Python正则表达式操作指南----笔记
Python正则表达式操作指南 整理：
原文出处：http://www.amk.ca/python/howto/regex/
原文作者：A.M. Kuchling （[email protected]）
授权许可：创作共享协议
翻译人员：FireHare
校对人员：Leal
适用版本：Python 1.5 及后续版本
1. 字符匹配
这里有一个元字符的完整列表： ^ $ * + ? { [ ] \ | ( ) ，共12个；
一些用 "\" 开始的特殊字符所表示的预定义字符集通常是很有用的，象数字集，字母集，或其它非空字符集。下列是可用的预设特殊字符：
\d 匹配任何十进制数；它相当于类 [0-9]。
\D 匹配任何非数字字符；它相当于类 [^0-9]。
\s 匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]。
这样特殊字符都可以包含在一个字符类中。如，[\s,.]字符类将匹配任何空白字符或","或"."。
本节最后一个元字符是 . 。它匹配除了换行字符外的任何字符，在 alternate 模式（re.DOTALL）下它甚至可以匹配换行。"." 通常被用于你想匹配“任何字符”的地方。
2、重复
元字符 +：表示匹配一或更多次 ；
问号 ? ：匹配一次或零次；你可以认为它用于标识某事物是可选的。例如：home-?brew 匹配 "homebrew" 或 "home-brew"。
最复杂的重复限定符是 {m,n}:其中 m 和 n 是十进制整数。该限定符的意思是至少有 m 个重复，至多到 n 个重复。
{0,} 等同于 *，{1,} 等同于 +，而{0,1}则与 ? 相同。如果可以的话，最好使用 *，+，或?。很简单因为它们更短也更容易懂。
3、反斜杠的麻烦
元字符 *。* 并不匹配字母字符 "*"；相反，它指定前一个字符可以被匹配零次或更多次，而不是只有一次。
解决的办法就是为正则表达式使用 Python 的 raw 字符串表示；在字符串前加个 "r"
| 常规字符串 | Raw 字符串 |
| "ab*" | r"ab*" |
| "\\\\section" | r"\\section" |
| "\\w+\\s+\\1" | r"\w+\s+\1" |
4、编译正则表达式 执行匹配
通常有一下几个步骤：
先用re.compile得到一个 RegexObject 表示 一个regexp；
然后用 pattern的 match search方法等 得到MatchObject；
再用match object得到匹配的位置，匹配的字符串等信息。
RegexObject 实例的一些方法和属性
| 方法/属性 | 作用 |
| match() | 决定 RE 是否在字符串刚开始的位置匹配 |
| search() | 扫描字符串，找到这个 RE 匹配的位置 |
| findall() | 找到 RE 匹配的所有子串，并把它们作为一个列表返回 |
| finditer() | 找到 RE 匹配的所有子串，并把它们作为一个迭代器返回 |
MatchObject 实例几个方法和属性：
| 方法/属性 | 作用 |
| group() | 返回被 RE 匹配的字符串 |
| start() | 返回匹配开始的位置 |
| end() | 返回匹配结束的位置 |
| span() | 返回一个元组包含匹配 (开始,结束) 的位置 |
#!python
>>> m.group()
'tempo'
>>> m.start(), m.end()
(0, 5)
>>> m.span()
(0, 5)
#!python
>>> p = re.compile('\d+')
>>> p.findall('12 drummers drumming, 11 pipers piping, 10 lords a-leaping')
['12', '11', '10']
#!python
>>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...')
>>> iterator
<callable-iterator object at 0x401833ac>
>>> for match in iterator:
... print match.span()
...
(0, 2)
(22, 24)
(29, 31)
...............待续