Python正则表达式

正则表达式：
• 正则表达式是字符串处理的有力工具，比字符串自身提供的方法提供了更强大的处理功能。
• 例如判断一个字符串是否是合法的Email地址，可以通过构造一个规则（正则表达式），去判断字符串是否能够匹配。

元字符：

re模块

Python通过re模块提供对正则表达式的支持。
使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例
然后使用Pattern实例处理文本并获得匹配结果（一个Match实例）
最后使用Match实例获得信息，进行其他的操作。
re.match函数
re.match 尝试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。

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

flags：

匹配成功re.match方法返回一个匹配的对象
使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

re.search方法
re.search 扫描整个字符串并返回第一个成功的匹配

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

re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None
而re.search匹配整个字符串，直到找到一个匹配。
compile 函数
compile 函数用于编译正则表达式，生成一个正则表达式
（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

re.compile(pattern[, flags])

findall
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。

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

•string 待匹配的字符串。
•pos 可选参数，指定字符串的起始位置，默认为 0。
•endpos 可选参数，指定字符串的结束位置，默认为字符串的长度
re.finditer
在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回

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

re.split
split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

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

re.sub

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

替换函数，将正则表达式 pattern 匹配到的字符串替换为 repl 指定的字符串, 参数 count 用于指定最大替换次数
贪婪 vs 不贪婪
当重复一个正则表达式时，如用 a*，操作结果是尽可能多地匹配模式。 .* 的本质是“贪婪”的
在这种情况下，解决方案是使用不贪婪的限定符 *?、+?、?? 或{m,n}?，尽可能匹配小的文本。

正则表达式集锦

✓ 最简单的正则表达式是普通字符串，可以匹配自身
✓ ‘[pjc]ython’可以匹配’python’、‘jython’、‘cython’
✓ '[a-zA-Z0-9]'可以匹配一个任意大小写字母或数字
✓ '[^abc]‘可以一个匹配任意除’a’、‘b’、‘c’之外的字符
✓ ‘python|perl’或’p(ython|erl)‘都可以匹配’python’或’perl’
✓ 子模式后面加上问号表示可选。r’(http://)?(www.)?python.org’只能匹配
‘http://www.python.org’、‘http://python.org’、‘www.python.org’和’python.org’
✓ ‘^http’只能匹配所有以’http’开头的字符串
✓ (pattern)：允许模式重复0次或多次
✓ (pattern)+：允许模式重复1次或多次
✓ (pattern){m,n}：允许模式重复m~n次
✓ ‘(a|b)c’：匹配多个（包含0个）a或b，后面紧跟一个字母c。
✓ ‘ab{1,}’：等价于’ab+’，匹配以字母a开头后面带1个至多个字母b的字符串。
✓ ‘¹{1}([a-zA-Z0-9._]){4,19}KaTeX parse error: Undefined control sequence: \w at position 53: …、“.”的字符串。 ✓ '^(\̲w̲){6,20}’：匹配长度为6-20的字符串，可以包含字母、数字、下划线。
✓ ‘^\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}KaTeX parse error: Undefined control sequence: \d at position 33: …址。 ✓ '^(13[4-9]\̲d̲{8})|(15[01289]…’：检查给定字符串是否为移动手机号码。
✓ ‘²+KaTeX parse error: Undefined control sequence: \w at position 28: …包含英文字母大小写。 ✓ '^\̲w̲+@(\w+\.)+\w+’：检查给定字符串是否为合法电子邮件地址。
✓ r’(\w)(?!.\1)’：查找字符串中每个字符的最后一次出现。
✓ r’(\w)(?=.\1)’：查找字符串中所有重复出现的字符。
✓ ‘^(-)?\d+(.\d{1,2})?KaTeX parse error: Can