python正则表达式：re库的使用

一、re

re库是Python中使用正则表达式需要用到的库，是Python的标准库，无需安装，直接导入

二、正则表达式的表示类型

1、raw string类型（原生字符串类型）：如r’[1-9]\d{5}’
2、string类型，更加繁琐（将斜杠表示为转义字符）：如‘[1-9]\d{5}’

三、re库的功能函数

pattern：正则表达式的字符串或原生字符串
string：待匹配字符串
flags：正则表达式使用时的控制标记
flags常用取值：
（1）re.I或re.IGNORECASE：忽略正则表达式的大小写，[A-Z]能够匹配小写字符
（2）re.M或re.MULTILINE：正则表达式中的^操作符只匹配字符串的最开始部分，使用该标记能够将给定字符串的每行当作匹配开始
（3）re.S或re.DOTALL：正则表达式中的.操作符能够匹配除换行外的所有字符，使用该标记可以匹配所有字符

1、re.match(pattern, string, flags=0)
从一个字符串的开始位置起匹配正则表达式，返回match对象。如果不是起始位置匹配成功的话，match()就返回none
可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式

例：

2、re.search(pattern, string, flags=0)
在一个字符串中匹配正则表达式的第一个位置，返回match对象
匹配成功re.search方法返回一个匹配的对象，否则返回None。
例：


注：re.match与re.search的区别
re.match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回 None，而 re.search 匹配整个字符串，直到找到一个匹配。

3、re.sub(pattern, rep1, string, count=0, flags=0)
在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
repl：替换的字符串，也可为一个函数
count：模式匹配后替换的最大次数，默认 0 表示替换所有的匹配
flags：编译时用的匹配模式，数字形式
前3个参数为必选参数，后两个为可选参数

repl参数是一个函数：下面的例子将字符串中匹配的数字乘以3

4、re.findall(pattern, string, flags=0) 或 re.findall(string[, pos[, endpos]])
搜索字符串，返回全部匹配的子串，返回的是列表类型，如果没有找到匹配的，就返回一个空列表
注：match（匹配开始位置的1个） 和 search（匹配符合的第1个）匹配一次 ，而 findall 是匹配所有
pos：可选参数，指定字符串的起始位置，默认为 0。
endpos：可选参数，指定字符串的结束位置，默认为字符串的长度
例：查找字符串中的所有数字

5、re.finditer(pattern, string, flags=0)
和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，返回一个匹配结果的迭代器（迭代类型），每个迭代元素是match对象

6、re.splite(pattern, string[, maxsplit=0, flags=0])
将一个字符串按照正则表达式匹配结果分割，返回的是列表类型
maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数

7、re.compile(pattern[, flags])
compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用
flags：可选。具有如下几个值：

四、正则表达式对象

1、re.RegexObject：re.compile()返回RegexObject 对象
2、re.MatchObject：
　　1）group(i) 返回被 RE 匹配的子串。当要获得整个匹配的子串时，可直接使用 group() 或 group(0)
　　2）start() 返回匹配开始的位置（子串第一个字符的索引）
　　3）end() 返回匹配结束的位置（子串最后一个字符的索引+1）
　　4）span() 返回一个元组包含匹配 (开始,结束) 的位置

五、正则表达式修饰符：可选标志

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。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

re.DOTALL与re.S一样的效果。

六、正则表达式模式

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r’\t’，等价于 \t )匹配相应的特殊字符
下面列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变
1、^：匹配字符串的开头
2、$：匹配字符串的末尾
3、.：匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
4、[…]：用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
5、[^ …]：不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
6、re*：匹配0个或多个的表达式
7、re+：匹配1个或多个的表达式
8、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
9、re{ n}：匹配n个前面表达式。例如，"o{2}“不能匹配"Bob"中的"o”，但是能匹配"food"中的两个o
10、re{ n,}：精确匹配n个前面表达式。例如，"o{2,}“不能匹配"Bob"中的"o”，但能匹配"foooood"中的所有o。"o{1,}“等价于"o+”。“o{0,}“则等价于"o*”
11、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
12、a| b：匹配a或b
13、(re)：匹配括号内的表达式，也表示一个组
14、(?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
15、(?-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
16、(?: re)：类似 (…), 但是不表示一个组
17、(?imx: re)：在括号中使用i, m, 或 x 可选标志
18、(?-imx: re)：在括号中不使用i, m, 或 x 可选标志
19、(?#…)：注释.
20、(?= re)：前向肯定界定符。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。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边
21、(?! re)：前向否定界定符。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
22、(?> re)：匹配的独立模式，省去回溯
23、\w：匹配数字、字母、下划线
24、\W：匹配非数字、非字母、非下划线
25、\s：匹配任意空白字符，等价于 [\t\n\r\f]
26、\S：匹配任意非空字符
27、\d：匹配任意数字，等价于 [0-9]
28、\D：匹配任意非数字
29、\A：匹配字符串开始
30、\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。
31、\z：匹配字符串结束
32、\G：匹配最后匹配完成的位置
33、\b：匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’
34、\B：匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’
35、\n, \t, 等：匹配一个换行符。匹配一个制表符, 等
36、\1…\9：匹配第n个分组的内容
37、\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

七、正则表达式示例

1、字符匹配

2、字符类

3、特殊字符类

—end—