正则表达式 python

一、正则表达式

1. 字符

语法	说明	表达式	匹配结果
一般字符	原文匹配，自己匹配自己	love中国	love中国
.	匹配换行符“\n”之外的任意字符，DOTALL模式则没限制	a.g	aeg
\	转义字符，使后一个字符改变原来的意思	a\.g a\\g	a.g a\g
[ ]	字符集/类，字符可以逐个列出，连续字符可以简写，如abcd写成a-d，第一个字符前加^表示取反，如[^abd]表示去匹配abc之外的字符，所有特殊字符在[ ]失去特殊含义，若用-、]或^前面要加反斜杠或把]、-放在第一位，^放在非第一位	a[bd.g]e	abe a.e age

2.预定义字符集（可写在 [ ] 中）

语法	说明	表达式	匹配结果
\d	数字：[0-9]	a\dg	a8g
\D	非数字：[^\d]	a\Dg	a哈g
\s	空白字符：[<空格>\t\r\n\f\v]	a\sg	a g
\S	非空白字符：[^\S]	a\Sg	adg
\w	单词字符：[A-Za-z0-9_]	a\wc	afg
\W	非单词字符：[^\W]	a\Wg	a g

2.数量词（在字符或 ( ) 之后）

语法	说明	表达式	匹配结果
*	匹配前一个字符0次或无限次	adg*	ad adgggg
+	匹配前一个字符1次或无限次	adg+	adg adggg
?	匹配前一个字符0次或1次	adg?	ad adg
{m}	匹配前一个字符m次	ad{3}g	adddg
{m,n}	匹配前一个字符m到n次	ad{2,3}g	addg adddg
*? +? ?? {m.n}?	使 * + ? {m,n} 变成非贪婪模式

3.边界匹配

语法	说明	表达式	匹配结果
^	匹配字符串开头。在多行模式中匹配每一行的开头	^adg	adg
$	匹配字符串末尾。在多行模式中匹配每一行的末尾	adg$	adg
\A	仅匹配字符串开头	\Aadg	adg
\Z	仅匹配字符串末尾	adg\Z	adg
\b	单词边界，零宽断言，只匹配一个单词的开始位置或者结束位置。单词是由字母或者数字构成的序列，由空格或者非字母数字字符作为结束标志。如 class 作为单独的一个完整单词的时候才会被匹配，当 class 是其他单词的一部分时不会被匹配	a\b!dg	a!dg
\B	[^\b]，匹配非单词边界	a\Bdg	adg

4.逻辑、分组

语法	说明	表达式	匹配结果
|	左右表达式任意匹配一个。先左后右，左匹配则跳过右。若 | 不在 ( ) 中，则它的范围是整个正则表达式。如果需要匹配字符‘|’，使用 \|，或者将它放在一个字符类中[|]。	adg	123
( )	被括起来的表达式将作为分组，从左开始每遇到一个分组的左括号’('，编号+1。分组表达式作为一个整体，可以后接数量词，表达式中的 | 仅在该组中有效	(adg){2} e(qwe	123)c
(?P<name>…)	分组，除了原有编号外再起个别名	(?P<id>adg)	adgadg
\<number>	应用编号为<number>的分组匹配到的字符串	(\d)adg\1	1adg1 3adg3
(?P=name)	引用别名为<name>的分组匹配到的字符串	(?P<id>)adg(?P=id)	1adg1 4adg4

5.特殊构造（不作为分组）

语法	说明	表达式	匹配结果
?:…	( ) 的不分组版本，用于使用‘|’ 或后接数量词	(?:adg){2}	adgadg
(?iLmsux)	iLmsux中每个字符代表一种匹配模式，智能用在正则表达式的开头	(?i)adg	AdG
(?#…)	#号后的内容作为注释被忽略	adg(?#comment)123	adg123
(?=…)	之后的字符串内容需要匹配表达式才算成功，不消耗字符串内容	a(?=\d)	后面是数字的a
(?!..)	之后的字符串内容需要不匹配表达式才算成功，不消耗字符串内容	a(?!\d)	后面不是数字的a
(?<=…)	之前的字符串内容需要匹配表达式才算成功，不消耗字符串内容	(?<=\d)a	前面是数字的a
(?<!..)	之前的字符串内容需要不匹配表达式才算成功，不消耗字符串内容	(?<!\d)a	前面不是数字的a
(?(id/name)) yes-pattern|no-pattern	如果编号为id或别名为name的组匹配到字符串，则需要匹配yes-pattern，否则需要匹配no-pattern。|no-pattern可省略	(\d)adg(?(1)\d	adg)

二、RE模块

• 匹配一个反斜杠字符‘\’，你需要写成 ‘ \\ ’。解决方法是使用Python中的原始字符串，即在字符串最前面加上字母 r，这样字符串中的反斜杠都会被去掉特殊语义，看做普通字符。比如，字符串 r”\n” 是 包含‘\’和‘n’两个字符的字符串，而字符串 “\n” 是只有一个换行符的字符串。正则表达式通常使用 Python 中的原始字符串来表示。

1.匹配对象实例也有一些方法和属性，这里列出最重要的几个:

• match()方法是判断正则表达式是否从开始处匹配字符串，所以start()方法总是返回 0。然而，search()方法就不一样了，它扫描整个字符串，匹配的子字符串的开始位置不一定是 0。
• findall()方法需要在它返回结果之前创建出整个列表。但是finditer()方法将匹配对象作为迭代器返回(译者注:迭代器的方式更节省内存，效率更高)。

2.模块级别的函数：

不需要去创建一个匹配对象来调用它的方法，re 模块中也提供一些全局函数比如 match()、search()、findadd()、sub()等等。这些函数的第一个参数是正则表达式字符串，其他参数跟模式对象同名的方法采用一样的参数，返回值也一样，都是返回 None。由于内部缓冲机制，两者的效率不差上下。