python 正则表达式

最近在做毕设，需要学习一下正则表达式

正则表达式的基本语法：

---

字符	匹配
.	匹配任意字符（除了\n）
[...]	匹配字符集
\d/\D	匹配数字/非数字
\s/\S	匹配空白/非空白字符
\w/\W	匹配单词字符[a-zA-Z0-9]/非单词字符

---

字符	匹配
*	匹配前一个字符0次或者无限次
+	匹配前一个字符1次或者无限次
?	匹配前一个字符0次或者1次
{m}/{m,n}	匹配前一个字符m次/至少m次，至多n次
*?/+?/??	匹配模式变成非贪婪（尽可能少匹配字符）

那么什么叫做非贪婪（尽可能少匹配字符）呢？
举个例子：
ma = re.match(r'[0-9][a-z]*','3abc') ma.group() #匹配结果为3abc ma = re.match(r'[0-9][a-z]*?','3abc') ma.group() #匹配结果为3 ma = re.match(r'[0-9][a-z]+?','3abc') ma.group() #匹配结果为3a

---

边界匹配：

字符	匹配
^	匹配字符串开头
$	匹配字符串结尾
\A/\Z	指定的字符串必须出现在开头/结尾

分组匹配：

字符	匹配
		匹配左右任意一个表达式
(ab)	括号中表达式作为一个分组（group）
\number	引用编号为number的分组匹配到的字符串
(?P<name>)	给分组取一个别名
(?P=name)	引用别名为name的分组匹配到的字符串

贪婪模式和非贪婪模式

---

如：String str="abcaxc";
　　　　Patter p="ab*c";

贪婪匹配:
正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配。如上面使用模式p匹配字符串str，结果就是匹配到：abcaxc(ab*c)。

非贪婪匹配：
就是匹配到结果就好，就少的匹配字符。如上面使用模式p匹配字符串str，结果就是匹配到：abc(ab*c)。

贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为，贪婪模式在整个表达式匹配成功的前提下，尽可能多的匹配，而非贪婪模式在整个表达式匹配成功的前提下，尽可能少的匹配。非贪婪模式只被部分NFA引擎所支持。

属于贪婪模式的量词，也叫做匹配优先量词，包括： “{m,n}”、“{m,}”、“?”、“”和“+”。 在一些使用NFA引擎的语言中，在匹配优先量词后加上“?”，即变成属于非贪婪模式的量词，也叫做忽略优先量词，包括： “{m,n}?”、“{m,}?”、“??”、“?”和“+?”。 从正则语法的角度来讲，被匹配优先量词修饰的子表达式使用的就是贪婪模式，如“(Expression)+”；被忽略优先量词修饰的子表达式使用的就是非贪婪模式，如“(Expression)+?”。

常用函数

---

re.compile(pattern,flag=0)
把一个正则表达式编译成一个正则表达式对象，可以用match()和search()来匹配

Compile a regular expression pattern into a regular expression object, which can be used for matching using its match() and search() methods

prog = re.compile(pattern) result = re.match(string)
等价于：
result = re.match(pattern,string)
但是用re.compile(),保存正则表达式对象，在重用的时候很有效，比如在一个程序中要多次用到的时候

but using re.compile() and saving the resulting regular expression object for reuse is more efficient when the expression will be used
several times in a single program.

这样一个个函数的解释也麻烦，就来一张表格吧

正则表达式模块的函数

---

语法	描述
re.compile(r,f)	返回编译后的正则表达式r，如果指定，就将其标记设置为f
re.escape(s)	返回字符串s，其中所有非字母数字的字符都实用反斜线进行了转义处理。因此返回的字符串中没有特殊的正则表达式字符
re.findall(r,s,f)	返回正则表达式r在字符串s中所有非交叠的匹配（如果给定f，就受其制约）。如果表达式中有捕获，那么每次匹配都作为一个捕获元组返回
re.finditer(r,s,f)	对正则表达式r在字符串s中每个非交叠的匹配（如果给定f，就受其制约），都返回一个匹配对象
re.match(r,s,f)	如果正则表达式r在字符串s的起始处匹配（如果给定f，就受其制约），就返回一个匹配对象，否则返回None
re.search(r,s,f)	如果正则表达式r在字符串s任意处匹配（如果给定f，就受其制约），就返回一个匹配对象，否则返回None
re.split(r,s,m)	返回分割字符串s（在正则表达式r每次出现处进行分割）所产生的字符串的列表，至多分割m次（如果没有给定m，就分割尽可能多的次数），如果正则表达式中包含捕获，就被包含在被分割的部分之间
re.sub(r,x,s,m)	对正则表达式r的每次匹配（如果给定m，那么至多m次），返回字符串s的一个副本，并将其替换为x-这可以是一个字符串，也可以是一个函数
re.subn(r,x,s,m)	与re.sub()相同，区别在于此函数返回一个二元组，其中一项为生成的字符串，一项为代入的次数

正则表达式模块的标记

---

标记	含义
re.A or re.ASCII	使\b,\B,\s,\S,\w和\W都假定字符串为ASCII，默认为这些字符类的速记法，依赖于Unicode规范
re.I or re.IGNORECASE	使正则表达式以大小写不敏感的方式进行匹配
re.M or re.MULTILINE	使 ^在起始处并在每个换行符后匹配，使$在结尾处但在每个换行符之前匹配
re.S or re.DOTALL	使.匹配每个字符，包括换行符
re.X or re.VERBOSE	使空白和注释包含在匹配中