正则表达式的元字符有. ^ $ * ? { [ ] | ( )
.表示任意字符
[]用来匹配一个指定的字符类别,所谓的字符类别就是你想匹配的一个字符集,对于字符集中的字符可以理解成或的关系。
^ 如果放在字符串的开头,则表示取非的意思。[^5]表示除了5之外的其他字符。而如果^不在字符串的开头,则表示它本身。
具有重复功能的元字符:
* 对于前一个字符重复0到无穷次
对于前一个字符重复1到无穷次
?对于前一个字符重复0到1次
{m,n} 对于前一个字符重复次数在为m到n次,其中,{0,} = *,{1,} = , {0,1} = ?
{m} 对于前一个字符重复m次
\d 匹配任何十进制数;它相当于类 [0-9]。
\D 匹配任何非数字字符;它相当于类 [^0-9]。
\s 匹配任何空白字符;它相当于类 [ fv]。
\S 匹配任何非空白字符;它相当于类 [^ fv]。
\w 匹配任何字母数字字符;它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符;它相当于类 [^a-zA-Z0-9_]。
正则表达式(可以称为REs,regex,regex pattens)是一个小巧的,高度专业化的编程语言,它内嵌于python开发语言中,可通过re模块使用。正则表达式的
pattern可以被编译成一系列的字节码,然后用C编写的引擎执行。下面简单介绍下正则表达式的语法
正则表达式包含一个元字符(metacharacter)的列表,列表值如下: . ^ * + ? { [ ] \ | ( )
1.元字符([ ]),它用来指定一个character class。所谓character classes就是你想要匹配的字符(character)的集合.字符(character)可以单个的列出,也可以通过”-“来分隔两个字符来表示一 个范围。例如,[abc]匹配a,b或者c当中任意一个字符,[abc]也可以用字符区间来表示—[a-c].如果想要匹配单个大写字母,你可以用 [A-Z]。
元字符(metacharacters)在character class里面不起作用,如[akm]将匹配"a","k","m","
”中的任意一个字符。在这里元字符(metacharacter)”
”就是一个普通字符。
2.元字符[^]. 你可以用补集来匹配不在区间范围内的字符。其做法是把”^”作为类别的首个字符;其它地方的”^”只会简单匹配 “^”字符本身。例如,[^5] 将匹配除 “5” 之外的任意字符。同时,在[ ]外,元字符^表示匹配字符串的开始,如”^ab+”表示以ab开头的字符串。
举例验证,
m=re.search(“^ab+”,”asdfabbbb”)
>>> print m
None
m=re.search(“ab+”,”asdfabbbb”)
print m
<_sre.SRE_Match object at 0x011B1988>
print m.group()
abbbb
上例不能用re.match,因为match匹配字符串的开始,我们无法验证元字符”^”是否代表字符串的开始位置。
m=re.match(“^ab+”,”asdfabbbb”)
print m
None
m=re.match(“ab+”,”asdfabbbb”)
print m
None
验证在元字符[]中,”^”在不同位置所代表的意义。
>>> re.search(“[^abc]”,”abcd”) #”^”在首字符表示取反,即abc之外的任意字符。
<_sre.SRE_Match object at 0x011B19F8>
>>> m=re.search(“[^abc]”,”abcd”)
>>> m.group()
‘d’
>>> m=re.search(“[abc^]”,”^”) #如果”^”在[ ]中不是首字符,那么那就是一个普通字符
>>> m.group()
‘^’
不过对于元字符”^”有这么一个疑问.官方文档http://docs.python.org/library/re.html有关元字符”^”有这么一句话,Matches the start
of the string, and in MULTILINE mode also matches immediately after each newline.
我理解的是”^”匹配字符串的开始,在MULTILINE模式下,也匹配换行符之后。
>>> m=re.search(“^a\w+”,”abcdfa\na1b2c3”)
m.group()
‘abcdfa’
>>> m=re.search(“^a\w+”,”abcdfa\na1b2c3”,re.MULTILINE),
>>> m.group() #
‘abcdfa’
我 认为flag设定为re.MULTILINE,根据上面那段话,他也应该匹配换行符之后,所以应该有m.group应该有”a1b2c3”,但是结果没 有,用findall来尝试,可以找到结果。所以这里我理解之所以group里面没有,是因为search和match方法是匹配到就返回,而不是去匹配 所有。
>>> m=re.findall(“^a\w+”,”abcdfa\na1b2c3”,re.MULTILINE)
>>> m
[‘abcdfa’, ‘a1b2c3’]
元字符(),元字符backslash。做为 Python 中的字符串字母,反斜杠后面可以加不同的字符以表示不同特殊意义。
它也可以用于取消所有的元字符,这样你 就可以在模式中匹配它们了。例如,如果你需要匹配字符 “[” 或 “\”,你可以在它们之前用反斜杠来取消它们的特殊意义: [ 或 \
4。元字符( )匹配字符串的结尾或者字符串结尾的换行之前。(在MULTILINE模式下," ”也匹配换行之前)
正则表达式”foo”既匹配”foo”又匹配”foobar”,而”foo ”仅仅匹配”foo”. >>>re.findall(“foo. ”,”foo1\nfoo2\n”)#匹配字符串的结尾的换行符之前。
[‘foo2’]
>>> re.findall(“foo. ”,”foo1\nfoo2\n”,re.MULTILINE)[‘foo1′,‘foo2′] >>>m=re.search(“foo. ”,”foo1\nfoo2\n”)
>>> m
<_sre.SRE_Match object at 0x00A27170>
>>> m.group()
‘foo2’
>>> m=re.search(“foo. ”,”foo1\nfoo2\n”,re.MULTILINE) >>>m.group() ‘foo1′看来re.MULTILINE对 的影响还是蛮大的。
5.元字符(*),匹配0个或多个
6.元字符(?),匹配一个或者0个
7.元字符(+), 匹配一个或者多个
8,元字符(|), 表示”或”,如A|B,其中A,B为正则表达式,表示匹配A或者B
9.元字符({})
{m},用来表示前面正则表达式的m次copy,如”a{5}”,表示匹配5个”a”,即”aaaaa”
>>> re.findall(“a{5}”,”aaaaaaaaaa”)
[‘aaaaa’, ‘aaaaa’]
>>> re.findall(“a{5}”,”aaaaaaaaa”)
[‘aaaaa’]{m.n}用来表示前面正则表达式的m到n次copy,尝试匹配尽可能多的copy。
re.findall(“a{2,4}”,”aaaaaaaa”)
[‘aaaa’, ‘aaaa’]
通过上面的例子,可以看到{m,n},正则表达式优先匹配n,而不是m,因为结果不是[“aa”,”aa”,”aa”,”aa”]
re.findall(“a{2}”,”aaaaaaaa”)
[‘aa’, ‘aa’, ‘aa’, ‘aa’]
{m,n}? 用来表示前面正则表达式的m到n次copy,尝试匹配尽可能少的copy
>>> re.findall(“a{2,4}?”,”aaaaaaaa”)
[‘aa’, ‘aa’, ‘aa’, ‘aa’]
10。元字符( “( )” ),用来表示一个group的开始和结束。
比较常用的有(REs),(?PREs),这是无名称的组和有名称的group,有名称的group,可以通过matchObject.group(name)
获取匹配的group,而无名称的group可以通过从1开始的group序号来获取匹配的组,如matchObject.group(1)。具体应用将在下面的group()方法中举例讲解11.元字符(.)
元字符“.”在默认模式下,匹配除换行符外的所有字符。在DOTALL模式下,匹配所有字符,包括换行符。
>>> import re
>>> re.match(“.”,”\n”)
>>> m=re.match(“.”,”\n”)
>>> print m
None
>>> m=re.match(“.”,”\n”,re.DOTALL)
>>> print m
<_sre.SRE_Match object at 0x00C2CE20>
>>> m.group()
‘\n’下面我们首先来看一下Match Object对象拥有的方法,下面是常用的几个方法的简单介绍
1.group([group1,…])
返回匹配到的一个或者多个子组。如果是一个参数,那么结果就是一个字符串,如果是多个参数,那么结果就是一个参数一个item的元组。group1的默 认值为0(将返回所有的匹配值).如果groupN参数为0,相对应的返回值就是全部匹配的字符串,如果group1的值是[1…99]范围之内的,那么 将匹配对应括号组的字符串。如果组号是负的或者比pattern中定义的组号大,那么将抛出IndexError异常。如果pattern没有匹配到,但 是group匹配到了,那么group的值也为None。如果一个pattern可以匹配多个,那么组对应的是样式匹配的最后一个。另外,子组是根据括号 从左向右来进行区分的。
>>> m=re.match(“(\w+) (\w+)”,”abcd efgh, chaj”)
>>> m.group() # 匹配全部
‘abcd efgh’
>>> m.group(1) # 第一个括号的子组.
‘abcd’
>>> m.group(2)
‘efgh’
>>> m.group(1,2) # 多个参数返回一个元组
(‘abcd’, ‘efgh’)
>>> m=re.match(“(?P\w+) (?P\w+)”,”sam lee”)
>>> m.group(“first_name”) #使用group获取含有name的子组
‘sam’
>>> m.group(“last_name”)
‘lee’下面把括号去掉
>>> m=re.match(“\w+ \w+”,”abcd efgh, chaj”)
>>> m.group()
‘abcd efgh’
>>> m.group(1)
Traceback (most recent call last):
File “