正则

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为"元字符"）组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

? 通配符匹配文件名中的 0 个或 1 个字符，要匹配 ? 字符，使用 \?

 * 通配符匹配0个或多个字符，要匹配 * 字符，使用 \*

+ 匹配一个或者多个，要匹配 + 字符，使用 \+

.匹配除\n之外的任意字符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。

. 特殊字符在中括号表达式时 如 [.] 只会匹配 .字符，等价于 \.，而非匹配除换行符 \n 外的所有

| 指明两项之间的一个选择，要匹配 |，使用 \|

当 ? 紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。

括号() ： 括号是多个匹配，它把括号内的当做一组来处理，限制一些多选的范围，比如上面的需求只能是com cn net结尾的用括号就是最好的选择。 
括号能提取字符串，如(com|cn|net)就可以限制，只能是com或cn或net。 
括号将括号里面的内容作为一组，这就是与[]不同的地方。

方括号[] ： 方括号是单个匹配，如[abc]他限制的不是abc连续出现，而是只能是其中一个，这样写那么规则就是找到这个位置时只能是a或是b或是c； 
方括号是正则表达式中最常用的，常用的用法有：[a-zA-Z0-9]匹配所有英文字母和数字，[^a-zA-Z0-9]匹配所有非英文字母和数字。

大括号{}： 大括号的用法很简单，就是匹配次数，它需要和其他有意义的正则表达式一起使用。

 

特殊字符“.”在中括号表达式时如 [.] 只会匹配“.”字符，等价于 \.

字符	描述
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。
\b	匹配一个单词边界，即字与空格间的位置。
\B	非单词边界匹配。

 

[^指定字符串] 指的是除指定字符串以外的其他字符串

(^[0-9])+       //匹配有一至多个数字的字符串组合

[^[0-9]]+       // 匹配有一至多个不含数字的字符串组合

(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。

Python通过re模块提供对正则表达式的支持。

re.match()

尝试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。

 

m.group(N) 返回第N组括号匹配的字符，N≥1

m.group() == m.group(0)，包含所有字符，与括号无关，这个是API规定的。

m.groups() 返回所有括号匹配的字符，以tuple格式。

m.groups() == (m.group(0), m.group(1), ...)

re.search()

扫描整个字符串若成功则返回第一个成功的匹配且不再向后匹配，否则返回None。

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；

re.search匹配整个字符串，直到找到一个匹配。

re.sub()

用于替换字符串中的匹配项

re.compile()

编译正则表达式，生成一个正则表达式（Pattern）对象，返回 RegexObject 对象，供 match() 和 search() 这两个函数使用。

语法格式为：

re.compile(pattern[, flags])

参数：

• pattern : 一个字符串形式的正则表达式

• flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

  1. re.I 忽略大小写
  2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  3. re.M 多行模式
  4. re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
  5. 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
  6. re.X 为了增加可读性，忽略空格和 # 后面的注释

使用re.compile()函数进行转换后，re.search(pattern, string)的调用方式就转换为 pattern.search(string)的调用方式。

import re

text = 'a,b,,,c d'
re.split('[, ]+', text)    #结果为['a', 'b', 'c', 'd']

#使用re.compile()
reobj = re.compile('[, ]+')
reobj.split(text)        #结果为['a', 'b', 'c', 'd']

findall()

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次， findall 匹配所有。

re.finditer

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

re.split()

re.split(pattern, string, maxsplit=0, flags=0)

按照能够匹配的字符串以列表的形式分隔返回不能匹配到的字串，maxsplit用于指定最大分割次数，不指定将全部分割。

正则表达式对象

# r 表示字符串为非转义的原始字符串，让编译器忽略反斜杠，也就是忽略转义字符
r'\t' 等价于 '\\t'

re.escape()

可以对字符串中所有可能被解释为正则运算符的字符进行转义。

 

'(?P...)' 分组匹配