python 正则表达式

1. 匹配10进制数

r'[0-9]'
# []表示随即之一
# -表示范围
#或者
r'[0123456789]'

r'r[un]'
# 能匹配：rua... || rn... 
# 但不能匹配 run...

例子：

>>> import re
>>> a = '12 sf we dsaf'
>>> re.sub(r'[0-9]','i',a)
'ii sf we dsaf'

2. 匹配16进制数据

r'[0-9a-fA-F]'
r'[\dA-Fa-f]'
# \d表示匹配数字

>>> a = '12 sf we dsaf'
>>> re.sub(r'[\da-fA-F]','@',a)
'@@ s@ w@ @s@@'
>>> 

3. 匹配任意非数字

r'[^0-9]'
# ^ 表示否定一个字符类

>>> re.sub(r'[^0-9]','@',a)
'12@@@@@@@@@@@'
>>> 

同理，匹配任意非十六进制的就应该是：

r'[^\da-fA-F]'

>>> re.sub(r'[^\da-fA-F]','&',a)
'12&&f&&e&d&af'
>>> 

4.量词的使用

{m,n} m表示最少匹配次数，n 表示最多匹配次数。
任何表达式中，除非显示指定，否则量词都为1

>>> a = 'feeeel feeel feel fel'
>>> re.sub(r'e{1,3}','@',a)
'f@@l f@l f@l f@l'
>>> 

>>> re.sub(r'e{0,1}','@',a)
'@f@@@@l@ @f@@@l@ @f@@l@ @f@l@'
>>> re.sub(r'e?','@',a)
'@f@@@@l@ @f@@@l@ @f@@l@ @f@l@'
>>> 
# {0,1} 的速记方式是 '?'
# {1，n} 的速记字符是 '+' ,表示至少一次
# {0，n} 的速记字符是 '*' ,表示任意次
# 上诉的n 表示，量词可能取值的最大值，通常最少是 32767
>>> re.sub(r'e*','@',a)
'@f@l@ @f@l@ @f@l@ @f@l@'
>>> re.sub(r'e+','@',a)
'f@l f@l f@l f@l'
>>> 

默认情况下，所有匹配都是贪婪的，会匹配尽可能多的字符。

>>> re.sub(r'e+?','@',a)
'f@@@@l f@@@l f@@l f@l'
>>> 
># '?' 表示非贪婪

>>> a = '1111 1  222221 '
>>> re.sub(r'\d+','@',a)
'@ @  @ '
>>> re.sub(r'\d+?','@',a)
'@@@@ @  @@@@@@ '
>>> 

提醒一下，‘?’ 在这里就有两种意思了 :

1. 匹配0次或1次
2. 非贪婪

>>> a = '<img src="http://123" alt="">'
>>> re.sub(r'img[^>]*','@',a)
'<@>'
>>> a = 'f = f.open()'
>>> re.sub(r'[\=]*[\.]','@',a)
'f = f@open()'
>>> 
># '\' 表示转移字符

5. 组与捕获

>>> a = 'airplane aircraft jet '
>>> re.sub(r'(air|jet)','@',a)
'@plane @craft @ '
>>> re.findall(r'(air(plane|craft)|jet)',a)
[('airplane', 'plane'), ('aircraft', 'craft'), ('jet', '')]
>>> re.findall(r'(air(?:plane|craft)|jet)',a)
['airplane', 'aircraft', 'jet']
>>> re.findall(r'aircraft|airplane|jet',a)
['airplane', 'aircraft', 'jet']
>>> 

解释： | 表示或者的意思。
（）一表组合，二表捕获，结果返回一个list。

r'(air(plane|craft)|jet)'
r'(air(?:plane|craft)|jet)'
r'aircraft|airplane|jet'

通过上面的结果看到，有差别！
（） 中的东西会捕获，但是在括号的后面加 ？：,意思是不要匹配这个括号的内容。

（） 适用于要求有返回值的，想捕捉到数据的**
上面的匹配表达式，2，3等价

>>> a = ' music = 123'
>>> re.findall(r'(\w+) = (.+)',a)
[('music', '123')]
>>> re.findall(r'(\w+).=.(.+)',a)
[('music', '123')]
>>> re.findall(r'(\w+)=(.+)',a)
[]
>>> 

经过这些学习，相信键值的匹配已经学会啦

r'(\w+) = (.+)'
r'(\w+).=.(.+)'
r'(\w+)=(.+)'
# \w 表示任意字母
# + 表示匹配至少一次
# () 表示捕捉
# . 表示任意字符

这种表达式，以及结果都能轻松理解了

6. 表示命名的

>>> a = 'inuyasha = 111'
>>> b =  re.findall(r'(?P<key>\w+) = (?P<value>.+)',a)
>>> b
[('inuyasha', '111')]

r'(?P<key>\w+) = (?P<value>.+)'
# 表示有两次捕捉，一次叫'key',一次叫'value'

7. 断言与标记

‘\b’ 是一种word边界，要求在其前面的字符必须是一个单词(\w)，跟随其后的字符必须是一个非单词（\W）,或者反过来

>>> a = 'the jet and the jetall'
>>> re.findall(r'\bjet\b',a)
['jet']
>>> re.findall(r'jet',a)
['jet', 'jet']
>>> 

注意：r’jet’ 表达式可以匹配两次，但是r’\bjet\b’ 就只能匹配一次。
^ : 匹配字符串开头
$ : 匹配字符串结尾

请注意：需要转移的才能使用的特殊字符：（$()*+.[]?^{},|）