python学习之 ---正则表达式规则与正则表达式在python的应用

正则表达式

概述

正则表达式30分钟快速入门

正则表达式是文本处理极为重要的技术,用它可以对字符串按照某种规则进行检索,替换

分类

1. BRE
   基本正则表达式，grep、sed、vi等软件支持。vim有扩展。
2. ERE
   扩展正则表达式，egrep（grep -E）、sed -r等。
3. PCRE
   几乎所有高级语言都是PCRE的方言或者变种。Python从1.6开始使用SRE正则表达式引擎，可以认为是PCRE
   的子集，见模块re。

基本语法

元字符

重点说明: 元字符匹配的都是一个字符

代码	说明	举例
.	匹配除换行符外的任意一个字符
[abc] /[a-z]	匹配中括号内出现的任意一个字符 /匹配a-z之间任意的一个字符
[^abc]	匹配去除括号内出现的任意字符
\b	匹配单词的边界	\bm,以m开头的字符 例如m\b 以m结尾的字符
\B	不匹配单词的边界	t\B 包含t的单词但是不以t结尾的t字符，例如 write \Bb不以b开头的含有b的单词，例如able
\d	[0-9]匹配1位的字符
\D	[^0-9]匹配1位非数字
\s	匹配1位空白字符，包括换行符、制表符、空 格 [ \f\r\n\t\v]
\S	匹配1位非空白字符
\w	匹配[a-zA-Z0-9_]，包括中文的字
\W	匹配\w之外的字符
[^abc]	中括号内的^ 表示除了中扩号内的都可以匹配

转义

凡是在正则表达式中有特殊意义的符号，如果想使用它的本意，请使用\转义。
反斜杠自身，得使用\
\r、\n还是转义后代表回车、换行

重复匹配

代码	说明	举例
*	表示前面的正则表达式会重复0次或多次	y\w* 单词中y后面可以有非空白字符
+	表示前面的正则表达式重复至少1	y\w+ 单词中y后面至少有一个非空白字符
?	表示前面的正则表达式会重复0次或1次	y\w? 单词中y后面至多有一个非空白字符 可是1或者是0
{n}	重复固定的n次	y\w{1} 单词中y后面只能有一个非空白字符
{n,}	重复至少n次	y\w{1,} 等价 y\w+至少一次 y\w{0,} 等价 y\w*至少0次 y\w{0,1} 等价 y\w?至多1次
{n,m}	重复n到m次	y\w{1,10} 单词中y后面至少1个，至多10个非空白字符
x|y	匹配x或者y字符	wood took foot food 使用 w|food 或者(w|f)ood

分组

代码	说明	举例
(pattem)	使用小括号指定一个子表达式，也叫分组 捕获后会自动分配组号从1开始 可以改变优先级	wood took foot food (w|f)ood 得到两个分组 一个是w的分组,另外一个是f的分组
\组数字	匹配对应的分组	(very) \1 匹配very very，但捕获的组 group是very
(?:pattern)	如果仅仅为了改变优先级，就不需要捕获分组	(?:w|f)ood ’industr(?:y|ies) 等价’industry|industries
(? exp) (?'name’exp)	命名分组捕获，但是可以通过name访问分组 Python语法必须是(?Pexp)	(?P b)

断言

后面的断言不参与输出,但参与匹配,相当于判断

代码	说明	举例
(?=exp)	零宽度正预测先行断言 断言exp一定在匹配的右边出现，也就是说断 言后面一定跟个exp	f(?=oo) f后面一定有oo出现
(?<=exp)	零宽度正回顾后发断言 断言exp一定出现在匹配的左边出现，也就是 说前面一定有个exp前缀	(?<=f)ood、(?<=t)ook分别匹配ood、 ook，ook前一定有 t 出现
负向零宽断言
(?!exp)	零宽度负预测先行断言 断言exp一定不会出现在右侧，也就是说断言 后面一定不是exp	\d{3}(?!\d)匹配3位数字，断言3位数字后 面一定不能是数字 foo(?!d) foo后面一定不是d
(?<!exp)	零宽度负回顾后发断言 断言exp一定不能出现在左侧，也就是说断言 前面一定不能是exp	(?<!f)ood ood的左边一定不是f

贪婪与非贪婪

默认模式是贪婪模式,也就是尽可能多的匹配更长的字符

非贪婪模式很简单,在重复的符号后面加上一个 ? 问号,就尽量的少匹配了.

代码
*?	匹配任意次,但尽可能的少重复
+?	匹配至少1次,但尽可能的少重复
??	匹配0次或1次,但尽可能的少重复
{n}?	匹配至少n次,但尽可能的少重复
{n,m}?	匹配至少n次,至多m次,但尽可能的少重复

单行模式 与多行模式

单行模式：

将原有点的能力增强,去掉了原先换行符,也就是点功能可以匹配任意字符,从头到尾

. 可以匹配所有字符，包括换行符

^ 表示整个字符串的开头，$整个字符串的结尾

多行模式：
. 可以匹配除了换行符之外的字符，多行不影响.点号

^ 表示行首，$行尾，只不过这里的行是每一个行

**默认模式：**可以看做待匹配的文本是一行，不能看做多行，.点号不能匹配换行符，^和$表示行首和行尾，而行首行尾就是整个字符串的开头和结尾

单行模式和多行模式都没勾选在默认模式下没有多行的概念 默认模式下,不管文本多少行,都只认为一行,即使有换行符

元字符点不能匹配换行 ,匹配时会被阻隔

单行模式：基本和默认模式一样，只是.点号终于可以匹配任意一个字符包括换行符，这时所有文本就是一个长长的只有一行的字符串。^就是这一行字符串的行首，$就是这一行的行尾。

多行模式：重新定义了行的概念，但不影响.点号的行为，^和$还是行首行尾的意思，只不过因为多行模式可以识别换行

符了。"开始"指的是\n后紧接着下一个字符；"结束"指的是\n前的字符，注意最后一行结尾可以没有\n

简单讲，单行模式只影响.点号行为，多行模式重新定义行影响了^和$

注意：注意字符串中看不见的换行符,\r\n会影响e$的测试，e$只能匹配e\ns

举例:

# 现有文本如下 
wood
food
feet
在不同模式下匹配的结果分别是什么
^.+$      ^.+ 结果又是什么呢?
单行模式:   woodfoodfeet  #总共14个字符位,算是换行符##分隔符 与前面一样       
多行模式	None                                ##分隔符  wood   food  feet #每个单词都是4个字符位 
单多行      woodfoodfeet                        ##分隔符   与单行模式一样
默认        None                                ##分隔符   只有一个wood,不能越过换行符

其他补充:

代码	说明	举例
^	以什么开头	^\w任意[a-zA-Z0-9_]开头
$	以什么结尾	$w 匹配以字符w结尾

了解了正则表达式的基本语法之后就可以到python 中应用了.

Python的正则表达式

Python 使用re模块提供了正则表达式的处理能力

定义模式

代码	说明
re.M re,MULTIINE	多行模式
re.S re.DOTALL	单行模式
re.l re.IGNORECASE	忽略大小写
re.X re.VERBOSE	忽略表达式中的空白字符

方法

编译

re.compile( '正则表达式名',flag = 0)  
# 返回值是正则表达式对象  缺省值flag  = 0,可以自己设定如,re.M  re.S  或者组合使用   re.M | re.S 
# 这里的叠加使用的是字节的异或运算,每一种模式都是2的n次幂,这样在异或运算时不会互相影响 

编译的好处就是先行编译,可以提高效率.

单次匹配

可以分类为re.match 和re.search

match 匹配字符从字符的开头匹配,不论正则表达式条件是什么,都是从开头进行匹配

serach 匹配是从头搜索直到第一个匹配

re.fullmatch(‘正则表达式’,目标源,flag = 0) 整个文本的匹配

若先编译后

regex = re.compile( ‘正则表达式名’,re.M| re.S)

regex.match(string[, pos[, endpos]]) 可以匹配从指定位置,或者从指定位置到指定位