python - re (正则表达式的学习)

这里就不说什么是正则表达式了，能看到本文的人想必都知道啥是个正则表达式吧。下面就从最基本的开始学习正则表达式

正则表达式基本元字符

字符的介绍

---

字符	含义
‘.’	匹配换行符以外的任意单个字符；
‘*’	匹配位于*前的0个或多个字符；
‘+’	匹配位于+之前的一个或多个字符； “c+at” 会匹配“cat”，“ccat”
‘|’	匹配位于|之前或之后的字符； 如”cat|dog”会匹配 “cat” ,”dog”
‘^’	匹配行首；
‘$’	匹配行尾；
‘?’	匹配位于?之前的零个或一个字符; 如”d?og”会匹配og 或者dog；
‘\’	匹配位于\之后的转义字符；
‘[]’	匹配位于[]中的任意字符；
‘()’	将()中的内容作为一个整体；
‘{}’	按照{}的次数进行匹配；

---

• 元字符还可以结合起来使用，
• “.*”可以匹配任意个字符，“.+”可以匹配任意的也个或多个字符，“.?”可以匹配任意的零个或者一个字符。

简单的例子：
假设我们要检验用户输入的一个网址的格式是否正确，一般的网址是怎样的格式呢 www.xxx.xxx 或者 www.xxx.com.cn .网址前可以加http://
那么我们该如何匹配上面的内容呢

我们从左到右的分析

首先网址通常是以 www 或者 http://www 开头的，所以我们可以把它当作一个整体。这时候我们想到了有个特殊的符号可以将内容作为一个整体 ，这个符号就是()

(http://www|www) #使用|满足其中任意个匹配就行

网址的中间内容一般是数字或字母，而且长度是任意的。

[a-z0-9]*  #[a-zA-Z0-9]表示可以是数字字母中的任意一个字符 ,*表示匹配前面的任意多个字符

后缀可能是两到三个字符，或者是com.cn

    ([a-z]{2,3}|com\.cn)

那么最终的表达式如下：

(http://www|www)\.[a-zA-Z0-9]*\.([a-z]{2,3}|com\.cn)

---

贪婪和非贪婪模式

我们可以在* ， + 等后加一个？来启用非贪婪模式，正则表达式默认情况下是贪婪的。所为贪婪就是查找过程中经可能多的匹配。

贪婪

s = " aa<div>test1</div>bb<div>test2</div>cc "
print re.findall('<div>.*</div>',s)
>>>['<div>test1</div>bb<div>test2</div>']
>
#贪婪模式下，会尽可能的匹配多个字符串，当遇到第一个</div>后，他会继续 查找后面的，直到查找完所有的字符串。返回的是最后一次遇到</div>的内容

非贪婪

s = " aa<div>test1</div>bb<div>test2</div>cc "
print re.findall('<div>.*?</div>',s)
>>>['<div>test1</div>', '<div>test2</div>']

#非贪婪模式下遇到第一个</div>就停下来，不会继续查找。

反斜杠(‘\’)的介绍

如果反斜杠后跟着一个元字符，那么元字符的特殊功能是不会被出发的。比如说上面的例子中我们为了匹配‘.’ 我们用了 ‘.’的形式。

但是反斜杠后跟一些字符会有特殊的意义

---

转义字符	特殊的含义
‘\b’	匹配单词头或者单词尾
‘\B’	与\b含义相反
‘\d’	匹配任何数字
‘\D’	匹配任何非数字
‘\s’	匹配任何空白字符
‘\S’	匹配任何非空白字符
‘\w’	匹配任何字母数字以及下划线
‘\W’	匹配任何非数字字母下划线

re模块

re.match()
用于匹配正则表达式，如果匹配成功返回MatchObject对象实例。
re.match(pattern ,string[,flags])

re.search()
用于在字符串中查找正则表达式，如果查找成功，返回MatchObject对象。
re.searh(pattern ,string[,flags])

re.findall()
用于在字符串中查找所有符合正则表达式标准的字符乎串。
re.findall(pattern ,string[,flags])

• pattern 匹配模式
• string 要进行匹配的字符串
• flags 进行匹配的标志

其中flags参数可选：

1. re.l ： 忽略大小写
2. re.L ： 根据本地设置修改转义字符(\w,\W,\s,\S,\B,\b,)的匹配内容
3. re.M ：多行匹配模式
4. re.S ： 使‘.’元字符也匹配换行符
5. re.U ：匹配Unicode字符
6. re.X ：忽略pattern中的空格，并可以使用’#’注释

实例：
判断用户名称是否正确：
要求：用户名必须是数字，字母，下划线组成。
用户名可以支持中文。

     if  re.match(u'^[\w\u4e00-\u9fff]{6,30}$',username) == None  or re.match("^[\w\S]{6-16}$",passwd) == None:
         self.redict("regist.html")