Python 正则表达式学习（二）正则表达式语法

一，单一字符匹配：

（1）匹配任意字符： .    

import re
res = re.match(r'a..','abcd')
print(res.group())
#打印结果：abc

一点.表示匹配任意的字符。上面的代码表示匹配a后面的任意两个字符。必须从a开始。若写成 b.. 则会发生错误。

（2）匹配指定字符：[  ]

如   [ 0-9a-zA-Z ]   表示 匹配一个 0~9或所有英文字母

import re
res = re.match(r'[0-9a-zA-Z]',r'abc')
print(res.group())
#打印结果：a

（3）\d 和 \D：匹配数字和匹配非数字

import re
res = re.match(r'\d',r'123abc')
print(res.group())
#打印结果：1

（4）\s 和 \S ：匹配空白字符和非空白字符（就是空格）

（5）\w 和 \W：匹配 0~9，a~z，A~Z的字符 和 非 0~9，a~z，A~Z的字符 

跟[ 0-9a-zA-Z ]作用相同

（6）\b 和 \B

\b的作用是匹配一个单词边界，即是单词和空间之间的位置

例如： er\b 可以匹配 never 中的 er ，但不能匹配 verb 中的 er

二，一次匹配多个字符

（1） *  匹配前一个字符0~无限次

import re
res = re.match('1*', r'112233abcd')
print(res.group())
#打印结果：11

上面的代码由于 *的前面是1，所以可以匹配无限个1（其实只有2兆多个）

import re
res = re.match(r'\w*', r'112233abcd')
print(res.group())
#打印结果：112233abcd

上面的代码则打印全部的字符串

（2）+ 匹配前一个字符 1~无限次

+ 与 * 的区别就是 + 不允许没有匹配到字符，而 * 可以不匹配到字符

import re
res = re.match(r'1+', r'112233abcd')
print(res.group())
#打印结果：11

若：

import re
res = re.match(r'0+', r'112233abcd')
print(res.group())
#打印结果：程序报错，因为字符串里没有0 

（3）？匹配前一个字符 0次或者1次

import re
res = re.match(r'1?', r'1112233abcd')
print(res.group())
#打印结果：1

（4）{m} 和 {n，m}  匹配前一个字符m次 和 匹配前一个字符至少n次至多m次

import re
res = re.match(r'1{1,3}', r'111112233abcd')
print(res.group())
#打印结果：111

三，字符串边界匹配

（1）^ 和 $ 在字符串中

^用在字符串中表示匹配时，^后的第一个字符必须在字符串的第一个位置，而$则规定$前面的内容必须在字符串的最后才能匹配成功，如：

import re
#匹配电子邮箱
res = re.match(r'\w{3,10}@163.com$',r'zje@163.commm')
print(res.group())
#打印结果：程序出现错误，因为$表示所在位置必须是字符串的结尾

res = re.match(r'\w{3,10}@163.com$',r'zje@163.com')
print(res.group())
#打印结果：zje@163.com  

（2）\A 和 \Z

作用和 ^ 和 $ 一样。

四，分组匹配

（1） |

A|B 的作用是匹配 A 或 B，如：

import re
#匹配电子邮箱
res = re.match(r'\w+@(163|126|qq)\.com',r'zje@126.com')
print(res.group())
#打印结果：zje@126.com  
#这样写不仅可以匹配126的邮箱，还能匹配163和qq邮箱。

（2）分组（ab）：作用是（）中的ab被视为一个分组

import re
#匹配电子邮箱
reg = r'<(dir>)\w+</\1'
str = r'<dir>test_zje</dir>'
res = re.match(reg,str)
print(res.group())
#打印结果：<dir>test_zje</dir>
#上面的代码 括号（）括起了 dir>  表示 dir> 为第一个分组，所以后面的\1 就表示第一个分组 dir> 

当然也可以给分组起一个名字，用名字来引用分组，如：

import re
#匹配电子邮箱
reg = r'<(?P<mark>[\w]+>).+</(?P=mark)'
str = r'<dir>test_zje</dir>'
res = re.match(reg,str)
print(res.group())
#打印结果：<dir>test_zje</dir>
#上面的代码 把第一个分组命名为 mark，然后（?P=mark）表示引用一个命名为mark的分组

(3)向前向后查找

只有在组内才能向前向后查找

如在字符串 src="http://www.xxxxxxx.jpg" 中的 http://www.xxxxxxx.jpg

正则可以这样写： reg = r' ((?<=src=")http://www.xxxxxxx.1.jpg(?=") ) '

前面的（?<=src=）表示若字符串中有 “src=” 这个字符串则匹配，但不返回 “src=“ 这个字符串，用在正则表达式之前

后面的（?="）表示若字符串中有 双引号“ 则匹配，但不返回 双引号” ，用在正则表达式之后。