2020-10-18

正则表达式语法:
一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

字符 描述
\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。例如，‘n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 ‘\’ 匹配 “” 而 ““则匹配”(”。匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，也匹配′\n′或′\r′之后的位置。$匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配′\n′或′\r′之前的位置。∗匹配前面的子表达式零次或多次。例如，zo∗能匹配"z"以及"zoo"。∗等价于0,。+匹配前面的子表达式一次或多次。例如，′zo+′能匹配"zo"以及"zoo"，但不能匹配"z"。+等价于1,。?匹配前面的子表达式零次或一次。例如，“do(es)?“可以匹配"do"或"does"中的"do”。?等价于0,1。nn是一个非负整数。匹配确定的n次。例如，′o2′不能匹配"Bob"中的′o′，但是能匹配"food"中的两个o。n,n是一个非负整数。至少匹配n次。例如，′o2,′不能匹配"Bob"中的′o′，但能匹配"foooood"中的所有o。′o1,′等价于′o+′。′o0,′则等价于′o∗′。n,mm和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。刘，“o1,3"将匹配"fooooood"中的前三个o。′o0,1′等价于′o?′。请注意在逗号和两个数之间不能有空格。?当该字符紧跟在任何一个其他限制符(∗,+,?,n,n,n,m)后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串"oooo”，′o+?′将匹配单个"o”，而′o+′将匹配所有′o′。.匹配除"\n"之外的任何单个字符。要匹配包括′\n′在内的任何字符，请使用象′[.\n]′的模式。(pattern)匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用′(′或′
(?:pattern) 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 ‘industry|industries’ 更简略的表达式。
(?=pattern) 正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如， ‘Windows (?=95|98|NT|2000)’ 能匹配 “Windows 2000” 中的 “Windows” ，但不能匹配 “Windows 3.1” 中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

(?!pattern) 负向预查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如’Windows (?!95|98|NT|2000)’ 能匹配 “Windows 3.1” 中的 “Windows”，但不能匹配 “Windows 2000” 中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
x|y 匹配 x 或 y。例如，‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。
[xyz] 字符集合。匹配所包含的任意一个字符。例如， ‘[abc]’ 可以匹配 “plain” 中的 ‘a’。
[^xyz] 负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’。
[a-z] 字符范围。匹配指定范围内的任意字符。例如，’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。
\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’。
\cx 匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\d 匹配一个数字字符。等价于 [0-9]。
\D 匹配一个非数字字符。等价于 [^0-9]。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w 匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
\W 匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’。
\xn 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， ‘\x41’ 匹配 “A”。’\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码。.
\num 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，’(.)\1’ 匹配两个连续的相同字符。
\n 标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm 标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un 匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。
优先权顺序
在构造正则表达式之后，就可以象数学表达式一样来求值，也就是说，可以从左至右并按照一个优先权顺序来求值。

下表从最高优先级到最低优先级列出各种正则表达式操作符的优先权顺序：
[code] 操作符 描述 \ 转义符 (), (?😃, (?=), [] 圆括号和方括号 *, +, ?, {n}, {n,}, {n,m} 限定符 ^, $, \anymetacharacter 位置和顺序 | “或”操作 [/code]
正则表达式对象：
首先使用re模块的compile()方法将正则表达式编译生成正则表达式对象，然后再使用正则表达式对象提供的方法进行字符串处理，使用编译后的正则表达式对象可以快速的完成字符串处理。其字符串处理主要包括查找、匹配、替换、搜索和分割，这些也是比较常用的操作，具体方法为findall、match、sub、search、split，下面通过几个例子来做简单说明。
import re
text=“Anhui normal university!”
pattern=re.compile(r’\bn\w+\b’) #编译生成正则表达式对象。
pattern.findall(text)#查找以n开头的单词。
[‘normal’]

import re
text=“I run quickly,you run slowly.”
pattern=re.compile(r’\w+ly’) #编译生成正则表达式对象。
pattern.findall(text)#查找以ly结尾的单词，即字符串中所有副词。
[‘quickly’, ‘slowly’]

import re
text=“I run quickly,you run slowly.”
pattern=re.compile(r’\b[a-zA-Z]{3}\b’)#查找长度为3位的单词。
pattern.match(text)#从字符串开头开始匹配，不成功则无返回值。
pattern.search(text)#在整个字符串搜索，成功则返回结果。
<_sre.SRE_Match object; span=(2, 5), match=‘run’>

import re
text=“I run quickly,you run slowly.”
pattern=re.compile(r’\b[a-zA-Z]{3}\b’)
pattern.sub(’’,text)#将长度3位的单词替换位’’
‘I * quickly,* * slowly.’

import re
pattern=re.compile(r’[\s,.\d]+’)#根据正则化式进行编译生成正则对象。
text=“I am in house, with lots of pepole. yes,no. 1china 2USA”
pattern.split(text)#按照空白、’,’、‘.’、数字进行分割，并返回所有单词。
[‘I’, ‘am’, ‘in’, ‘house’, ‘with’, ‘lots’, 斜体样式