正则表达式

今天学习到python中的正则表达式，符号太多了有点混乱，就写博客留着使用

python3.x可以匹配汉字而2.x不行

.
默认匹配一个字符，不包含换行符，如果设置DOTALL则匹配换行符

1.

我们已经了解了正则表达式中的一些特殊符号，如\b、\d、.、\S等等。这些具有特殊意义的专用字符被称作“元字符”。常用的元字符还有：

\w - 匹配字母或数字或下划线或汉字（我试验下了，发现3.x版本可以匹配汉字，但2.x版本不可以）
\s - 匹配任意的空白符
^ - 匹配字符串的开始
$ - 匹配字符串的结束，匹配行尾

2.
\S其实就是\s的反义，任意不是空白符的字符。同理，还有：

\W - 匹配任意不是字母，数字，下划线，汉字的字符
\D - 匹配任意非数字的字符
\B - 匹配不是单词开头或结束的位置

[a]的反义是[^a]，表示除a以外的任意字符。[^abcd]就是除abcd以外的任意字符。

3.
之前我们用过*、+、{}来表示字符的重复。其他重复的方式还有：

? - 重复零次或一次
{n,} - 重复n次或更多次
{n,m} - 重复n到m次

正则表达式不只是用来从一大段文字中抓取信息，很多时候也被用来判断输入的文本是否符合规范，或进行分类。来点例子看看：
^\w{4,12}$
这个表示一段4到12位的字符，包括字母或数字或下划线或汉字，可以用来作为用户注册时检测用户名的规则。（但汉字在 python2.x里面可能会有问题）

\d{15,18}
表示15到18位的数字，可以用来检测身份证号码

^1\d*x?
以1开头的一串数字，数字结尾有字母x，也可以没有。有的话就带上x。

转义字符\。如果我们确实要匹配.或者*字符本身，而不是要它们所代表的元字符，那就需要用\.或\*。\本身也需要用\\。
比如"\d+\.\d+"可以匹配出123.456这样的结果。

*
匹配０个或者多个重复

＋
匹配一个或者多个重复

？
匹配一个或者零个重复

*?,+?,??
按照非贪婪模式匹配

{m},{m,n},{m,n}?
分别匹配m个重复，m至n个重复，m至n个重复按照非贪婪模式

\
转义

[]
[abc],[a-z][^a-z]
|
或者匹配　'a|b'
(...)
匹配组

?

1 2 3 4 5 6 7 8 9 10

(?iLmsux)   (?:...) (?P<name>...) >>> re.match( '(?P<name>abc){2}' , 'abcabc' ).groupdict() { 'name' : 'abc' } (?P = name) >>> re.match(r '(?P<name>abc)----(?P=name)' , 'abc----abc' ).group() 'abc----abc' (? #...) #后面的内容为注释 (? = ...)

匹配的字符串后面的内容需要匹配

?

1 2 3 4

>>> re.match(r 'phone(?=\d{3})' , 'phone123' ).group() 'phone' ＃   (?!...)

匹配的字符后面内容不能匹配

?

1 2 3

>>> re.match(r 'phone(?!\d{3})' , 'phoneabc123' ).group() 'phone' (?< = ...)

匹配的字符串前面需要匹配

(?<!...) 匹配的字符前面不能匹配

(?(id/name)yes-pattern|no-pattern)
\number
\A 匹配字符串的开头
\b 匹配单词边界

\B
\b的反义

\d 表示[0-9]
\D表示 [^0-9]
\s表示 [ \t\r\n\f\v]
\S 为非空白字符
\w等价于 [a-zA-Z0-9]
\W \w的反义

\Z 匹配字符串的结束