正则表达式技巧

下面是几种关键的正则表达式的属性以及用法总结，并不是太全，深入话题查询python文档即可

常见正则表达式属性

函数\方法	描述
compile(pattern,flags=0)	使用任何可选的标记来编译正则表达式的模式，返回一个正则表达式对象
match(pattern,string,flags=0)	尝试用于正则表达式模板匹配字符串，匹配成功返回结果，若失败则返回None
search(pattern,string,flags)	尝试使用正则表达式标记匹配字符串，尝试匹配第一次符合模式的地方，并返回结果，若匹配失败，则返回None
findall(pattern,string,[.flags])	查找字符串中所有非重复的正则表达式模式，返回一个匹配列表
*finditer(pattern,string,[,flags])	查找字符串中所有非重复正则表达式模式结果，返回是一个迭代器类型，一次产生一个结果
split(pattern,string,max=0)	split函数根据正则表达式分隔字符串，分隔为列表类型，返回列表类型，max控制最大分隔次数，默认分隔所有成功匹配的模式
sub(pattern,repl,string,count)	使用repl替换正则表达式匹配成功的字符串位置，count控制最大替换次数
purge()	清除隐式编译的正则表达式模式
group(num)	返回所有匹配对象，或是编号为num的匹配子组
groups(default=None)	返回所有由匹配子组构成的元组，若没有匹配成功，则返回一个空元组
groupdict(default=None)	返回所有匹配的命名子组，以子组名作为键，若没有匹配成功，则返回空字典
re.I,re.IGNORECASE	不区分大小写匹配**
re.L,re.LOCALE	根据所使用的本地语言环境通过\w、\W、\b、\B、\s、\S 实现匹配
re.M,re.MULTLINE	^和$分别匹配目标字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和结尾
re.S、rer.DOTALL	“.”（点号）通常匹配除了\n（换行符）之外的所有单个字符；该标记表示“.”（点号）能够匹配所有的字符
re.X、re.VERBOSE	通过反斜线转义，否则所有空格加上#（以及在该行中所有后续文字）都被忽略，除非在一个字符类中或者允许注释并且提高可读性

• 几点说明：

  • purge()函数用于清理正则表达式在系统中的缓存
  • 使用re.compile()可以提升性能
  • 预编译比处理字符串更快

  import re
  
  re.match("foo","food on the table").group()
  re.search("foo","seafood").group()
  
  patt = 'w\+@(\w+\.)?\w+\.com'
  re.match(patt, 'nobody@xxx.com').group()
  re.match(patt, 'nobody@www.xxx.com').group()
  
  m=re.search("\bthe","bitthe dog")
  m_=re.search("\Bthe","bitethe dog")
  print(m_.group())
  
  s = 'This and that.'
  re.findall(r'(th\w+) and (th\w+)', s, re.I)
  re.finditer(r'(th\w+) and (th\w+)', s,re.I).next().groups()
  re.finditer(r'(th\w+) and (th\w+)', s, re.I).next().group(2)
  [g.groups() for g in re.finditer(r'(th\w+) and (th\w+)',s, re.I)]  #列表推导式，注意re.I的使用
  
  s="This and that"
  it=re.finditer(r'(th\w+) and (th\w+)',s,re.I)
  g=it.next()
  print(g.groups())
  
  re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3', '2/20/91') # Yes, Python is...'20/2/91'
  #使用编号子组可以调换位置
  re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})', r'\2/\1/\3', '2/20/1991') # ... 20+ years old!'20/2/1991'
      
  

  • match函数匹配字符串开头的模式

  • 可使用python原生的面向对象特性，直接调用group方法即可，省去中间步骤

  • search函数将指定的字符数与正则表达式模式进行匹配，并返回第一次匹配成功的结果，若失败，则返回None

  • match函数，只能匹配正则表达式模式与所要匹配的字符串的头处开始匹配，一旦未成功匹配返回错误

  • 注意特殊字符集的使用以及转义字符的应用

  • “\B"和”\b“这两个特殊字符应该注意，\B匹配非单词边界，不限于单词边界，\b则必须匹配孤立的单词边界才可以

  • 在正则表达式中使用原始字符r是一个好的习惯，原生字符可以避免ascii码的冲突问题以及频繁使用反斜杠\的困扰

  • findall函数返回所有成功匹配的一个列表，若失败，返回为空

  • finditer函数则返回一个迭代器，配合子组使用效率较高

  • re.sub函数替换源字符串中匹配的模式，re.subn会返回替换的次数

• 反斜杠\的作用：

  • 反斜杠后边跟元字符去除特殊功能：即转义
  • 反斜杠后边跟普通字符实现特殊功能：即变为特殊预定义字符
  • 引用序号对应的字组所匹配的字符串：即使用匹配得到的子组元素

  好啦，这就是正则表达式的几点总结和理解，希望对各位有帮助