四、正则表达式

1. 正则表达式

   • 元字符

     
     

   • 特殊字符

     
     

2. 使用|来分隔多个正则符号

3. 使用.来匹配单个字符
   f.o -> f和o之间有任意单个字符

4. 开头^结尾$边界\b\B
   ^test 匹配test开头的字符串
   test$ 匹配test结尾的字符串
   ^$ 匹配空行
   \btest 匹配以test开始的字符串
   \btest\b 匹配单词test
   \Btest匹配包含test但不以test开头的字符串

5. 使用[]匹配字符集合
   [abc]
   [a-z]
   [^a-z]

6. 正则表达式中的分组
   重复单个字符只需在该单个字符后加上需要重复的次数（*?{}），当重复多个字符时，将该多个字符用（）括起来，后面跟上重复次数即可,这里我们看一个匹配ip地址的范例，从ifconfig输出结果匹配到ip地址，在vim中匹配如下，由于（）{}在shell中是特殊字符，所以使用\来转义\(\d\{1,3\}\.\)\{3\}\d\{1,3\}
   

   
   使用在线工具测试
   

由于ip地址限制每个域不能超过255，使用((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

7. 后向引用
   默认情况下，每个（）括起来的分组会被分配一个从1开始的组号，特殊的分组0代表整个正则表达式
   使用（）匹配一个子表达式后，匹配这个子表达式的文本，可以在后续正则中继续使用，\1表示分组一匹配的文本

   
   
   
   

   常用的分组语法如下

   
   
   
   使用命名分组（\k）
   

8. 零宽断言
   有时候我们想匹配某个模式之前或之后的部分，匹配的部分必须满足特定条件。

   • (?=exp)该位置后面可以匹配exp，返回除了exp的部分
     \b\w+(?=ing\b)
     
   • (?<=exp)该位置前面可以匹配exp，同样返回除了exp的部分
     (?<=broad)\w+\b
     

9. 负向零宽断言
   断言某位置前或后不能出现某些字符，我们也可以使用反义，但是问题在于使用反义时，[^]总会占用一个字符空间，可以匹配到单词分隔符。

   • (?!exp)断言此位置后不匹配exp

     
     

   • (?)断言此位置前不匹配exp

     
     

10. 贪婪匹配与懒惰匹配
    当我们的正则表达式有表示重复次数的元字符时，默认情况下总是会自动匹配最长，比如ababab,用a.*b来匹配，会匹配到整个字符串，这就是贪婪匹配，容易理解懒惰匹配就是匹配最短。通过在元字符后加上？来将贪婪匹配变为懒惰匹配。如下

    
    
    
    

11. python中的正则表达式re

    • 核心函数与表达式

      
      
    • compile()对给出的pattern进行编译，加快后续处理的速度，该过程不是必须的，search，match函数可以直接使用字符串来进行匹配，但是使用编译过后的字节码对象可以加快处理的速度
    • 匹配对象的group和groups方法
      re模块的match和search方法会返回一个匹配对象，该对象保存了模式匹配的结果，可以使用该对象的groups和group方法获取匹配的结果.group方法返回所有匹配对象或根据要求返回特定子组匹配的对象

    • match(pattern,string)从string开头匹配pattern

      
      
      
      

      如果开头不匹配，返回None

      
      

    • search(pattern,string)从string中搜索pattern第一次出现的位置

      
      

    • findall(pattern, string)从string中查找所有匹配，返回匹配字符串列表

      
      

    • sub(pattern, repl, string)将匹配pattern的部分替换为repl

      
      

    • re.split(pattern,string)使用pattern指定的字符分隔string，可以指定多个字符

      
      
    • 在匹配时，通过指定flag参数为re.I可以忽略大小写匹配

      In [8]: m = re.compile('a', re.I)
      
      In [9]: m.findall('abcAAbbc')
      Out[9]: ['a', 'A', 'A']