Python re 正则表达式

Python re模块

re.match函数

从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

格式：

re.match(pattern, string, flags=0)

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

flag的可选标记位有以下可选，多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解

匹配成功re.match方法返回一个匹配的对象，否则返回None。

举个例子：

>>> print re.match('he','hello,good,better')
<_sre.SRE_Match object at 0x0232BE90>
>>> print re.match('he','good,hello,better')
None

re.split函数

按照能够匹配的子串将字符串分割后返回列表,对于一个找不到匹配的字符串而言，split 不会对其作出分割。

格式：

re.split(pattern, string[, maxsplit=0, flags=0])

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
maxsplit	分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

举个例子

>>> import re
>>> re.split('[a-z]+','ksajf123dsf334')
['', '123', '334']
>>> re.split('[a-z]+','1ksajf123dsf334')
['1', '123', '334']
>>> re.split('[a-z]+','1ksajf123dsf334',2)
['1', '123', '334']
>>> re.split('[a-z]+','1ksajf123dsf334',1)
['1', '123dsf334']
>>> re.split('hello','1ksajf123dsf334',1)
['1ksajf123dsf334']

re.search函数

扫描整个字符串并返回第一个成功的匹配

格式：

re.search(pattern, string, flags=0)

举个例子：

>>> print re.search('ab+','ability,happy,good').span()
(0, 2)

re.compile函数

格式：

re.compile(pattern[, flags])

举个例子：

>>> pattern=re.compile('(\w+[-\w]*)@([a-zA-Z0-9]+)\.(com|org|edu)')
>>> print pattern.match('wechat@163.com')
<_sre.SRE_Match object at 0x02328480>
>>> print pattern.match('1wechat@163.com')
<_sre.SRE_Match object at 0x02328480>
>>> print pattern.match('_1wechat@163.com')
<_sre.SRE_Match object at 0x02328480>
>>> print pattern.match('_1wechat@163.com').span()
(0, 16)
>>> print pattern.match('1wechat@163.com').span()
(0, 15)
>>> print pattern.match('#_1wechat@163.com')
None
>>> print pattern.match('#_1wechat@163.com',2)
<_sre.SRE_Match object at 0x02328480>
>>> print pattern.match('#_1wechat@163.com',10)
None

re.sub函数

用于替换字符串中的匹配项

格式：

re.sub(pattern, repl, string, count=0, flags=0)

举个例子：

>>> re.sub('hello','day','good,hello,world')
'good,day,world'
>>> re.sub('hello2','day','good,hello,world')
'good,hello,world'

findall函数

格式：

findall(string[, pos[, endpos]])

举个例子：

>>> pattern=re.compile('re\w+')
>>> ret = pattern.findall('delay,reject,replace,re123')
>>> print ret
['reject', 'replace', 're123']

正则表达式模式

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线，等价于 '[A-Za-z0-9_]'。
\W	匹配非字母数字及下划线，等价于 '[^A-Za-z0-9_]'。
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

邮箱检验合法性

>>> print re.search('ab+','ability,happy,good').span()
(0, 2)

邮箱名可以使英文字母或数字或-,_符号，必须以字母开头，邮箱后缀网址名可以是英文字母或数字，域名可以是com,org,edu

(\w+[-\w]*)@([a-zA-Z0-9]+)\.(com|org|edu)