Python正则表达式re包用法

1.常用函数

# 编译
re.compile(pattern, flags=0)

# 从字符串任意位置匹配，返回匹配到的第一个
re.search(pattern, string, flags=0)

# 从字符串开始匹配，返回匹配到的第一个
re.match(pattern, string, flags=0)

# 分割
re.split(pattern, string, maxsplit=0, flags=0)

# 可以返回所有匹配结果
re.findall(pattern, string, flags=0)

# 用于替换字符串中的匹配项
re.sub(pattern, repl, string, count=0, flags=0)

2.正则表达式匹配规则

2.1单字符串匹配规则

字符	功能
.	匹配任意1个字符(除了\n)
[]	匹配[]中列举的字符
\d	匹配数字,也就是0-9
\D	匹配非数字,也就是匹配不是数字的字符
\s	匹配空白符,也就是 空格\tab
\S	匹配非空白符,\s取反
\w	匹配单词字符, a-z, A-Z, 0-9, _
\W	匹配非单词字符, \w取反

2.2数量匹配规则

字符	功能
*	匹配前一个字符出现0次多次或者无限次,可有可无,可多可少
+	匹配前一个字符出现1次多次或则无限次,直到出现一次
?	匹配前一个字符出现1次或者0次,要么有1次,要么没有
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符至少出现m次
{m,n}	匹配前一个字符出现m到n次

2.3边界匹配规则

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词边界

2.4分组匹配规则

字符	功能
|	匹配左右任意一个表达式
(ab)	将括号中字符作为一个分组
\num	引用分组num匹配到的字符串
(?P)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

2.5汉字匹配规则

Unicode 编码中汉字编码的范围在 \u4e00 到 \u9fa5之间

• [\u4e00-\u9fa5] 匹配任意汉字
• [\u5f20\u4e09] 匹配张三

unicode中文互转

2.6前后界定和前后非界定

• (?=pattern) 零宽正向先行断言(zero-width positive lookahead assertion) ：代表字符串中的一个位置，紧接该位置之后的字符序列能够匹配pattern。
• (?!pattern) 零宽负向先行断言(zero-width negative lookahead assertion) ：代表字符串中的一个位置，紧接该位置之后的字符序列不能匹配pattern。
• (?<=pattern) 零宽正向后行断言(zero-width positive lookbehind assertion) ：代表字符串中的一个位置，紧接该位置之前的字符序列能够匹配pattern。
• (?<!pattern) 零宽负向后行断言(zero-width negative lookbehind assertion) ：代表字符串中的一个位置，紧接该位置之前的字符序列不能匹配pattern。

r'(?<![A-Z.\d:])[A-Z\d]\d?\s?\.(?![\dA-Z])' 表示序号，前后均有非界定

贪婪模式和非贪婪模式

• 贪婪模式：总是尝试匹配尽可能多的字符；Python里数量词默认是贪婪的
• 非贪婪模式：总是尝试匹配尽可能少的字符，使用 ? 后缀可以将量词从贪婪模式切换为非贪婪模式。如*? 表示非贪婪的零次或多次匹配，而 +? 表示非贪婪的一次或多次匹配。

可参考博客
re(正则表达式)详细总结