对比

     >>> m =re.match('foo','seafoo')

     >>> if m is not None:m.group()

     ...                 #匹配失败   

     >>> 

    

     >>> m =re.search('foo','seafoo')

     >>> if m is not None:m.group()

     ...          

     'foo'                #搜索成功，但是匹配失败

     >>> 

可以看到此处match匹配失败会从起始部分开始匹配模式；也就是说模式中'f'将匹配到字符串的首字母's'上，这样匹配肯定是失败的，而search（）函数不但会搜索模式在字符串中第一次出现的位置，而且严格地对字符串从左到右搜索；

五、匹配多个字符串

>>> bt='bat|bet|bit'          #正则表达式模式:bat bet bit

>>> m =re.match(bt,'bat')       #bat是一个匹配

>>> if m is not None:m.group()

... 

'bat'

>>> 

>>> m =re.match(bt,'he bit me !')  #不能匹配字符串

>>> if m is not None:m.group()

... 

>>> 

>>> m =re.search(bt,'he bit me !')  #通过搜索查找‘bit’

>>> if m is not None:m.group()

... 

'bit'

>>> 

匹配任何单个字符

>>> anyend='.end'

>>> m =re.match(anyend,'bend')   # .匹配b

>>> if m is not None:m.group()

... 

'bend'

>>> 

>>> m =re.match(anyend,'\nbend')  #除了\n的任意字符

>>> if m is not None:m.group()

... 

>>> 

>>> m =re.search(anyend,'The end !')  #在搜索中匹配' '

>>> if m is not None:m.group()

... 

' end'

>>>

六、创建字符集[]

>>> pat='[cr][23][dp][o2]'

>>> m =re.match(pat,'c3po')    #匹配c3po

>>> if m is not None:m.group()

... 

'c3po'

>>> 

>>> m =re.match(pat,'c2do')    #匹配c2do

>>> if m is not None:m.group()

... 

'c2do'

>>> 

七、重复、特殊字符以及分组

>>> patt='\w+@(\w+\.)?\w+\.com'

>>> re.match(patt,'[email protected]').group()

'[email protected]'

>>> re.match(patt,'[email protected]').group()

'[email protected]'

>>> patt='\w+@(\w+\.)*\w+\.com'

>>> re.match(patt,'[email protected]').group()

'[email protected]'

>>> m =re.match('\w\w\w-\d\d\d','abc-123')

>>> if m is not None:m.group()

... 

'abc-123'

>>> 

>>> m =re.match('\w\w\w-\d\d\d','abc-xyz')

>>> if m is not None:m.group()

... 

>>>

>>> m =re.match('(\w\w\w)-(\d\d\d)','abc-123')  

>>> if m is not None:m.group()

... 

'abc-123'                      #完整匹配

>>> m.group(1)                   #子组1

'abc'

>>> m.group(2)                   #子组2 

'123'

>>> m.groups()

('abc', '123')

>>> 

>>> m =re.match('(a(b))','ab')       #两个子组

>>> m.group()                  #完整匹配

'ab'

>>> m.group(1)                  #子组1

'ab'

>>> m.group(2)                  #子组2

'b'

>>> m.groups()

('ab', 'b')

八、匹配字符串的起始和结尾以及单词边界

>>> m =re.search('^The','The end.')     #匹配

>>> if m is not None:m.group()

... 

'The'

>>> 

>>> m =re.search('^The','end. The')

>>> if m is not None:m.group()

... 

>>> m =re.search(r'\bthe','bite the dog')        #在边界

>>> if m is not None:m.group()

... 

'the'

>>> 

>>> m =re.search(r'\Bthe','bitethe dog')       #\B 不在边界

>>> if m is not None:m.group()

... 

'the'

>>> 

九、使用findall()finditer()查找每一次出现的位置

>>> re.findall('car','car')

['car']

>>> re.findall('car','scary')

['car']

>>> re.findall('car','car carry scary to the car')

['car', 'car', 'car', 'car']

>>> s='This and that'

>>> re.findall(r'((Th\w+) and (th\w+))',s,re.I)       #re.I忽略大小写

[('This and that', 'This', 'that')]

>>> re.finditer(r'((Th\w+) and (th\w+))',s,re.I).next().groups()

('This and that', 'This', 'that')

>>> re.finditer(r'((Th\w+) and (th\w+))',s,re.I).next().group(1)

'This and that'

>>> re.finditer(r'((Th\w+) and (th\w+))',s,re.I).next().group(2)

'This'

>>> re.finditer(r'((Th\w+) and (th\w+))',s,re.I).next().group(3)

'that'

>>> [g.groups() for g in re.finditer(r'((Th\w+) and (th\w+))',s,re.I)]

[('This and that', 'This', 'that')]

>>> 

十、使用sbu()和subn()搜索与替换 

>>> re.sub('X','Mr.Smith','attn: X\n\n Dear X,\n ')     #将字符串中X替换为Mr.Smith

'attn: Mr.Smith\n\n Dear Mr.Smith,\n '

>>> re.subn('X','Mr.Smith','attn: X\n\n Dear X,\n ')

('attn: Mr.Smith\n\n Dear Mr.Smith,\n ', 2)

>>> print re.sub('X','Mr.Smith','attn: X\n\n Dear X,\n ')

attn: Mr.Smith

 Dear Mr.Smith,

 

>>> re.subn(r'[ae]','X','abcdef')                 #将字符串中ae替换成X

('XbcdXf', 2)                              #2 替换数

>>> re.sub(r'[ae]','X','abcdef')

'XbcdXf'

>>> re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3','2/20/1991') #匹配的group()方法处理能够取出匹配分组编号还可以使用\N，N是在替换字符串中 '20/2/1991'                                          #使用的分组编号

>>> 

十一、在限定模式上使用split()分隔字符串

>>> re.split(':','str1:str2:str3')

['str1', 'str2', 'str3']

>>> import re

>>> DATA =(

...       'Mounttain View, CA 94040',

...       'Sunnyvale, CA',

...       'Los Altos, 94023',

...       'Cupertino 95014',

...       'China CN ')

>>> for datum in DATA:

...      print re.split(r', |(?=(?:\d{5}|[A-Z]{2}))',datum)

... 

['Mounttain View', 'CA 94040']

['Sunnyvale', 'CA']

['Los Altos', '94023']

['Cupertino 95014']

['China CN ']

>>>