Python正则表达式总结

正则表达式

分类

• BRE: grep sed vi
• ERE: egrep / grep -E / sed -r
• PCRE: python re

元字符

- . : 匹配除换行符意外的任意字符
- [abc]: 字符集合，一次只能匹配一个字符,匹配a、b、c
- [^abc]: 字符集合，不是a/b/c
- [a-z]:  小写字符
- [^a-z]: 不是小写
- \b: 单词边界
- \B: 不匹配单词边界
- \d: [0-9]匹配1个数字
- \D: [^0-9]不匹配1个数字
- \s: 匹配一个空白字符.包括制表符、换行符、空格
- \S: 非空白字符
- \w: 匹配[0-9a-zA-z],包括中文
- \W: w之外的字符

• 单行模式
  . 匹配所有字符，包括换行符
  $ 整个字符串的结尾
  ^ 整个字符串的开头

• 多行模式
  . 除换行符的所有字符
  $ 行尾
  ^ 行首

转义

使用 \ 转义，反斜杠本身\
\r \n 转义后代表回车、换行

重复-初级

- *     0次或者多次
- +     至少一次
- ?     表示前面的正则表达式重复0次或者1次
- {n}   重复固定的n次
- {n,}  至少重复n次  
- {n,m} 重复n到m次；

捕获、分组

x|y                 匹配x或者y; \b(a|b)\w+  以a或者b开头的单词
捕获/分组(pattern): 捕获或会自动分配组号，自动从1开始,0表示捕获的全长
\数字               匹配对应的分组，刚好取到前面匹配到的内容；
(?:pattern)         不被捕获，不要分组，保留‘或’；\b(?:a|b)\w+
(?<name>exp)    通过name访问分组、Python语法：(?P<nane>exp)

断言

判断一件事一定发生、一定不发生，一定是一定不是

(?=exp)    f(?=oo) f后面一定有oo出现;
(?<=exp)   (?<=f)ood ood前面一定在前面有t
(?!exp)    一定没有
(?<!exp)   (?<!f)ood ood前面一定没有f;
(?#comment)  添加注释

贪婪与非贪婪

f.*t    默认.* 是贪婪的,到最后一个匹配到的t
f.*?t  f.+?t:    尽可能少匹配；
f\w+?t   单词;
f.{1,}?t  取1次；

----
*？  匹配任意次, 尽可能少重复;
+?   匹配至少一次， 尽可能少重复；
??   匹配0次或者1次， 尽可能少重复；
{n,}?  匹配至少n次；
{n,m}? 匹配至少n次，至多m次； 尽可能少重复；

引擎选项

IgnoreCase  匹配时忽略大小写
Singleline  单行模式
Multiline   多行模式
IgnorePatternWhitespace 忽略表达式中的空白字符，如果需要使用空白字符用转义，#可以用来注释；

练习题

1. 0-999的任意数字；
\d{1-3}\n?

2. ip 地址
# 300.200.10.0 过滤
(\d{1,3}\.){3}(\d{1,3})
# Python包处理 Ip 地址超界
import socket
nw = socket.inet_aton('10.10.10.10')
print(nw, socket.inet_ntoa(nw))

# 文本正则表达式处理Ip超界
(?:(25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:(25[0-5]|2[0-4]\d|[01]?\d\d?))

3. 选择含有ftp的链接，文件名类型为gz或者xz的文件名； 
ftp://ftp.xxx.com/pub/file/file-5.4.1.tar.gz
http://ftp.xxx.com/pub/file/file-5.4.1.tar.gz

^(?:ftp).*/((.*?)(gz|xz))
.*ftp.*\.(?:gz|xz)
.*ftp.*/([^/]*\.(?:gz|xz)) # 捕获文件名分组，[^/]决不能出现/
(?<=.*ftp.*/)[^/]*\.(?:gz|xz) # 左边断言判断 

Python 的正则表达式

常量

re.MULTILINE | re.DOTALL | re.IGNORECASE

方法

# 编译、提高匹配效率
re.compile(pattern,flags=0)
# 单次匹配match
re.match(battern,string,flags=0) # 未编译
regex.match(string,flags) # 已编译

s = '1234abcd'
regex = re.compile('[ab]')
matcher = regex.match(s,4)
print(matcher)

-----
# 一直匹配search
re.compile(pattern,flags=0)
re.search()
regex.search()

# 全部匹配
# findall() 从左至右
matcher = regex.findall(s)
# finditer()  惰性求值

# 匹配替换
re.sub( )
regex.sub()
reget.subn(replacement ,string,count=0)
replacement 为bytes或者function;
s = "hello tom"
regex = re.compile('t\wm')
print(regex.sub("mageud.com",s,1))

# 分割字符串
re.split(pattern,string,maxsplit=0,flags=0)
s='''01 one 
02 two
03 three'''
regex = re.split('[\s\d]+')

# 分组
group(N) 0是返回整个匹配的字符串
group('name') 命名分组
groups 所有的分组
groupdict() 返回所有命名的分组

# 练习
1. 匹配邮箱
changjun@163.com
^\w[\w\.-]*@\w[\w\-\.]*\.[a-z]