regex正则表达式

正则表达式

在线正则表达式测试工具:http://tool.oschina.net/regex/

1.常见匹配模式

表示	法描述	正则表达式示例
符号
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(除了\n之外),当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符	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次或者多次前面出现的正则表达式	[A-Za-z0-9]*
+	匹配1次或者多次前面出现的正则表达式	[a-z]+.com
?	匹配0次或者1次前面出现的正则表达式	goo?
{N}	匹配N次前面出现的正则表达式	[0-9]{3}
{M,N}	匹配M~N次前面出现的正则表达式	[0-9]{5,9}
[…]	匹配来自字符集的任意单一字符	[aeiou]
[…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(如果在此字符集中出现)	[aeiou],[A-Za-z0-9]
(*+?{})?	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,通常可以使用(.*?)来选出要匹配的内容	([0-9]{3})?,f(oou)bar
特殊字符
\d	匹配任何十进制数字,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	匹配任何字母数字下划线字符,与[A-Za-z0-9_]相同(\W与之相反)	[A-Za-z_]\w+
\s	匹配任何空格字符,与[\n\t\r\v\f]相同(\S与之相反)	of\sthe
\b	匹配任何单词边界(\B与之相反)	\bThe\b
\N	匹配已保存的子组N(参见上面的(…))	price:\16
\c	逐字匹配任何特殊字符c(即,仅按照字面意义匹配,不匹配特殊含义)	.,\,*
\A(\Z)	匹配字符串的起始(结束,只匹配到换行前的结束字符串)(另见上面介绍的^和$)	\ADear
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\数字	引用已经匹配到的子匹配项	(\w)+\1
扩展表示法,非捕获元
(?iLmsux)	在正则表达式中嵌入一个或者多个特殊“标记”参数(或者通过函数/方法)	(?x),(?im)
(?:…)	表示一个匹配不用保存的分组	(?:\w+.)*
(?P< name>…)	像一个仅由name标识而不是数字ID标识的正则分组匹配	(?P< data>)
(?P=name)	在同一字符串中匹配由(?P<\name)分组的之前文本	(?P=data)
(?#…)	表示注释,所有内容都被忽略	(?#comment)
(?=…)	匹配条件是如果…出现在之后的位置,而不使用输入字符串;称作正向前视断言	(?=.com)
(?!..)	匹配条件是如果…不出现在之后的位置,而不使用输入字符串;称作负向前视断	(?!.net)
(?<=…)	匹配条件是如果…出现在之前的位置,而不使用输入字符串;称作正向后视断言	(?<=800-)
(?	匹配条件是如果…不出现在之前的位置,而不使用输入字符串;称作负向后视断言	(?
(?(id/name)Y|N)	如果分组所提供的id或者name(名称)存在,就返回正则表达式的条件匹配Y,如果不存在,就返回N;|N是可选项	(?(1)y|x)

2.re.match

从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none

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

2.1参数

pattern：正则表达式

string：待匹配的字符串

flags：修饰符,匹配模式(re.S表示.匹配换行符,re.I表示对大小写不敏感）

2.2返回结果的方法

result.group(num=0)：匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

result.groups():

result.span()：可以输出匹配的范围

2.3例子

import re

content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content, re.S)#.*?非贪婪匹配任意字符,\.转义
print(result.group(1))

3.re.search

扫描整个字符串并返回第一个成功的匹配

4.re.findall

搜索字符串，以列表形式返回全部能匹配的子串

5.re.sub

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

替换字符串中每一个匹配的子串后返回替换后的字符串（pattern是正则表达式，repl是替换成的字符串,也可为一个函数对匹配值的操作,string是查找的字符串,count是模式匹配后替换的最大次数，默认 0 表示替换所有的匹配）

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)

6.re.compile

将正则字符串编译成正则表达式对象

regax = re.compile('Hello.*Demo', re.S)
result = re.match(regax, content)
print(result)

regax有以下方法:

regex.search() 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
regex.match() 从一个字符串的开始位置起匹配正则表达式，返回match对象
regex.findall() 搜索字符串，以列表类型返回全部能匹配的子串
regex.split() 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
regex.finditer() 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
regex.sub() 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

7.修饰符

• re.I 忽略大小写
• re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
• re.M 多行模式
• re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
• re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
• re.X 为了增加可读性，忽略空格和 # 后面的注释

8.补充

• [\u4E00-\u9FA5]是汉字
• 贪婪是反向匹配，非贪婪是正向匹配