python正则表达式入门_Python正则表达式基本介绍

一、

正则表达式基础

1.1.

概念介绍

正则表达式是用于处理字符串的强大工具，它并不是

Python

的一部分。

其他编程语言中也有正则表达式的概念，

区别只在于不同的编程语言实现支持的语法数

量不同。正则表达式，又称正规表示法、常规表示法（英语：

Regular Expression

，在代码中

常简写为

regex

、

regexp

或

RE

）

，计算机科学的一个概念。正则表达式使用单个字符串来描

述、

匹配一系列符合某个句法规则的字符串。

在很多文本编辑器里，

正则表达式通常被用来

检索、替换那些符合某个模式的文本。

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。

1.2.Python

支持的正则表达式元字符和语法：



'.'

点号，在普通模式，它匹配除换行符外的任意一个字符；如果指定了

DOTALL

标记，

匹配包括换行符以内的任意一个字符。



'^'

尖尖号，匹配一个字符串的开始，在

MULTILINE

模式下，也将匹配任意一个新行的

开始。



'$'

美元符号，匹配一个字符串的结尾或者字符串最后面的换行符，在

MULTILINE

模式

下，也匹配任意一行的行尾。也就是说，普通模式下，

foo.$

去搜索

'foo1\nfoo2\n'

只会找

到’

foo2

′，但是在

MULTILINE

模式，还能找到

‘

foo1

′，而且就用一个

$

去搜索

'foo\n'

的话，会找到两个空的匹配：一个是最后的换行符，一个是字符串的结尾，演示：

>>> re.findall('(foo.$)', 'foo1\nfoo2\n')

['foo2']

（注：在

foo.$

情况下匹配一个字符串的结尾，在

foo1.$

情况下匹配换行符）

>>> re.findall('(foo.$)', 'foo1\nfoo2\n', re.MULTILINE)

['foo1', 'foo2']

>>> re.findall('($)', 'foo\n')

['',

''](

注：

‘，

’只是分隔符的作用

)



'*'

星号，指定将前面的

RE

重复

0

次或者任意多次，而且总是试图尽量多次地匹配。



'+'

加号，指定将前面的

RE

重复

1

次或者任意多次，而且总是试图尽量多次地匹配。



'?'

问号，指定将前面的

RE

重复

0

次或者

1

次，如果有的话，也尽量匹配

1

次。



*?

，

+?

，

??

从前面的描述可以看到

'*'

，

'+'

和

'?'

都是贪婪的，但这也许并不是我们说要的，所以，

可以在后面加个问号，将策略改为非贪婪，只匹配尽量少的

RE

。示例，体会两者的区别：

>>> re.findall('<(.*)>', '

title

')

['H1>title']

（注：查找

<>

中间的内容，查找尽量多的匹配内容）