Python 中的正则表达式全部用法速查

正则表达式

正则语法

特性

• 正则表达式可以拼接,如果A和B都是正则表达式,那么 AB也是正则表达式.如果字符串p匹配A并且另一个字符串q匹配B, 那么pq可以匹配 AB.这就构成了由简单构建复杂的基础.除非:
  • A或者B包含低优先级操作
  • A和B存在边界条件
  • 存在命名组引用。

字符

元字符 : 特殊字符

它们不匹配自己,在正则中具有其它的意义,匹配自己需要转义.

元字符的完整列表:

基础字符

字符	功能
\	转义
[ ]	匹配一类单个字符,在里面的字符除了[- ^ \s \S \d \D \w \W] 都是普通字符
()	分组.与数学中括号的作用大致相同.将括号内的内容视作一个独立字符或部分.

零宽度断言

它们不用来代表字符,用来实现一些特殊的匹配功能

字符	功能
|	“or”运算符,优先级非常低.存在短路现象
^	[ ]内字符集的取反,或写在模式开头,代表以模式开头.MULTILINE 模式中,可以匹配在换行符之后的字符串内的任何位置。
$	写在模式结尾,代表以模式结尾.只有\n在结尾也算匹配成功
\A	不在 MULTILINE 模式时,和 ^ 相同.MULTILINE 模式中,\A 仍然只在字符串开头匹配
\Z	只匹配字符串尾
\b	匹配完整单词,前后都是非字母数字字符:r'\bclass\b'.必须使用r'',因为Python会把\b解析为退格
\B	不在字边界时才匹配
\number	匹配数字代表的组合

重复限定

• 它们不能直接嵌套使用,避免了非贪婪后缀 ? 修饰符，和其他实现中的修饰符产生的多义性
• 可以使用括号包围再进行嵌套

字符	功能
.	匹配一个任意字符一次,是否包括换行符取决于DOTALL参数
{m,n}	匹配前一个字符的出现次数范围, m<=出现次数<=n. 可以缺省其中一个,视为0或无上限
{m}	匹配前一个字符的m个重复,少于 m 的话就会导致匹配失败
*	{0,} 它的匹配是 贪婪的,先尽可能多地匹配,不成功再回退.
+	{1,}
?	{0,1}, 代表一个可选字符.还可做非贪婪后缀修饰符

一类单个字符

语法	含义	同义替换
[abc]	a 或 b 或 c	a|b|c
[a-z]	a-z 所有字符
[^5]	除了5所有的字符
\d	数字	[0-9]
\D	非数字	[^0-9]
\s	空白符	[\t\n\r\f\v]
\S	非空白符	[^ \t\n\r\f\v]
\w	大小写字母与数字	[a-zA-Z0-9_ ]
\W	非字母与数字	[^a-zA-Z0-9_ ]

Python 中的正则 – re 模块

参考链接

Python re模块 官方文档

Python 正则入门 官方教程

特性

• 模式和被搜索的字符串既可以是 Unicode 字符串str ，也可以是8位字节串bytes.但不能混用.
• 反斜杠灾难: python字符串中和正则中 / 都是转义字符,所以需要二次转义.正则中一个 ‘/’ 在字符串中就会写成 ‘’.解决方法是尽量使用 Python 的原始字符串表示法,在字符串前加 r ,例如: r’/'
• 第三方模块regex, 提供了与标准库re模块兼容的API接口, 同时还提供了额外的功能和更全面的Unicode支持。
• 正则表达式模式被编译成一系列字节码，然后由用 C 编写的匹配引擎执行.
• 适当选择代码和正则: 虽然 Python 代码比精心设计的正则表达式慢，但它也可能更容易理解.
• 是Python附带的C扩展模块

API

编译正则

import re
p = re.compile('ab*')

//还可以接受一个可选的flag参数,用于启用各种特殊功能和语法变体
re.compile('ab*',re.IGNORECASE)

编译标志(选项)

标志(前加 re.)	缩写	含义
ASCII	A	使几个转义如 \w、\b、\s 和 \d 仅与具有相应的 ASCII 字符匹配而不是完整匹配Unicode
DOTALL	S	使 . 匹配任何字符,包括换行符,否则不包括换行符
IGNORECASE	I	忽略大小写
LOCALE	L	进行区域设置感知匹配,应用于考虑到语言差异的程序
MULTILINE	M	多行匹配，将每行(以换行符为分割)视作单独的字符串.
VERBOSE	X	忽略正则中不在字符类里的空格将被忽略.使用户可以使用**空格,缩进,注释(#)**美化正则的格式
DEBUG	无	显示编译时的debug信息

# VERBOSE
pat = re.compile(r"""
 \s*                 # Skip leading whitespace
 (?P<header>[^:]+)   # Header name
 \s* :               # Whitespace, and a colon
 (?P<value>.*?)      # The header's value -- *? used to
                     # lose the following trailing whitespace
 \s*$                # Trailing whitespace to end-of-line
""", re.VERBOSE)

匹配方法

正则对象的方法和属性

方法/属性 - 正则编译后的对象.方法名()	功能
match('字符串'[,起始位置[,结束位置]])	从字符串开头开始匹配,返回匹配对象
search('字符串'[,起始位置[,结束位置]])	找到第一个匹配成功的子字符串,返回匹配对象
findall('字符串'[,起始位置[,结束位置]])	找到并用列表返回所有匹配的子字符串
finditer('字符串'[,起始位置[,结束位置]])	找到并返回所有匹配成功的匹配对象的iterator
fullmatch('字符串'[,起始位置[,结束位置]])	对被查找串的完整匹配,相当于加了[^…$],返回匹配对象
split('字符串',最大分割数=0)	在正则匹配的所有地方将其拆分为列表.默认分割所有.就地
sub('表达式','字符串',替换次数=0)	替换匹配到的位置,默认替换所有.就地
subn('表达式','字符串',替换次数=0)	与 sub() 相同,但返回新字符串和替换次数.就地
flags	标记 参数 选项
groups	捕获组合的数量
groupindex	命名捕获组的字典,如果没有命名捕获组则字典为空
pattern	编译对象的原始样式字符串

模块的顶级方法

• 顶级函数允许同时传入正则表达式和要匹配的字符串,返回值和re.compile下方法的返回值相同

• 但是如果需要多次匹配,且正则表达式相同,则会进行很多次不必要的编译

• 每个函数还能在后面传入一个可选的标志参数,只能有一个标志

方法/属性 - re.方法名()	功能
match('表达式','字符串',标志)	从字符串开头开始匹配,返回匹配对象
search('表达式','字符串',标志)