Python正则表达式re模块

正则表达式

正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为”元字符”）。
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。

元字符

正则表达式的元字符包括：
． 表示任意字符
^ 1.表示取非的意思；2.匹配输入字符串的开始位置
$ 匹配输入字符串的结尾位置
* 匹配前面的子表达式零次或多次
+ 对于前一个字符重复1到无穷次
? 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。
{m,n} 对于前一个字符重复次数在为m到n次，其中，{0,} = *,{1,} = , {0,1} = ?
{m} 对于前一个字符重复m次
{ 标记限定符表达式的开始
[］用来匹配一个指定的字符类别，所谓的字符类别就是你想匹配的一个字符集，对于字符集中的字符可以理解成或的关系
| 表示”或”，如A|B，其中A，B为正则表达式，表示匹配A或者B
() 标记一个子表达式的开始和结束位置

\b 匹配单词的结束或者结尾
\B 匹配不是单词的结束或者结尾
\d 匹配任何十进制数；它相当于类 [0-9]
\D 匹配任何非数字字符；它相当于类 [^0-9]
\s 匹配任何空白字符；它相当于类 [ fv]
\S 匹配任何非空白字符；它相当于类 [^ fv]
\w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]
\W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]

[^a] 匹配除了a以外的任意字符
[^abcde]匹配除了a,b,c,d,e这几个字母以外的任意字符
[^(123|abc)] 匹配除了a,b,c或1,2,3这几个字符以外的任意字符

re模块

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实例，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。
主要函数如下：

• re.compile(string，flags)

  把正则表达式的字符串化为Pattern匹配对象

• re.match(pattern，string，flags)
  尝试使用带有可选的标记的正则表达式的模式来匹配字符串。如果匹配成功，就返回匹配对象； 如果失败，就返回 None

• re.search(pattern，string，flags)
  使用可选标记搜索字符串中第一次出现的正则表达式模式。 如果匹配成功，则返回匹配对象； 如果失败，则返回 None

• re.spilt(pattern，string , max)

  根据正则表达式的模式分隔符， split函数将字符串分割为列表，然后返回成功匹配的列表，分隔最多操作 max 次（默认分割所有匹配成功的位置）

• re.findall(pattern，string，flags)

  查找字符串中所有（非重复）出现的正则表达式模式，并返回一个匹配列表

• re.finditer(pattern，string，flags)

  与 findall()函数相同，但返回的不是一个列表，而是一个迭代器。 对于每一次匹配，迭代器都返回一个匹配对象

• re.sub(pattern，repl , string， count)

  使用 repl 替换所有正则表达式的模式在字符串中出现的位置，除非定义 count， 否则就将替换所有出现的位置（ 另见 subn()函数，该函数返回替换操作的数目）

• re.subn(pattern，repl , string， count)

  返回（re.sub(pattern，repl , string， count)，替换次数）

我们来看一下re中的compile函数：该函数将正则表达式的字符串化为Pattern匹配对象。
比如：

pattern = re.compile(r'\d+')

这会生成一个仅匹配数字的pattern对象，用来给接下来的函数作为参数，进行进一步的搜索操作。

大家在上面函数中可能注意到有一个flags参数，这个参数代表匹配模式，取值时可以使用“|”来表示两个条件同时生效。