Python之正则表达式

regular expression----regex--------RE
是用来简洁表达一组字符串的表达式，也可以用来判断某字符串是否有某一特征。
正则表达式的语法:由字符和操作符构成

字符	描述
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围，[abc]=a,b,c
[^]	[^abc]=非a或非b或非c的单个字符
*	*的前一个字符0次或无限次扩展
+	+的前一个字符1次或无限次扩展
？	？的前一个字符0次或1次扩展
|	左右表达式任意一个
{m}	扩展前一个字符m次，ab{2}c=abbc
{m.n}	扩展前一个字符m至n次（包含n），ab{1,2}c=abc,abbc
^	匹配字符串开头，^abc=以abc开头的字符串
$	匹配字符串结尾，$abc = 以abc结尾的字符串
()	分组标记，内部只能使用
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Zz-a0-9]

Eg.
P(Y|YT|YTH|YTHO)?N <<=>> ‘PN’,‘PYN’,‘PYTN’,‘PYTHN’,‘PYTHON’
常用正则表达式

正则表达式	说明
^[A-Za-z]+$	26个字母组成的字符串
^[A-Za-z0-9]+$	26个字母和10个数字组成的字符串
^-?\d+$	整数形式的字符串
^[0-9]*[1-9][0-9]*$	正整数形式的字符串
[1-9]\d{5}	中国境内邮政编码，6位
[\u4e00-\u9fa5]	匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7}	国内电话号码，010-68913536
(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])	IP地址

Notes：^…$规定了字符串的开头与结尾

RE库
import re
表示类型：

• raw srting类型(原生字符串类型:不包含转义符的字符串) r’text
  Eg: r’[1-9]\d{5}
• string 类型，使用起来比较繁琐

Re库的主要功能函数
用法：regex=re.complie(pattern,flags=0)
rst=regex.search(string)

函数	说明
.search(string,flags=0)	在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
.match(string,flags=0)	在一个字符串的开始位置起匹配正则表达式，返回match对象
.findall(string,flags=0)	搜索字符串，以列表类型返回全部能匹配的子串
.split(string,maxsplit=0,flags=0)	将一个字符串按照正则表达式匹配结果进行分割（正则表达式匹配的部分会作为分隔符，在返回结果中被去掉），返回列表类型
.finditer(string,flags=0)	搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象，用于for循环语句
.sub(repl,string,count=0,flags=0)	在一个字符串中替代所有正则表达式匹配的子串，返回替代后的字符串

参数介绍：
pattern: 正则表达式
string:待匹配字符串
flags:控制标记
re.I(re.IGNORECASE):不区分大小写
re.M(re.MULTILINE):使正则表达式中的^对每一行起作用
re.S(re.DOTALL):正则表达式中的 . 可以匹配所有字符，在不加该控制符时，. 是不能匹配换行符的。
maxsplit:最大分割数，剩余部分不在做比配分割作为最后一个元素输出。
repl:用来替换string里的字符串
count:替换的次数
match对象

属性	说明
.string	待匹配的文本
.re	匹配时使用的pattern对象（正则表达式）
.pos	获取正则表达式从哪一位开始搜索文本的
.endpos	获取正则表达式从哪一位结束搜索文本的

方法	说明
.group(0/1/2/…)	获得匹配后的字符串
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串的结束位置
.span()	返回（.start(), .end()）

贪婪匹配------输出匹配的最短的字串
最小匹配------输出匹配的最短的子串

操作符	说明
*?	前一个字符0次或无限次扩展，最小匹配
+?	前一个字符1次或无限次扩展，最小匹配
??	前一个字符0次或1次扩展，最小匹配
{m,n}?	扩展前一个字符m至n次（含n），最小匹配