python中的正则表达式

什么是正则表达式：

正则表达式是一种文本模式，正则表达式使用单个字符串来描述，匹配一系列匹配某个句法规则的字符串。

接下来介绍正则表达式的语法规则，首先介绍正则表达式中的特殊字符：

• $：匹配输入字符串的结尾位置。
• ()标记一个子表达式的开始和结束位置，子表达式可以获取供以后使用。
• *：匹配前面的子表达式零次或者多次。
• +：匹配前面的子表达式一次或者多次。
• ？：匹配前面的子表达式零次或者一次。
• .*：任意匹配除换行符之外的任意单个或多个字符。
• ^：匹配输入字符串的开始位置，除非在方括号表达式中使用。
• |：指明两项之间的一个选择。
• {n}：n是一个非负整数，匹配确定的n次。
• {n,}：n是一个非负整数，至少匹配n次。
• {n,m}：n，m是非负整数且n<=m，最少匹配n次，最多匹配m次。

现在介绍正则表达式中的定位符：

• ^：匹配输入字符串开始的位置。
• $：匹配输入字符串结尾的位置。
• \b：匹配一个单词边界。
• \B：非单词边界匹配。

接下来介绍正则表达式中的元字符：

• [xyz]：字符集合，匹配所包含的任意一个字符。
• [^xyz]：负值字符集合，匹配未包含的任意字符。
• [a-z]：字符范围，匹配指定范围内的任意字符。
• [^a-z]：负值字符范围，匹配任何不在指定范围内的任意字符。
• \d：匹配一个数字字符，等价于[0-9]。
• \D：匹配一个非数字字符，等价于[^0-9]。
• \f：匹配一个换页符。
• \n：匹配一个换行符。
• \r：匹配一个回车符。
• \s：匹配任意空白字符。
• \t：匹配一个制表符。
• \v：匹配一个垂直制表符。
• \w：匹配字母、数字、下划线。
• \W：匹配非字母
• \xn：匹配n，其中n为十六进制转义值。
• \num：匹配num，其中num是一个正整数。
• 正则表达式后面全局标记g指定将该表达式应用到输入字符串中能够查找到的尽可能多的匹配。

正则表达式中的反向引用：

反向引用需要使用到分组，分组就是使用()括起来的部分为一个整体，反向引用即为\1，\2：

• \1：表示的是引用第一次()括起来的部分。
• \2：表示的是引用第二次()括起来的部分。

在匹配分组的时候是由外往里匹配的，其次是由左往右匹配的。具体实例如下：

正则表达式中？=和？：和？！的理解：

• ?:：非获取匹配，匹配冒号后面的内容但不获取匹配结果（不将匹配结果存入缓存）。
• ？=和？！：通过实例来了解

out = re.findall(r'\d+(?=abc)',"1abc") ## 只抽取数字，并且该数字后面跟的字符是"abc"
out1 = re.findall(r'\d+(?!abc)',"1abf") ## 只抽取数字，并且该数字后面跟的字符是"abc"
out3 = re.findall("A(?:\d{1,2}月)?D", "啊啊A22月DtttADgggg") ## 目的是抽取以A开头和D结尾的字符串
p

以上，对正则表达式有了基本的了解，接下来学习正则表达式如何在python中进行应用。

正则表达式在python中的应用：

讲到正则表达式，它的应用一定是用来匹配字符串，在python中的re模块拥有正则表达式的所有功能。

re.match函数：

第一个re的函数是re.match:match尝试从字符串的起始位置匹配，如果不是从起始位置匹配成功的话，match就会返回none。

re.match语法：re.match(pattern,string,flags=0)

• pattern：匹配的正则表达式。
• string：要匹配的字符串。
• flags：标志符，用于控制正则表达式的匹配方式。

re.search函数：

re.search函数扫描整个字符串并返回第一个成功的匹配。

re.search语法：re.search(pattern，string，flags=0)。

在这里讲一下group，我们可以使用group(num)或group()匹配对象函数来获取匹配表达式。

import re
line = "Cats are smarter than dogs";
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj:
   print ("searchObj.group() : ", searchObj.group())
   print ("searchObj.group(1) : ", searchObj.group(1))
   print ("searchObj.group(2) : ", searchObj.group(2))
else:
   print ("Nothing found!!")

# 以上实例执行结果如下
# Cats are smarter than dogs
# Cats
# smarter

re模块提供的替换方法：

re模块提供了re.sub用于替换字符串中的匹配项。

re.sub语法：re.sub(pattern,repl,string,count=0,flags=0)

• pattern：正则中的模式字符串。
• repl：替换的字符串。
• string：要被查找替换的原始字符串。
• count：模式匹配后替换的最大次数。
• falgs：编译时用的匹配模式。

其中值得注意的一点是，repl可以是一个函数，

compile函数：

compile函数用于编译正则表达式，生成一个正则表达式(pattern)对象，供match和search这两个函数使用。

re.compile语法：re.compile(pattern[,flags])

flags为匹配模式，常用的匹配模式有以下几种：

• re.l：忽略大小写
• re.L：表示特殊字符集
• re.M：多行模式

findall函数：

在字符串中找到正则表达式所匹配的所有字串，并且返回一个列表，如果没有匹配的，则返回空列表。

findall语法：findall(string[,pos[,endpos]])

通过下列实例了解：

import re
pattern=re.compile(r'\d+')
result1=pattern,findall('runoob 123 google 456')
result2=pattern.findall('run88oob123google456',0,10)

# 以下为输出结果
# ['123','456']
# ['88','12']

re.finditer函数：

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

re.finditer语法：re.finditer(pattern,string,flags=0)

实例：

import re
it = re,finditer(r'\d+','12a32bd43jf3')
for match in it:
    print(match.group)

# 以下为输出结果
# 12
# 32
# 43
# 3

re.split函数：

split方法按照能够匹配的子串将字符串分割后返回列表。

re.split语法：re.split(pattern，string[,maxsplit=0,flags=0])  其中maxsplit为分割次数。