python中的正则表达式

 
 

  
  当处理较为复杂的字符串问题时，与其他语言类似，Python提供了非常强大的re模块(regular expression)。
 
 
 
 

  
  

 
 
 
 

  
  re模块主要的作用就是 根据pattern（也就是你给的那个规则），在一个字符串string中 寻找满足这个pattern的子字符串，然后返回的过程。当然re模块 这里首先compile了 pattern，在给定的模式中（比如 dotall ）中，
 
 
 
 

  
  提交给计算中心（match machine），然后。。。
 
 
 
 

  
  举个例子：
 
 
 
 

  
  import re
 
 
 
 

  
  pp=re.compile(r'[abc][def][ghi]',re.DOTALL)
 
 
 
 

  
  dd=pp.match("aeidfg aeidfg")
 
 
 
 

  
  dd.group()
 
 
 
 

  
  将返回 'aei' 这个字符串
 
 
 
 

  
  

 
 
 
 

  
  greedy贪婪模式
 
 
 
 

  
  假设pattern为'a[bcd]*b'，而string为"abcbd"
 
 
 
 

  
  那么首先定位到a，然后[bcd]*将会match到最后，然后match b 失败后，会退回第二步match，然后少match一个，。。。最后结果将为 abcb
 
 
 
 

  
  除了*，还有+。
 
 
 
 

  
  此外，'?'表示 0 或者1次
 
 
 
 

  
  a/{1,3}b 将会匹配 
  
  a/b, 
  
  a//b, 和 
  
  a///b。这里注意 转义的斜线是"\"
 
 
 
 

  
  

 
 
 
 

  
  r生字符串的重要性
 
 
 
 

  
  比如你要匹配"
  
  \section"，很明显 re.compile的参数应该是 "\\section"，但是考虑到Python的字串串对”\“也有转义（会被两次转义），所以 可以这么做
 
 
 
 

  
  re.compile(r'\\section")。
 
 
 
 

  
  

 
 
 
 

  
  re.compile()返回的是一个 pattern对象，常用的它的函数有 
 
 
 
 

  
  match()  从第一个字符起始处开始匹配。返回一个match object对象
 
 
 
 

  
  search() 尝试从每一个字符的起始处开始匹配。同样返回一个match object对象
 
 
 
 

  
  findall()  返回所有满足的子字符串，是一个list对象
 
 
 
 

  
  

 
 
 
 

  
  match object对象的方法有几种，一个是 .group(),返回匹配的字符串。另有start() end() span()等函数
 
 
 
 

  
  比较常见的语法如下所示
 
 
 
 

  
  需要注意的是，\A \Z 指的是 真个string的开始和结束
 
 
 
 

  
  \b是一个长度为0的标志，标志一个word的开始或者结束。
 
 
 
 

  
  此外 \w* 表示 \w\w\w\w\w\w....这个样子，并不是\w匹配了 某个字符比如'A'之后 就是AAAA这个样子。