串匹配正则表达式(re包规定的元字符)的代码实现（python语言）

re包规定的元字符：

.  ^  $  *  +  ?  \  |  {  }  [  ]  (  )

 - 贪婪匹配：与有可能匹配的最长子串匹配
    在这里 ab* 匹配 abbbbbb，* 运算符做贪婪匹配
 - 非贪婪匹配：与有可能匹配的最短子串匹配

• 字符组表达式

  • 字符组表达式

  [abc]可以匹配字符a或b或c
  区间形式[0-9]是顺序列出的缩写，匹配数字字符0到9
  [0-9a-zA-Z]匹配所有英文大小写和数学字符

  • [^…]中的^表示求补

  [0-9]匹配所有非十进制数字的字符
  [^ \t\v\n\f\r]匹配所有非空字符（非空格/制表符/换行符）
  注：使用^时，^必须再首位

  • 原点字符
    a.b匹配所有以a开头b结尾的三字字符串

为了方便，re换意串定义了几个常用字符，如下：

\t  :与十进制数字的所有字符匹配，等价于[0-9]
\D  :与非十进制数字的所有字符匹配，等价于[^0-9]
\s  :与所有空白字符匹配，等价于 [ \t\v\n\f\r]
\S  :与所有非空白字符匹配，等价于 [^ \t\v\n\f\r]
\w  :与所有字母数字字符匹配，等价于 [0-9a-zA-Z]
\W  :与所有非字母数字字符匹配，等价于 [^0-9a-zA-Z]

• 重复

  运算符是，α与α吃的0次或任意多次出现匹配

  • 重复运算符+表示1次或多次重复
    例：‘\d+’等价于‘\d\d*’
  • 可选片段用？运算符表示
    ？表示0次或1次重复
  • 确定重复次数的用{n}表示
    a{n}与a匹配的串的n次重复匹配
    a{m,n}与a匹配的串的m到n次匹配

 - + ? {m,n}都采用贪婪匹配
*? +? ?? {m,n}?都采用非贪婪匹配（在各运算符后面加问号）

• 选择运算符
  |描述两种或多种情况之一的匹配
  a|b可以匹配a或b，等价于[ab]

• 首尾匹配

  • 行首匹配：以^符号开头的模式，只能与一行的前缀子串匹配
  • 行尾匹配：以$符号结尾的模式，只与一行的后缀匹配
  • 串首匹配：\A 开头的模式只与被匹配串的前缀匹配
  • „串尾匹配：\Z 结束的模式只与被匹配串的后缀匹配

• 单词边界

  • \b描述单词边界，它表示示单词边界匹配一个空串。单词是字母数字的连续序列，边界就是非字母数字字符或无字符（串开头/结束）
  • \B是\b的补，也是匹配空字符串，但要求相应的位置是数字或字母

>>>re.findall('py.\B', 'python, py2')
['pyt','py2']

• 模式里面的组
  
  • ‰圆括号括起的模式段 (…) 也是模式，它与被括子模式匹配的串匹配。但在此同时还确定了一个被匹的“组”（字符段）
  • 被匹配的组可用\n形式在模式里面“引用”要求匹配同样字符段。这里的 n 表示一个整数序号，组从 1 开始编号

r'(.{2}) \1'可匹配'ok ok'或'no no',不能匹配'no ho'

• 其他匹配操作

re.fullmatch( pattern, string, flags=0)
# 如果整个 string 与 pattern 匹配则成功并返回相应的 match 对象，
否则返回 None
re.finditer( pattern, string, flags=0)
# 功能与 findall 类似，但返回的不是表而是一个迭代器，使用该迭代器可顺序取得表示各非重叠匹配的 match 对象
re.sub( pattern, repl, string, count=0, flags=0)
# 做替换，把 string 里顺序与 pattern 匹配的各非重叠子串用repl代换。repl是串则直接代换；另一情况，repl 还可以是以match 对象为参数的函数，这时用函数的返回值代换被匹配子串

• 匹配对象（match对象）
  
  • 取得被匹配的子串：mat.group()
    在一次成功匹配中，所用的正则表达式匹配了目标串的一个子串，操作 mat.group() 给出这个子串
  • 在目标串里的匹配位置：mat.start()
    得到 mat 代表的成功匹配在目标串里的实际匹配位置，这是目标串的一个字符位置（下标）
  • 目标串里被匹配子串的结束位置：mat.end()
    这个位置采用常规表示方式。设 text 是目标串，有如下关系：mat.group() == text[mat.start():mat.end()]
  • 目标串里被匹配的区间：mat.span()得到匹配的开始和结束位置形成的二元组mat.span() == mat.start(), mat.end()
  • mat.re 和 mat.string 分别取得得到这个 match 对象所做匹配的正则表达式对象和目标串
• 正则表达式
  
  • 检索：regex.rearch(string[,pos[,endpos]])
    在给定的串 string 里检索，可以指定开始和结束位置。按 Python惯例，两个位置确定一个左闭右开的区间。默认从头到尾对 string 检索，只给了 pos 就从那里检索到最后。
  • 匹配：regex.match(string[,pos[,endpos]])
    检查给定的串string是否有与regex匹配的前缀。pos指定开始匹配前缀的位置，endpos给定被匹配段的终点。
  • 完全匹配：regex.fullmatch(string[, pos[, endpos]])
    检查 string 中所指定范围构成的那个子串是否与 regex 匹配，默认范围是整个串。
  • 下面两个方法与 re. 同名操作功能类似，但都可以指明匹配区间：
    regex.findall(string[, pos[, endpos]])
    regex.finditer(string[, pos[, endpos]])
  • 下面两个操作与 re. 同名操作功能相同
    切分：regex.split(string, maxsplit=0)
    替换：regex.sub(repl, string, count=0)
• regex.pattern 取得生成 regex 所用的模式字符串