python正则表达式

1、元字符

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，‘n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 ‘\’ 匹配 “” 而 “(” 则匹配 “(”
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置
$	匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}
+	匹配前面的子表达式一次或多次。例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}
?	匹配前面的子表达式零次或一次。例如，“do(es)?” 可以匹配 “do” 或 “does” 。? 等价于 {0,1}
{n}	n 是一个非负整数。匹配确定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o
{n,}	n 是一个非负整数。至少匹配n 次。例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 “oooo”，‘o+?’ 将匹配单个 “o”，而 ‘o+’ 将匹配所有 ‘o’
.	匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用像"(.
x|y	匹配 x 或 y。例如，‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”
[xyz]	字符集合。匹配所包含的任意一个字符。例如， ‘[abc]’ 可以匹配 “plain” 中的 ‘a’
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’、‘l’、‘i’、‘n’
[a-z]	字符范围。匹配指定范围内的任意字符。例如，’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符
\d	匹配一个数字字符。等价于 [0-9]
\D	匹配一个非数字字符。等价于 [^0-9]
\f	匹配一个换页符。等价于 \x0c 和 \cL
\n	匹配一个换行符。等价于 \x0a 和 \cJ
\r	匹配一个回车符。等价于 \x0d 和 \cM
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]
\t	匹配一个制表符。等价于 \x09 和 \cI
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK
\w	匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’
\W	匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，’\x41’ 匹配 “A”。’\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码
[ ]	字符集合，表示匹配方括号中所包含的任意一个字符
\A	匹配字符串开始，它和^的区别是，\A只匹配整个字符串的开头，即使在re.M模式下也不会匹配它行的行首
\Z	匹配字符串结束，它和$的区别是，\Z只匹配整个字符串的结束，即使在re.M模式下也不会匹配它行的行尾
(xyz)	匹配小括号内的xyz（作为一个整体）
x|y	表示或，匹配的是x或y
	*? +? ??: 最小匹配，非贪婪匹配

2、正则方法

flags标志符

flags：标志符，用于控制正则表达式的匹配方式，值如下：
re.I: 忽略大小写
re.L: 做本地化识别
re.M: 多行匹配，影响^和$
re.S: 使.匹配包括换行符在内的所有字符
re.U: 根据Unicode字符集解析字符，影响\w \W \b \B
re.X: 使我们以更灵活的格式理解正则表达式

2.1 re.match()

原型：match(pattern, string, flags=0)
参数：
pattern: 匹配的正则表达式
string: 目标字符串
flags: 标志位，用于控制正则表达式的匹配结果
功能：尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，返回None

print(re.match("www", "www.baidu.com"))     				#能匹配到www
print(re.match("www", "baidu.www.com"))     				#不能匹配到www
print(re.match("www", "wWw.baidu.com", flags=re.I))     	#能匹配到wWw

2.2 re.search()

原型：search(pattern, string, flags=0)
参数：
pattern: 匹配的正则表达式
string: 目标字符串
flags:
功能：扫描整个字符串，并返回第一个成功的匹配

print(re.match("www", "www.baidu.www.com").span())     	#能匹配到www
print(re.match("www", "baidu.www.com"))     			#不能匹配到www

2.3 re.findall()

原型：findall(pattern, string, flags=0)
参数：
pattern: 匹配的正则表达式
string: 目标字符串
flags:
功能：扫描整个字符串，并返回结果列表

print(re.findall("good", " he is a good man, very good."))  	#['good', 'good']

2.4 re.split()

原型：split(pattern, string, maxsplit=0, flags=0)
参数：
pattern: 匹配的正则表达式
string: 目标字符串
maxsplit: 设置切割次数
flags:
功能：字符串切割

print(re.split(" +", "he is a good man"))   	#['he', 'is', 'a', 'good', 'man']

2.5 re.finditer()

原型：finditer(pattern, string, flags=0)
参数：
pattern: 匹配的正则表达式
string: 目标字符串
flags:
功能：与findall类似，扫描整个字符串，返回的是一个迭代器

ret = re.finditer("good", "he is a good man,good.") 	#返回一个迭代器
print(next(ret))    		#<re.Match object; span=(8, 12), match='good'>
print(next(ret))    		#<re.Match object; span=(17, 21), match='good'>

2.6 re.sub() 和 re.subn()

原型：sub/subn(pattern, repl, string, count=0, flags=0)
参数：
pattern: 匹配的正则表达式
repl: 指定的用来替换的字符串
string: 目标字符串
count: 最多替换次数
flags:
功能：在目标字符串中以正则表达式的规则匹配字符串，再把他们替换成指定的字符串。可以指定替换的次数，如果不指定，替换所有的匹配字符串
区别：
sub: 返回一个被替换的字符串
subn: 返回一个元祖，第一个元素为被替换的字符串，第二个元素表示被替换的次数

print(re.sub("good", "nice", "he is a good man, very good."))   	# he is a nice man, very nice.
print(re.subn("good", "nice", "he is a good man, very good."))   	#('he is a nice man, very nice.', 2)

2.7 re.group() 和 re.groups()

分组：除了简单的判断是否匹配之外，正则表达式还有提取子串的功能。用()表示的就是提取分组
组命名：
如：re.match((?P\d{3})-(?P\d{8})", str1)"
给第一组命名为firstt，第二组命名为last，可通过组名访问组，如：m.group(“first”)

str1 = "010-12345789"
m = re.match("(\d{3})-(\d{8})", str1)
print(m.group(0))   	#010-12345789   代表原始字符串，即str1
print(m.group(1))		#010   第一个分组，即(\d{3})
print(m.group(2))   	#12345789   第二个分组，即(\d{8})
print(m.groups())   	#('010', '12345789')   查看匹配的各组的情况

2.8 re.compile()

原型：compile(pattern, flags=0)
编译：当我们使用正则表达式时，re模块会：
1）编译正则表达式，如果正则表达式本身不合法，报错
2）用编译后的正则表达式去匹配对象

pat = r"^1(([3578]\d)|(47))\d{8}$"
re_telephone = re.compile(pat)
print(re_telephone.match("13612345678"))    #<re.Match object; span=(0, 11), match='13612345678'>