python 正则表达式

先看一下最后面特殊字符和表达式的含义，有一个初步印象再返回来尝试例子

调用方式：

import re

函数：

pattern前的r表示之后是一个纯字符串，编译器不会编译其中的转义字符，如\n等，用来防止\的编译冲突，一般正则表达式或系统路径前使用。\b是转义字符代表退格，但在正则表达式中表示匹配位于开头或者结尾的空字符串

1. 检索 re.match(pattern, string, flag)
   match()从字符串第一个字符进行匹配，如果不符，直接返回None，否则返回的一个class通过span()得到索引的区间
   

   print(re.match('www', 'www.runoob.com'))
   print(re.match('www', 'www.runoob.com').span())
   print(re.match('com', 'www.runoob.com'))
   #<_sre.SRE_Match object; span=(0, 3), match='www'>
   #(0, 3)
   #None

2. 检索 re.search(pattern, string, flag)
   

   print(re.search('www', 'www.runoob.com').span())  # 在起始位置匹配
   print(re.search('com', 'www.runoob.com').span())         # 不在起始位置匹配
   #(0, 3)
   #(11, 14)

3. 检索 findall(string, position, end position)
   position 可指定起始匹配位置，默认为0，end position 指定结束位置，默认为字符串长度
   

   pattern = re.compile(r'\d+')   # 查找数字
   result1 = pattern.findall('runoob 123 google 456')
   result2 = pattern.findall('run88oob123google456', 0, 10)
   #['123', '456']
   #['88', '12']

4. 检索 re.finditer(pattern, string, flags)
   返回的是一个生成器
   

   it = re.finditer("\d+","12a32bc43jf3") 
   for match in it: 
       print(match.group())
   #12 
   #32 
   #43 
   #3

5. 分割 re.split(pattern, string, maxsplit, flags)
   找不到pattern则返回原字符串
   加()会一同返回分割的pattern
   

   re.split('\W+', 'runoob! runoob! runoob.')
   #['runoob', 'runoob', 'runoob', '']
   re.split('(\W+)', 'runoob! runoob! runoob.')
   #['runoob', '! ', 'runoob', '! ', 'runoob', '.', '']
   re.split('\W+', 'runoob, runoob, runoob.', 1) 
   #['runoob', 'runoob, runoob.']

6. 替换 re.sub(pattern, repl, string, count, flags)
   

   phone = "2004-959-559 # 这是一个国外电话号码"
   num = re.sub('#.*$', "", phone)
   print("电话号码是: ", num)
   #电话号码是:  2004-959-559
   num = re.sub('\D', "", phone)
   print("电话号码是: ", num)
   #电话号码是:  2004959559

7. 编译 re.compile(strPattern, flag)
   可用于search，match等，例子见findall

特殊符号：

• 分组 group()
  group(0) 为所有分组，即整个字符串
  group(num) 为第num个分组
  

  import re
  line = "Cats are smarter than dogs"
  matchObj = re.match( r'(.*) are (.*?) (.*)', line, re.I)
  print("matchObj.group() : ", matchObj.group())
  print("matchObj.group() : ", matchObj.group(1))
  print("matchObj.group() : ", matchObj.group(2))
  print("matchObj.group() : ", matchObj.group(3))
  #matchObj.group() :  Cats are smarter than dogs
  #matchObj.group() :  Cats
  #matchObj.group() :  smarter
  #matchObj.group() :  than dogs

  matchObj = re.match( r'(.*) are (.*) (.*)', line, re.I)
  print("matchObj.group() : ", matchObj.group())
  print("matchObj.group() : ", matchObj.group(1))
  print("matchObj.group() : ", matchObj.group(2))
  print("matchObj.group() : ", matchObj.group(3))
  #matchObj.group() :  Cats are smarter than dogs
  #matchObj.group() :  Cats
  #matchObj.group() :  smarter than
  #matchObj.group() :  dogs

  在pattern中有几个()，group就有几个分组，按顺序取括号内的内容。上面两个例子展示了?的用法，取零或一次，第一个group2只取了一个单词，第二个没有?，group2包含两个单词

• flag
  
  re.I 忽略大小写
  re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  re.M 多行模式
  re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
  re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
  re.X 为了增加可读性，忽略空格和 # 后面的注释
  
  
• 特殊表达式
  

  \A	只在字符串开头进行匹配。
  \b	匹配位于开头或者结尾的空字符串
  \B	匹配不位于开头或者结尾的空字符串
  \d	匹配任意十进制数，相当于 [0-9]
  \D	匹配任意非数字字符，相当于 [^0-9]
  \s	匹配任意空白字符，相当于 [ \t\n\r\f\v]
  \S	匹配任意非空白字符，相当于 [^ \t\n\r\f\v]
  \w	匹配任意数字和字母，相当于 [a-zA-Z0-9_]
  \W	匹配任意非数字和字母的字符，相当于 [^a-zA-Z0-9_]
  \Z	只在字符串结尾进行匹配

  
  
• 特殊字符
  

  $	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \$。
  ( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 \( 和 \)。

  .	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \. 。
  [	标记一个中括号表达式的开始。要匹配 [，请使用 \[。

  \	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\"，而 '\(' 则匹配 "("。
  ^	匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 \^。
  {	标记限定符表达式的开始。要匹配 {，请使用 \{。
  |	指明两项之间的一个选择。要匹配 |，请使用 \|。

  *	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" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
  {n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 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，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
  {n,m}	m 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。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

  
  
• Reference：
  http://www.runoob.com/regexp/regexp-syntax.html
  https://www.cnblogs.com/yyyg/p/5498803.html