python中的正则函数基本用法 - 包括贪心匹配和非贪心匹配 - 正则表达式基本规则

正则表达式基本规则

符号	含义	样例
\d	代表一个数字字符	r'\d\d\d':（表示要求匹配三个连续的数字字符）
\D	代表一个非数字字符	r'\D\D\D':（表示要求匹配三个连续的非数字字符）
\w	代表一个数字、字母或下划线字符（可以理解成组成单词的字符）	r'\w\w\w':（表示要求匹配三个连续的单词字符）
\W	代表一个除数字、字母、下划线外的任何字符	（'!@#'就是一个符合r'\W\W\W'的匹配项）
\s	代表一个空格符或制表符或换行符	略
\S	代表一个除空格符、制表符、换行符外的任何字符	略
()	分组	r'(\d\d\d)-(\d\d\d\d)':（表示分成两组进行匹配，第一组是三个数字字符，第二组是四个数字字符）
?	代表其前面的序列可以出现0次或1次	r'Hello(Wo)?rld':（表示匹配Hello，然后wo可以没有也可以有一组，即Hellorld和HelloWorld都满足要求）
*	代表其前面的序列可以出现0次或多次	r'Hello(Wo)*rld':（表示中间的wo可以没有也可以有任意组，即Hellorld、HelloWorld、HelloWoWo…rld都满足要求）
+	代表其前面的序列至少出现1次	r'Hello(Wo)+rld':（表示匹配Hello，然后wo至少要有一次，即HelloWorld、HelloWo…World都满足要求，而Hellorld不满足）
|	代表两边的模式都可以	r'Hello (Hi|HI|hi)':（表示Hello Hi、Hello HI、Hello hi都满足匹配要求）
{n,m}	其前面的序列匹配n~m次	r'Hello(Wo){3,5}rld':（表示中间的Wo出现3,4,5次都是满足匹配要求的，只有"n,“表示0~m，z只有”,m"表示上不封顶，只有一个数字“n”，表示只能匹配n次）
[]	分类字符。表示用方括号内的字符匹配当前位置的一个字符	r'\w{3}[abc123]':（表示，其前面序列有三个字母、数字、下划线字符，且只能由"abc123"这6个字符组成）
-	在放括号中使用，表示字符的范围	r'123[a-zA-Z]':（表示，123后面的字符只能是英文字母。方括号内的字符不用转义）
^	在放括号中使用时，表示除方括号内分类字符意外的其他所有字符	r'123[^a-zA-Z]':（表示，123后面不能是英文字母。方括号内的字符不用转义）
^	头匹配。在正则表达式的开始处使用，表示匹配必须发生在待查找文本的开始处	r'^Hello':（表示，字符串必须以Hello开头。可以与"$"一起使用）
$	尾匹配。在正则表达式的最后处使用，表示匹配必须发生在待查找文本的结尾处	r'\d+$':（表示，字符串必须以至少一个数字结尾。可以与"^"一起使用）
.	通配符。可以表示除换行外的所有字符，但只能匹配一个	r'.at':（表示，at的前面可以是任意字符，即以at结尾的三字符组合）
.*	表示所有文本。贪心模式	r'aaa(.*)bbb':（表示由aaa开头，bbb结尾，中间是任意数量任意字符的序列。注意这个例子中并不要求整个待查序列是以aaa开头，bbb结尾的。）
.*?	表示所有文本。非贪心模式	r'^aaa(.*)bbb$':（表示由aaa开头，bbb结尾，中间是任意数量任意字符的序列。与上面的例子不同，这个例子中要求整个待查序列是以aaa开头，bbb结尾）

re包基本正则函数与用法

需要导入re包：
import re

函数名	返回类型	参数	样例
re.compile(regStr)	Regex对象	参数1：字符串形式的正则表达式（建议使用原始字符串)	regex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
re.compile(regStr,参数2)	Regex对象	参数2常用方法见文章最后注意事项	regex = re.compile(r'.*',re.DOTALL)
regex.search()	Match对象	待查找的字符串	match = regex.search(r'fdhsakhfkd111-222-3333')
match.group()	实际匹配的字符串	0或无参:（返回整个匹配字符串）; 其他:返回数字表示的匹配部分。	match.group()
match.groups()	所有分组的元组	无	同上
regex.findall()	所有匹配字符串的列表(表达式有分组时返回分组的元组列表)	待查找的字符串	strList = regex.findall()

样例程序：

phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
mo = phoneNumRegex.search('My number is 415-555-4242.')
mo.group(1)
mo.group(2)
mo.group(0)
mo.group()
mo.groups()

样例输出：

‘415’
‘555-4242’
‘415-555-4242’
‘415-555-4242’
(‘415’,‘555-4242’)

注意事项

1、贪心匹配和非贪心匹配

• Python 的正则表达式默认是“贪心” 的， 这表示在有二义的情况下，它们会尽
  可能匹配最长的字符串。花括号的“非贪心” 版本匹配尽可能最短的字符串，即在
  结束的花括号后跟着一个问号。

样例程序：

>>> greedyHaRegex = re.compile(r'(Ha){3,5}')		#贪心版本返回最长匹配
>>> mo1 = greedyHaRegex.search('HaHaHaHaHa')
>>> mo1.group()
'HaHaHaHaHa'
>>> nongreedyHaRegex = re.compile(r'(Ha){3,5}?')	#非贪心版本返回最短匹配
>>> mo2 = nongreedyHaRegex.search('HaHaHaHaHa')
>>> mo2.group()
'HaHaHa'

2、re.compile(regStr,参数2)中，参数2的常用值

参数	含义	样例
re.DOTALL	让通配符"."能匹配换行符	re.compile(r".*",re.DOTALL):（能将换行符也匹配进去）
re.I	字符匹配时忽略大小写	re.compile(r"hello",re.I):（只要是hello，不管怎么样的大小写都匹配）
re.IGNORECASE	同re.I	略
re.VERBOSE	忽略正则表达式字符串（即regStr）中的空白和注释，以便让正则表达式可以换行	见下面样例程序

样例程序：

regex = re.compile(r'''(
	(\d{3}|\(\d{3}\))? 				# area code
	(\s|-|\.)? 						# separator
	\d{3} 							# first 3 digits
	(\s|-|\.) 						# separator
	\d{4} 							# last 4 digits
	(\s*(ext|x|ext.)\s*\d{2,5})? 	# extension
	)''', re.VERBOSE)				#re.VERCASE使程序忽略参数regStr中的空格和注释

可以使用“|”将2个或3个参数同时使用，例如：

regex = re.compile('foo', re.IGNORECASE | re.DOTALL)
regex = re.compile('foo', re.IGNORECASE | re.DOTALL | re.VERBOSE)