python进阶--正则表达式（2）

一、初识正则表达式

为了使计算机具有在文本中检索某种模式的能力，我们引入了正则表达式。
正则表达式为高级的文本模式匹配、抽取或者文本形式的搜素和替换功能提供了基础。利用正则表达式能够匹配多个字符串。
正则表达式的强大之处在于引入了特殊字符来定义字符集、匹配子组和重复模式。由于有了这些特殊符号，正则表达式可以匹配字符串集合，而不仅仅是某单个字符串。

特点：

灵活性、功能性、逻辑性强
可以用简单的方式对字符串实现复杂控制

二、正则匹配规则

$\bullet$ 数字和字母都表示它本身
$\bullet$ 很多字母前加 \ 会有特殊含义
$\bullet$ 绝大多数标点符号都有特殊含义，需要用加 \

三、正则匹配模式

$\bullet$ 特殊符号的含义

表示法	描述	示例	结果
liter	匹配文本字符串的字面值	foo	foo
re1 I re2	匹配正则表达式re1或者re2	aIb	a或者b
.	匹配任意字符（除\n）	a.a	俩a间插入任意字符
^	匹配字符串起始部分
$	匹配字符串结束部分
*	匹配0次或多次前面出现的正则表达式
？	匹配1次或多次前面出现的正则表达式
+	匹配0次或1次前面出现的正则表达式
{N}	匹配N次前面出现的正则表达式	[0-9]{3}	任意三位数
{N,M}	匹配N~M次前面出现的正则表达式	[0-9]{3,5}	任意三位数或四位数或五位数
{N，}	匹配N次以上前面出现的正则表达式
{，N}	匹配N次及以下前面出现的正则表达式
[…]	匹配来自字符集的任一字符
[.x-y…]	匹配x-y范围的任一字符
[^…]	不匹配此字符集中的任意字符
(…)	匹配封闭的正则表达式，然后另存为子组
（）	表示一个分组

$\bullet$ 特殊字母的含义

表示法	描述	示例	结果
\d	匹配任意十进制数字，等同[0-9],\D表示不匹配数字
\w	表示匹配数字字母字符和 _, \W相反
\s	表示匹配任意非打印字符，如空格字符，\S匹配非空白字符
\b	匹配任何单词边界
\t	表示一个制表符

四、re模块

4.1查找相关方法

方法名	描述	格式
match	从头 查找字符串，返回一个re.Match对象，匹配失败返回None	match(pattern, string, flags=0) pattern为正则匹配规则，flag为正则修饰符
search	查找整个字符串，返回一个re.Match对象，匹配失败返回None	search(pattern, string, flags=0)
finditer	查找所有的匹配数据，finditer返回的结果是一个可迭代对象，里面的数据都是匹配到的结果，也是re.Match对象	finditer(pattern, string, flags=0)
findall	把查找的的所有字符串结果放到一个列表里	findall(pattern, string, flags=0)
findmatch	从头完整匹配，失败为None	findmatch(pattern, string, flags=0)

4.2 替换（sub）

re.sub(pattern, repl, string, count=0, flags=0)  # repl表示替换后的字符或函数，count表示替换次数

如果repl为一个函数，sub内部会自动调用该函数并传参，参数为每一个匹配到的re.Match格式的数据

4.2 re.Match类

方法和属性	描述
pos	搜索开始的位置
enpos	搜索结束的位置
string	搜索的字符串
re	当前使用的正则表达式的对象
lastindex	最后匹配的组索引
lastgroup	最后匹配的组名
group（index=0）	某个分组匹配的结果。index=0，匹配整个正则表达式
groups()	所有分组的匹配结果，为列表类型
groupdict()	返回组名为key，每个分组的匹配结果为value的字典
start([ ])	获取组的开始位置
end([ ])	获取组结束的位置
sapn([ ])	获取组的开始和结束位置
expand(template)	使用组的匹配结果来替换template的内容，并把替换后的字符串返回

4.3 re.compile类

使用方法：

  a = re.compile(正则规则)  # a为Pattern对象
  b = a.search(要匹配的字符串1)
  c = a.search(要匹配的字符串2)

五、正则修饰符

正则修饰符	描述
re.S	让 . 匹配换行
re.I	忽略大小写
re.M	让$ 匹配到换行

六、贪婪模式和非贪婪模式

在正则模式里会默认尽可能匹配更多的字符串，即贪婪模式。在贪婪模式会加 ？会切换到非贪婪模式。