正则表达式

1、 正则表达式

1）“\b”是正则表达式规定的一个特殊代码，被称为元字符，代表着单词的开头或结尾，也就是单词的分界处，它不代表英语中空格、标点符号、换行等单词分隔符，只是用来匹配一个位置，这种够理解方式很关键。

2）“.”这个元字符的含义是匹配除了换行符的任意字符，“ * ”元字符不是代表字符，而是代表数量，含义是“ * ”前面的内容可以连续重复任意次使得整个表达式被匹配。“.*”整体的意思表示可以匹配任意数量不换行的字符。

元字符主要有四种作用：有的用来匹配字符，有的用来匹配位置，有的用来匹配数量，有的用来匹配模式。

元字符	含义

.	匹配除换行符以外的任意字符
\b	匹配单词的开始或结束
\d	匹配数字
\w	匹配字母、数字、下划线或汉字
\s	匹配任意空白符，包括空格、制表符、换行符、中文全角空格等
^	匹配字符串的开始
$	匹配字符串的结束

3）字符转义

如果想查找元字符本身，需要用到转义，使用“\”来取消这些字符的特殊意义。如匹配www.google.com这个网址时，可以表达式写为www.google.com。

4）重复

限定符	含义

*	重复零次或更多次
+	重复一次或更多次
？	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

下面有重复的例子：
Hello\d+：匹配Hello后面跟1个或更多数字，例如可以匹配Hello1、Hello10等情况。
^\d{5,12}$：匹配5到12个数字的字符串，例如QQ号符合要求。

5）字符集合[ ]

[a-z]：匹配a-z的任一字符。

6）分支条件

指的是有几种匹配规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用“|”把不同的规则分隔开。

7）分组

一个IP表达式：((25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d).){3}(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)

8)反转

代码	含义

\W	匹配任意不是字母、数字、下换线、汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^a]	匹配除了a以外的任意字符
[^abcde]	匹配除了abcde这几个字母以外的任意字符
[^(123|abc)]	匹配除了123或abc这几个字符以外的任意字符

9）后向引用

10）贪婪和懒惰

通常的行为是贪婪模式
懒惰模式的使用方式：

语法	 含义

*?	重复任意次，但尽可能少重复
+?	重复一次或更多次，但尽可能少重复
??	重复0或1次，但尽可能少重复
{n,m}?	重复n到m次，尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

6、 python和正则表达式

python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为pattern形式，然后使用pattern实例处理文本并获得匹配结果，最后使用match实例获得信息，进行其他操作。主要用到的方法：

re.compile(string[,flag])：将一个正则表达式的字符串转换为pattern匹配对象。
re.match(pattern,string[,flags])：从输入参数string的开头开始，尝试匹配pattern，一直向后匹配，如果遇到无法匹配的字符或者已经到达string末尾，立即返回None，反之获取匹配的结果。
re.search()：扫描整个string查找匹配，match()只有在string起始位置匹配成功才有返回，如果不是开始位置匹配成功的话，就返回None。Search方法的返回对象和match返回对象在方法和属性上是一致的。
re.split()：按照能够匹配的字串将string分割后返回列表。可以设置最大分割次数
re.findall()：搜索整个string，以列表的形式返回能匹配的全部子串。
re.finditer()：搜索整个string，以迭代器的形式返回能匹配到的全部match对象
re.sub()
re.subn()