正则表达式---知多少

Python的正则表达式支持

re模块所包含的全部属性和函数：

• re.compile(pattern,flags=0)：该函数用于将正则表达式字符串编译成_sre.SRE_Pattern对象，该对象代表了正则表达式编译之后在内存中的对象，可以缓存并复用正则表达式字符串；
• re.match(pattern,string,flags=0)：尝试从字符串的开始位置来匹配正则表达式，如果开始位置匹配不成功，match()函数就返回None。其中pattern参数代表正则表达式，string代表被匹配的字符串，flags代表正则表达式的匹配旗标；
• re.search(pattern,string,flags=0)：扫描整个字符串，并返回字符串中第一处匹配pattern的匹配对象；
• re.findall(pattern,string,flags=0)：扫描整个字符串，并返回字符串中所有匹配pattern的子串组成的列表；
• re.finditer(pattern,string,flags=0)：扫描整个字符串，并返回字符串中所有匹配pattern的子串组成的迭代器；
• re.fullmatch(pattern,string,flags=0)：该函数要求整个字符串能匹配pattern，如果匹配则返回包含匹配信息的_sre.SRE_Match对象；否则返回None；
• re.sub(pattern,repl,string,count=0,flags=0)：该函数用于将string字符串中所有匹配pattern的内容替换成repl;repl是被替换的字符串，也可以是一个函数；count参数控制最多替换多少次，如果指定为0，则表示全部替换；
• re.split(pattern,string,maxsplit=0,flags=0)：使用pattern对string进行分割，该函数返回分割得到的多个子串组成的列表，其中maxsplit参数控制最多分割几次。
• re.purge()：清除正则表达式缓存
• re.escape(pattern)：对模式中除ASCII字符、数值、下画线之外的其他字符进行转义

re模块中_sre.SRE_Match对象包含以下方法或属性：

• match.group([group1,…])：获取该匹配对象中指定组所匹配的字符串
• match.__getitem __(g)：这是match.group(g)的简化写法
• match.groups(default=None)：返回match对象中所有组所匹配的字符串组成的元组
• match.groupdic(default=None)：返回match对象中所有组所匹配的字符串组成的字典
• match.start([group])：获取该匹配对象中指定组所匹配的字符串的开始位置
• match.end([group])：获取该匹配对象中指定组所匹配的字符串的结束位置
• match.span([group])：获取该匹配对象中指定组所匹配的字符串的开始位置和结束位置

正则表达式旗标

Python支持的正则表达式旗标都使用该模块中的属性来代替：

• re.A或re.ASCII：该旗标控制\w,\W,\b,\B,\d,\D,\s和\S只匹配ASCII字符，而不匹配所有的Unicode字符
• re.DEBUG：显示编译正则表达式的debug信息
• re.I或re.IGNORECASE：使用正则表达式匹配时不区分大小写
• re.L或re.LOCALE：根据当前区域设置使用正则表达式匹配时不区分大小写
• re.M或re.MULTILINE：多行模式的旗标
• re.S或s.DOTALL：让点(.)能匹配包括换行符在内的所有字符
• re.U或re.Unicode：该旗标控制\w,\W,\b,\B,\d,\D,\s和\S能匹配所有的Unicode字符
• re.X或re.VERBOSE：通过该旗标允许分行写正则表达式

创建正则表达式

正则表达式就是一个用于匹配字符串的模板，它可以匹配一批字符串，所以创建正则表达式就是创建一个特殊的字符串。
正则表达式所支持的合法字符

字符	解释
x	字符x
\uhhhh	十六进制值0xhhhh所表示的Unicode字符
\t	制表符
\n	新行符
\r	回车符
\f	换页符
\a	报警符
\e	Escape符
\cx	x对应的控制符

正则表达式中的特殊字符

特殊字符	说明
$	匹配一行的结尾，要匹配$字符本身，请使用$
^	匹配一行的开头，要匹配^字符本身，请使用^
()	标记子表达式的开始位置和结束位置，要匹配这些字符，请使用(和)
[]	用于确定中括号表达式的开始位置和结束位置，要匹配这些字符，请使用[和]
{}	用于标记前面子表达式的出现频度，要匹配这些字符，请使用{和}
*	指定前面子表达式可以出现0次或多次，要匹配字符本身，请使用\
+	指定前面子表达式可以出现一次或多次，要匹配+字符本身，请使用+
?	指定前面子表达式可以出现0次或一次，要匹配?字符本身，请使用?
.	匹配除换行符\n之外的任意单个字符，要匹配.字符本身，请使用.
\	用于转义下一个字符，要匹配\字符，请使用\

正则表达式中，通配符是可以匹配多个字符的特殊字符，称为“预定义字符”。
正则表达式所支持的预定义字符

预定义字符	说明
.	默认可匹配除换行符之外的任意字符
\d	匹配0~9的所有数字
\D	匹配非数字
\s	匹配所有的空白字符，包括空格、制表符、回车符、换页符、换行符等
\S	匹配所有的非空白字符
\w	匹配所有的单词字符，报警0~9的数字，26个英文字母和下画线
\W	匹配所有的非单词字符

方括号表达式

方括号表达式	说明
表示枚举	例如[abc]，表示a、b、c其中任意一个字符
表示范围	例如[a-f]，表示a~f范围内的任意字符
表示求否：^	例如[^abc]，表示非a、b、c的任意字符

边界匹配符

边界匹配符	说明
^	行的开头
$	行的结尾
\b	单词的边界，即只能匹配单词前后的空白
\B	非单词的边界，即只能匹配不在单词前后的空白
\A	只能匹配字符串的开头
\Z	只能匹配字符串的结尾

子表达式

正则表达式支持圆括号表达式，用于将多个表达式组成一个子表达式，在圆括号中可以使用或运算符(|)，子表达式支持如下用法：

• (exp)：匹配exp表达式并捕获一个自动命名的组，后面可通过"\1"引用第一个捕获组所匹配的子串，通过"\2"引用第二个捕获组所匹配的子串…以此类推
• (?Pexp)：匹配exp表达式并捕获成命名组，该组名字为name，后面可通过(?P=name)来引用前面捕获的组
• (?P=name)：引用name命名组所匹配的子串
• (?:exp)：匹配exp表达式并且不捕获
• (?<=exp)：括号中的子模式必须出现在匹配内容的左侧，但exp不作为匹配的一部分
• (?=exp)：括号中的子模式必须出现在匹配内容的右侧，但exp不作为匹配的一部分
• (?<!exp)：括号中的子模式必须不出现在匹配内容的左侧，但exp不作为匹配的一部分
• (?!exp)：括号中的子模式必须不出现在匹配内容的右侧，但exp不作为匹配的一部分
• (?#comment)：注释组
• (?aiLmsux)：旗标组，用于为整个正则表达式添加行内旗标
• (?imsx-imsx:exp)：只对当前组起作用的旗标

贪婪模式与勉强模式

• *：限定前面的子表达式可出现0~N次
• +：限定前面的子表达式可出现1~N次
• ？：限定前面的子表达式出现0~1次
• {n,m}：n和m均为非负整数，其中n≤m，限定前面的子表达式出现n~m次
• {n,}：n是一个非负整数，限定前面的子表达式至少出n次
• {,m}：m是一个非负整数，限定前面的子表达式至多出现m次
• {n}：n是一个非负整数，限定前面的子表达式必须出现n次