RE库

#正则表达式
#操作符
. #表示任何单个字符
[] # 字符集，对单个字符给出取值范围， [abc] 表示a, b,c [a-z] 表示a到z单个字符
[^ ] #非字符集，对单个字符给出排除范围 [^abc]表示非a或b或c的单个字符

* #前一个字符0次或无限次扩展 abc* 表示ab, abc, abc, 等
*? #应用于前接字符，以非贪婪模式，表示前接字符的0个或无限个匹配
*? #前一个字符0次或无限次扩展，最小匹配

+ #前一个字符1次或无限次扩展 abc+ 表示abc,abcc, abccc等
+? #应用于前接字符，以非贪婪模式，表示前接字符的1个或无限个匹配
+? #前一个字符1次或无限次扩展，最小匹配

? #前一个字符0次或1次扩展 abc? 表示ab, abc
?? #前一个字符0次或1次扩展，最小匹配

| # 左右表达式任意一个 abc|def 表示abc, def
{m} #扩展前一个字符m次 ab{2}c 表示abbc
{m,n} #扩展前一个字符m至n次， ab{1,2}c 表示abc, abbc
{m,n}? #扩展前一个字符m至n次，，最小匹配

^ #匹配字符串开头 ^abc 表示abc 且在一个字符串的开头
$ #匹配字符串结尾 abc$ 表示abc 且在一个字符串的结尾

() # 分组标记，内部只能使用 | 操作符，(abc) 表示abc (abc|def) 表示abc,def
#() 在正则表达式中添加括号，括号内容将在匹配时被忽略，但是在findall()函数中括号表示
# 是匹配括号内的整个表达式
hand = open('mbox.txt')
for line in hand:
    line = line.rstrip():
    x = re.findall('^Details:.*rev=([0-9]+),line')
    if len(x) > 0 :
        print x
# 匹配以'Details:'开头，以后任意字符".*"，然后"rev="，最后是零个或多个数字，我们只需要
# 文本行最后的整数值，用括号把[0-9]括起来
# ['39772']
# ['39771']
# ...

\d #匹配任意十进制数字，[0-9]
\D #匹配任意非十进制数字[^0-9]
\w # 单词字符，等价[A-Za-z0-9_]
\S #匹配一个非空字符
\s #匹配一个空白字符
\b #匹配空字符串，仅用于单词的首尾
\D #匹配空字符串，但不能用于单词首尾
#经典正则表达式
^[A-Za-z]+$ #由26个字母组成的字符串
^[A-Za-z0-9]+$ #由26个字母和数字组成的字符串
^-?\d+$ # 整数形式的字符串
^[0-9]*[1-9][0-9]*$ #正整数形式的字符串
[1-9]\d{5} #中国境内邮政编码，6位
[\u4e00-\u9fa5] #匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7} #国内电话号码 010-68913536

(([0-9]\d|1[0-9]\d|2[0-4]\d|25[0-5]).){3}([0-9]\d|1[0-9]\d|2[0-4]\d|25[0-5]) #IP地址

#当正则表达式包含转义符时，使用raw string 即r''
re.search(pattern,string,flsg=0)
#在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
pattern:#正则表达式的字符串或源生字符串表示
string#待匹配字符串
flag#控制标记
#常用标记
re.I re.IGNORECASE #忽略正则表式的大小写，
re.M re.MULUILINE #正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
re.S re.DOTALL #正则表达式中的.操作符能够匹配所有字符，未使用标记时，默认匹配处换行符外的所有字符

re.match(pattern, string, flags=0)
# 从一个字符串的开始位置起匹配正则表达式，返回match对象

re.findall(pattern, string, flags= 0)
#搜索字符串，以 列表类型 返回全部能匹配的子串

re.split(pattern, string, maxsplit= 0, flags=0)
#将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
maxsplit#最大分割数，剩余部分作为最后一个元素输出

re.finditer(pattern, string, flags=0)
#搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素时match对象
import re 
for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
    if m:
        print m.group(0)

 #100081
#100084 

re.sub(pattern, repl, string, count=0, flags=0)
#在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
# repl 替换匹配字符串的字符串
# count最大替换次数
import re
re.sub(r'[1-9]\d{5}', 'zibucode', 'BIT100081 TSU100084')

#函数式用法：一次性操作
rst = re.search(r'[1-9]\d{5}', 'BIT100081 TSU100084')

#面对对象用法：编译后的多次操作
pat = re.compile(r'[1-9]\d{5}')
rst = pat.search('BIT100081 TSU100084')

regex = re.complie(pattern, flags=0)
#将正则表达式的字符串 编译 成正则表达式对象

#match对象
#属性
.string #待匹配的文本
.re #匹配时使用的pattern对象(正则表达式)
.pos #正则表达式搜索文本的开始位置
.edpos #正则表达式搜索文本的结束位置

#方法
.group(0) # 获得匹配后的字符串
.start() # 匹配字符串在原始字符串的开始位置
.end() # 匹配字符串在原始字符串的结束位置
.span() #返回(.start(),.end())

#RE库默认采用贪婪匹配，即输出匹配最长的子串
match = re.search(r'PY.*N', 'PYANBNCNDN')
match.group(0)
#'PYANBNCNDN'
#最小匹配
*? #前一个字符0次或无限次扩展，最小匹配
+? #前一个字符1次或无限次扩展，最小匹配
?? #前一个字符0次或1次扩展，最小匹配
{m,n} #扩展前一个字符m至n次，，最小匹配