【Python】正则表达式

1. 正则表达式模式

1.1 字符

模式	描述
a, b, c, 1, 2, 3, -	一个普通字符
\d	一个数字字符
\D	一个非数字字符
\s	一个空白字符
\S	一个非空白字符
[ab12]	a, b, 1, 2中的一个字符
[a-e]	a~e范围内的一个字符
[^a-e]	不在a~e范围内的一个字符
.	一个非换行符字符

1.2 字符的重复次数

模式	描述
*	0次或多次
+	1次或多次
?	0次或1次
{2}	2次
{2,5}	2~5次
{2,}	至少2次
{,5}	至多5次

1.3 组合

模式	描述
\d{3,4}[a-e]+	多个小模式组合成大模式
|	或
()	分组

1.4 位置

模式	描述
^	字符串起始位置
$	字符串结束位置
\b	单词边界
\B	非单词边界
(?=...)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。 这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。 例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。 预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!...)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。 这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。 例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。 预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?<=...)	反向肯定预查，与正向肯定预查类拟，只是方向相反。 例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!...)	反向否定预查，与正向否定预查类拟，只是方向相反。 例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。

2. re模块

2.1 re.search和re.match

re.search(pattern, string, flags=0)
# 扫描整个string查找正则表达式pattern产生匹配的第一个位置，返回Match对象
# 匹配失败返回None

re.match(pattern, string, flags=0)
# 和re.search一样，但必须从字符串的开始位置匹配
# 即便是MULTILINE多行模式，re.match()也只匹配字符串的开始位置，而不匹配每行开始

# flags:
# re.IGNORECASE或re.I    使匹配对大小写不敏感
# re.MULTILINE或re.M     多行匹配，影响^和$，使它们匹配字符串的每一行的开头和结尾
# flags可以用|进行组合

Match.group和Match.groups

Match.group(num=0)
# 返回一个或者多个匹配的子组

m = re.match(r"(\S+) (\S+)", "I love coding.")
m.group(0)       # 整个匹配的字符串
'I love'
m.group(1)       # 第一个匹配的子组
'I'
m.group(2)       # 第二个匹配的子组
'love'
m.group(1, 2)    # 一个元组，包含第一个和第二个匹配的子组
('I', 'love')

Match.groups()
# 返回一个元组，包含所有匹配的子组

m = re.match(r"(\d+)\.(\d+)", "3.1415")
m.groups()
('3', '1415')

2.2 re.findall和re.finditer

re.findall(pattern, string, flags=0)
# 返回pattern在string中的所有非重叠匹配，以字符串列表或字符串元组列表的形式
# 如果没有组，返回与整个模式匹配的字符串列表
# 如果有且仅有一个组，返回与该组匹配的字符串列表
# 如果有多个组，返回与这些组匹配的字符串元组列表

re.findall(r'\bf[a-z]*', 'which foot or hand fell fastest')
['foot', 'fell', 'fastest']
re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
[('width', '20'), ('height', '10')]

re.finditer(pattern, string, flags=0)
# 和re.findall一样，但是返回Match对象的迭代器

2.3 re.sub和re.subn

re.sub(pattern, repl, string, count=0, flags=0)
# 用repl替换pattern匹配的字符串，返回替换完成的字符串
# count    模式匹配后替换的最大次数，默认0表示替换所有的匹配

phone = "2004-959-559 # 这是一个电话号码"
# 删除注释
num = re.sub(r'#.*$', "", phone)
print ("电话号码 : ", num)
# 电话号码 :  2004-959-559 
# 移除非数字的内容
num = re.sub(r'\D', "", phone)
print ("电话号码 : ", num)
# 电话号码 :  2004959559

re.subn(pattern, repl, string, count=0, flags=0)
# 和re.sub一样，但是返回一个元组 (字符串, 替换次数)

2.4 re.split

re.split(pattern, string, maxsplit=0, flags=0)
# 用pattern分割string，返回分割完成的字符串列表
# maxsplit    分割次数，默认为0，不限制次数

re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']

2.5 re.compile

re.compile(pattern, flags=0)
# 将正则表达式的样式编译为一个正则表达式对象，供match和search这两个函数使用

'''
prog = re.compile(pattern)
result = prog.match(string)
等价于
result = re.match(pattern, string)
'''