python 正则表达式之一

正则表达式(或RE)是一个小型高度专业化的编程语言，它内嵌于python中，并通过re模块实现。
--可以为想要匹配的相应字符串集指定规则
--该字符串集可能包含英文语句、e-mail地址、命令或者任何你想搞定的信息
--可以问诸如“这个字符串匹配该模式么？”或“在这个字符串中是否有部分匹配该模式？”
--你也可以使用RE以各种方式修改或者切割字符串


1）正则表达式模块被编译成一系列的字节码，然后由用C编写的匹配引擎执行
2）正则表达式语言相对小型和受限（功能有限）
   --并非所有字符串处理都能用正则表达式完成


1#字符匹配
--普通字符
  1.大多数字母和字符一般都会和自身匹配
  2.如正则表达式test会和字符串"test"完全匹配
--元字符
  . ^ $ * + ? {} [] \ | ()
  1.[]
    --常用来指定一个字符集：[abc];[a-z]
    --元字符在字符集合不起作用：[akm$]
    --补集匹配不在区间范围的字符：[^5]
  2.^
    --匹配首行。除非设置MULTILINE标志，它只是匹配字符串的开始。在MULTILINE里，它也可以直接匹配字符串中的每个换行。
  3.$
    --匹配行尾。行尾被定义为要么是字符串尾，要么是一个换行字符后面的任何位置。

user1@ubuntu:~$ python
Python 2.7.3 (default, Sep 26 2013, 20:03:06) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> s = 'abc'
>>> s =r'abc'
>>> re.findall(s,"aaaaa")
[]
>>> re.findall(s,"aaaaabc")
['abc']
>>> re.findall(s,"abcaaaabc")
['abc', 'abc']
>>> 
>>> st = "top tip tqp twp tep"
>>> res = r"top"
>>> re.findall(res,st)
['top']
>>> res = r"tip"
>>> re.findall(res,st)
['tip']
>>> res = r"t[io]p"
>>> re.findall(res,st)
['top', 'tip']
>>> res = r"t[^io]p"
>>> re.findall(res,st)
['tqp', 'twp', 'tep']
>>> 


user1@ubuntu:~$ python
Python 2.7.3 (default, Sep 26 2013, 20:03:06) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> s="hello world,hello girl"
>>> r=r"hello"
>>> re.findall(r,s)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 're' is not defined
>>> import re
>>> s="hello world,hello girl"
>>> r=r"hello"
>>> re.findall(r,s)
['hello', 'hello']
>>> r=r"^hello"
>>> re.findall(r,s)
['hello']
>>> s="world,hello girl"
>>> r=r"^hello"
>>> re.findall(r,s)
[]
>>> r=r"girl$"
>>> re.findall(r,s)
['girl']
>>> r = "t[abc$]"
>>> re.findall(r,'ta')
['ta']
>>> re.findall(r,'tb')
['tb']
>>> re.findall(r,'tax')
['ta']
>>> re.findall(r,'t$')
['t$']
>>> r = "t[abc^]"
>>> re.findall(r,'t^')
['t^']
>>> r = r"x[0123456789]x"
>>> re.findall(r,'x1x x2x')
['x1x', 'x2x']
>>> r = r"x[0-9]x"
>>> re.findall(r,'x1x x2x')
['x1x', 'x2x']
>>> r = r"x[a-zA-Z0-9]x"
>>> re.findall(r,'x1x x2x')
['x1x', 'x2x']
>>> 

  4.\
    --反斜杠后面可以加不同的字符以表示不同特殊意义
    --也可以用于取消所有的元字符：\[或者\\
    \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[\t\n\r\f\v]
    \S 匹配任何非空白字符；它相当于类[^\t\n\r\f\v]
    \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]

  5.重复
   --正则表达式第一功能是能够匹配不定长的字符集，另一个功能是可以指定正则表达式 的一部分重复次数
  6.*
   --指定前个字符可以被匹配0次或更多次，而不只是只有一次。匹配引擎会试着重复尽可能多的次数（不超过整数界定范围，20亿）
   --a[bcd]*b--"abcdd"
  7.+
   --表示匹配1次或者更多次。注意*和+的不同：*匹配0次或更多次，所以可以根本就不出现，而+则要求至少出现1次
  8.？
   --匹配1次或0次；你可以认为它用于标识某事物是可选的
  9.{m,n}
   --其中m和n是十进制整数。该限定符的意思是至少有m个重复，至多有n个重复。
     a/{1,3}b
   --忽略m会认为下边界是0，而忽略n的结果将是上边界无穷大(实际是20亿)
   --{0,}等同于*,{1,}等同于+，而{0,1}则与？相同。如果可以的话，最好使用*，+，？

user1@ubuntu:~$ python
Python 2.7.3 (default, Sep 26 2013, 20:03:06) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> r = r"^abc"
>>> import re
>>> re.findall(r,'abc')
['abc']
>>> re.findall(r,'^abc')
[]
>>> re.findall(r,'^abc ^abc ^abc')
[]
>>> r = r"\^abc"
>>> re.findall(r,'^abc ^abc ^abc')
['^abc', '^abc', '^abc']
>>> r = r"[0-9]"
>>> re.findall(r,'1234567890')
['1', '2', '3', '4', '5', '6', '7', '8', '9', '0']
>>> r = r"\d"
>>> re.findall(r,'1234567890')
['1', '2', '3', '4', '5', '6', '7', '8', '9', '0']
>>> 010-12345678
-12345670
>>> r=r"^010-\d\d\d\d\d\d\d\d"
>>> re.findall(r,'010-8765432')
[]
>>> re.findall(r,'010-87654321')
['010-87654321']
>>> r=r"^010-\d{8}"
>>> re.findall(r,'010-87654321')
['010-87654321']
>>> r=r"^010-a{8}"
>>> re.findall(r,'010-aaaaaaaa')
['010-aaaaaaaa']
>>> r = r"ab*"
>>> re.findall(r,'a')
['a']
>>> re.findall(r,'ab')
['ab']
>>> re.findall(r,'abbbbbbbbbbbb')
['abbbbbbbbbbbb']
>>> r = r"ab+"
>>> re.findall(r,'a')
[]
>>> re.findall(r,'ab')
['ab']
>>> re.findall(r,'abbbbbbbbbbbb')
['abbbbbbbbbbbb']
>>> r=r"^010-*\d{8}$"
>>> re.findall(r,'010-12345678')
['010-12345678']
>>> re.findall(r,'01012345678')
['01012345678']
>>> re.findall(r,'010--12345678')
['010--12345678']
>>> r=r"^010-?\d{8}$"
>>> re.findall(r,'010-12345678')
['010-12345678']
>>> re.findall(r,'01012345678')
['01012345678']
>>> r=r"ab+"
>>> re.findall(r,'abbbbbbbbb')
['abbbbbbbbb']
>>> r=r"ab+?"
>>> re.findall(r,'abbbbbbbbb')
['ab']
>>> r=r"a{1,3}"
>>> re.findall(r,'a')
['a']
>>> re.findall(r,'aa')
['aa']
>>> re.findall(r,'aaa')
['aaa']
>>> re.findall(r,'aaaa')
['aaa', 'a']
>>>