python 正则表达式

1、了解正则表达式

　　正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。  

　　正则表达式的大致匹配过程是：
　　1、依次拿出表达式和文本中的字符比较，
　　2、如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
　　3、如果表达式中有量词或边界，这个过程会稍微有一些不同。

2、Python 匹配规则

　　

3、正则表达式相关注解

　　3.1 数量词的贪婪模式与非贪婪模式

　　正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式”ab*”如果用于查找”abbbc”，将找到”abbb”。而如果使用非贪婪的数量词”ab*?”，将找到”a”。

注：我们一般使用非贪婪模式来提取。

　　3.2 反斜杠问题

　　与大多数编程语言相同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\\\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r”\\”表示。同样，匹配一个数字的”\\d”可以写成r”\d”。

4、re模块

　　4.1 开始使用re

　　Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

　　　

　　

　　re.compile(strPattern[, flag]):

　　这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。 
　　可选值有：

• • re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
  • M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
  • S(DOTALL): 点任意匹配模式，改变'.'的行为
  • L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
  • U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
  • X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

　　re.compile(strPattern[, flag]):

　　这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。 
　　可选值有：

• re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
• S(DOTALL): 点任意匹配模式，改变'.'的行为
• L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
• U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
• X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

　　

　　re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代，唯一的好处是少写一行re.compile()代码，但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为：

　　

　　re模块还提供了一个方法escape(string)，用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回，在需要大量匹配元字符时有那么一点用。

　　4.2 Match

　　Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

　　属性：

　　　　1、string: 匹配时使用的文本。

　　　　2、re: 匹配时使用的Pattern对象。

　　　　3、pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

　　　　4、endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

　　　　5、lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。

　　　　6、lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

　　方法：

　　　　1、group([group1, …]): 

　　　　　　获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。

　　　　2、groups([default]): 

　　　　　　以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。

　　　　3、groupdict([default]): 

　　　　　　返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。

　　　　4、start([group]): 

　　　　　　返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。

　　　　5、end([group]): 

　　　　　　返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。

　　　　6、span([group]): 

　　　　　　返回(start(group), end(group))。

　　　　7、expand(template): 

　　　　　　将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

　　　　

　　4.3 Pattern

　　　　Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。

　　　　Pattern不能直接实例化，必须使用re.compile()进行构造。

　　　　Pattern提供了几个可读属性用于获取表达式的相关信息：

　　　　　　1、pattern: 编译时用的表达式字符串。

　　　　　　2、flags: 编译时用的匹配模式。数字形式。

　　　　　　3、groups: 表达式中分组的数量。

　　　　　　4、groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

　　　　

　　

　　　　实例方法[ | re模块方法]：

　　　　　　1、match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]): 

　　　　　　这个方法将从string的pos下标处起尝试匹配pattern；如果pattern结束时仍可匹配，则返回一个Match对象；如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。 

　　　　　　pos和endpos的默认值分别为0和len(string)；re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。 

　　　　　　注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'。 

　　　　　　2、search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]): 

　　　　　　这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；若无法匹配，则将pos加1后重新尝试匹配；直到pos=endpos时仍无法匹配则返回None。 　　

　　　　　　pos和endpos的默认值分别为0和len(string))；re.search()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

　　　　　　

　　　　3、split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]): 　　　　　　

　　　　按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。 

　　　　

　　　　4、findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]): 
　　　　搜索string，以列表形式返回全部能匹配的子串。 

　　　　

　　　　5、finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]): 
　　　　搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。

 　　　　

　　　　6、sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]): 

　　　　使用repl替换string中每一个匹配的子串后返回替换后的字符串。 
　　　　当repl是一个字符串时，可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。 
　　　　当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。 
　　　　count用于指定最多替换次数，不指定时全部替换。 

　　　　

　　　　7、subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]): 

　　　　返回 (sub(repl, string[, count]), 替换次数)。

　　　　

 

 

 

 

 

转载于:https://www.cnblogs.com/shaosks/p/6654739.html