python的re模块

一、官方文档

正则表达式HOWTO — Python 3.10.2 文档https://docs.python.org/zh-cn/3/howto/regex.html#regex-howto

re --- 正则表达式操作 — Python 3.10.2 文档https://docs.python.org/zh-cn/3/library/re.html#re-syntax

正则表达式（称为RE，或正则，或正则表达式模式）本质上是嵌入在Python中的一种微小的、高度专业化的编程语言，可通过 re 模块获得。 使用这种小语言，你可以为要匹配的可能字符串集指定规则；此集可能包含英语句子，电子邮件地址或你喜欢的任何内容。 然后，您可以询问诸如“此字符串是否与模式匹配？”或“此字符串中的模式是否匹配？”等问题。 你还可以使用正则修改字符串或以各种方式将其拆分。

RE在python中的实现模块为re，属于官方内置模块。RE在多种语言都有实现，实现方式大同小异，因此，它值得你拥有！

二、根据官方文档进行操作

1、了解匹配字符

元字符	含义
.	任意匹配：匹配除换行符之外的任何内容（注意：一个“.”代表一个字符）
^	行的头部匹配：在行的开头匹配。 除非设置了 MULTILINE 标志，否则只会在字符串的开头匹配。 在 MULTILINE 模式下，这也在字符串中的每个换行符后立即匹配。例如，如果你希望仅在行的开头匹配单词 From，则要使用的正则 ^From (注意：^需要放到表达式或组内的头部)
$	行的末尾匹配：匹配行的末尾，定义为字符串的结尾，或者后跟换行符的任何位置。（注意：只匹配每一行的末尾连续字段，中间字段不匹配，形式以$结尾）
*	重复匹配：指定前一个字符可以匹配零次或多次，而不是恰好一次，例如，ca*t 将匹配 'ct' (0个 'a' 字符)，'cat' (1个 'a' )， 'caaat' (3个 'a' 字符)，等等。类似 * 这样的重复是 贪婪的；当重复正则时，匹配引擎将尝试尽可能多地重复它（一直往前寻找*的前一个字符，直至找到或找不到）。特别的，字符串 'abcbd'的正则表达式为a[bcd]*b，会先找到a，然后尽可能匹配一组bcd, 接着会进一步匹配bc，最后匹配b（每一步的最后都会匹配b）。（注意：只是前一个字符重复多次，不是多字符，多字符要加上组匹配）
+	任意次重复：对它前面的正则式匹配1到任意次重复。例如 ab+ 会匹配 'a' 后面跟随1个以上到任意个 'b'，它不会匹配 'a'。（注意：与*的区别是从1开始，而不是从0；）
?	0到1重复：对它前面的正则式匹配0到1次重复。 ab? 会匹配 'a' 或者 'ab'。（注意：（.+?）代表任意字符（.）不断重复（+）并且对他的组合一直重复（？））
{}	m个重复：表示为{m}，对其之前的正则式指定匹配 m 个重复；少于 m 的话就会导致匹配失败。比如， a{6} 将匹配6个 'a' , 但是不能是5个。
[]	集合匹配：用于指定字符类，它是你希望匹配的一组字符。例如， [abc] 将匹配任何字符 a、 b 或 c ；因为它是一个范围的字符，可以简写成 [a-b];元字符在 [ ] 中变成普通字符，如$字符。特殊的，元字符^放在[ ] 第一位，依旧具有其特殊含义。（注意：^在[]里依旧特殊）
\	也许最重要的元字符是反斜杠，\。反斜杠后面可以跟各种字符，以指示各种特殊序列。它也用于转义所有元字符，让其变成普通字符。一些以 '\' 开头的特殊序列表示通常有用的预定义字符集，例如数字集、字母集或任何非空格的集合。 \w 匹配任何字母数字字符，如果正则表达式模式以字节类表示，这相当于类 [a-zA-Z0-9_]，如果传入参数re.ASCII 标志，可以在字符串模式中使用更为受限制的 \w 定义 \W 匹配任何非字母与数字字符；这相当于类 [^a-zA-Z0-9_] \d 匹配任何十进制数字；这等价于类 [0-9] \D 匹配任何非数字字符；这等价于类 [^0-9] \s 匹配任何空白字符；这等价于类 [ \t\n\r\f\v] \S 匹配任何非空白字符；这相当于类 [^ \t\n\r\f\v] \A 仅匹配字符串的开头。 当不在 MULTILINE 模式时，\A 和 ^ 实际上是相同的。 在 MULTILINE 模式中，它们是不同的: \A 仍然只在字符串的开头匹配，但 ^ 可以匹配在换行符之后的字符串内的任何位置。 \Z 只匹配字符串尾。 \b 字边界。 这是一个零宽度断言，仅在单词的开头或结尾处匹配。 单词被定义为一个字母数字字符序列，因此单词的结尾由空格或非字母数字字符表示。 \B 另一个零宽度断言，这与 \b 相反，仅在当前位置不在字边界时才匹配。
|	或匹配：或运算符。 如果 A 和 B 是正则表达式，A|B 将匹配任何与 A 或 B 匹配的字符串。 | 具有非常低的优先级，以便在交替使用多字符字符串时使其合理地工作。 Crow|Servo 将匹配 'Crow' 或 'Servo'，而不是 'Cro'、'w' 或 'S' 和 'ervo'。 要匹配字面 '|'，请使用 \|，或将其括在字符类中，如 [|]。
()	分组匹配：组由 '('，')' 元字符标记。 '(' 和 ')' 与数学表达式的含义大致相同；它们将包含在其中的表达式组合在一起，你可以使用重复限定符重复组的内容，例如 *，+，? 或 {m,n}。 例如，(ab)* 将匹配 ab 的零次或多次重复。'(ab)*'的匹配结果，如'ababababab'的位置是(0, 10) 。（注意：如果使用了分组分配，那么分组也会作为子集返回）

2、应用匹配

方法 / 属性	目的
match()	确定正则是否从字符串的开头匹配。
search()	扫描字符串，查找此正则匹配的任何位置。
findall()	找到正则匹配的所有子字符串，并将它们作为列表返回。
finditer()	找到正则匹配的所有子字符串，并将它们返回为一个 iterator。
group()	返回正则匹配的字符串
start()	返回匹配的开始位置
end()	返回匹配的结束位置
span()	返回包含匹配 (start, end) 位置的元组

3、编译标志

编译标志允许你修改正则表达式的工作方式。 标志在 re 模块中有两个名称，长名称如 IGNORECASE 和一个简短的单字母形式，例如 I。 （如果你熟悉 Perl 的模式修饰符，则单字母形式使用和其相同的字母；例如， re.VERBOSE 的缩写形式为 re.X。）多个标志可以 通过按位或运算来指定它们；例如，re.I | re.M 设置 I 和 M 标志。

标志	含意
ASCII, A	使几个转义如 \w、\b、\s 和 \d 匹配仅与具有相应特征属性的 ASCII 字符匹配。
DOTALL, S	使 . 匹配任何字符，包括换行符。
IGNORECASE, I	进行大小写不敏感匹配。
LOCALE, L	进行区域设置感知匹配。
MULTILINE, M	多行匹配，影响 ^ 和 $。
VERBOSE, X （为 '扩展'）	启用详细的正则，可以更清晰，更容易理解。