python-正则表达式regex-知识点

• import re 导入re模块

  \d是一个正则表达式，表示一位数字字符

  \d{3}表示匹配该模式3次==\d\d\d

  向 re.compile()传入一个字符串值，表示正则表达式，它将返回一个 Regex 模式对象

  search()方法查找传入的字符串，寻找该正则表达式的所有匹配。若没匹配到，返回None；匹配到了，返回Match对象。

• Match 对象有一个 group()方法，它返回被查找字符串中实际匹配的文本

  import re
  
  phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
  # r'\d\d\d-\d\d\d-\d\d\d\d' is 原始字符串
  mo = phoneNumRegex.search('My number is 415-555-4242.')
  print('Phone number found: ' + mo.group())
  # Phone number found: 415-555-4242
  

• 利用括号分组，可以使用 group()匹配对象方法，从一个分组中获取匹配的文本

  group()可以传递参数：默认是0或不传参数，返回匹配的整个文本

  groups()可以获得所有分组，返回多个值的元组

  phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
  mo = phoneNumRegex.search('My number is 415-555-4242.')
  print(mo.group(1))
  # 415
  print(mo.groups())
  # ('415', '555-4242')
  

• 正则表达式匹配括号(或)，使用[ ]

  imgfile = re.compile(r'.*?([(])(\d*)([)])')
  mo = imgfile.search('img(32)')
  mo.groups()
  # ('(', '32', ')')
  

• 用管道|匹配多个分组 匹配多个表达式中的一个 ≈or

  若字符串里有多个匹配成功，第一个出现的文本，会作为Match对象返回

  若匹配的多个字符前缀相同，可以使用括号
  eg：‘Batman’、‘Batmobile’、‘Batcopter’和’Batbat’可以写成 re.compile(r’Bat(man|mobile|copter|bat)’)

• 问号？ 匹配零次或一次 (\d)? 表示匹配单个数字零次或一次

• 星号* 匹配零次或多次

• 加号+ 匹配一次或多次

• 花括号{} 匹配指定次数
  (hi){2}表示匹配字符串’hihi’
  (hi){2,5}表示匹配的字符串里的hi可以是2~5个hi
  r’(hi){3,5}’ 默认匹配最长的’hihihihihi’ （贪心匹配）
  r’(hi){3,5}?'加一个问号匹配最短的’hihihi （非贪心匹配）

• findall()方法，可以匹配所有符合的文本 返回一个字符串列表或返回一个字符串的元组的列表

  >>> phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')	# 没有分组
  >>> phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000')
  ['415-555-9999', '212-555-0000']
  

  >>> phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)') # 有分组
  >>> phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000')
  [('415', '555', '1122'), ('212', '555', '0000')]
  

• 缩写字符分类	表示
  \d	0 到 9 的任何数字
  \D	除 0 到 9 的数字以外的任何字符
  \w	任何字母、数字或下划线字符（可以认为是匹配“单词”字符）
  \W	除字母、数字和下划线以外的任何字符
  \s	空格、制表符或换行符（可以认为是匹配“空白”字符）
  \S	除空格、制表符和换行符以外的任何字符
  .	通配字符.匹配除了换行之外的所有字符
  .*	匹配所有字符

  .*? 非贪心模式
  .* 贪心模式

• re.compile(‘.*’, re.DOTALL)
  通过传入 re.DOTALL 作为 re.compile()的第二个参数，可以让句点字符匹配所有字符，包括换行字符。

• re.IGNORECASE 或 re.I
  忽略匹配的大小写

• 建立自己的字符分类
  用方括号定义自己的字符分类
  用短横表示字母或数字的范围
  在字符分类的左方括号后加上一个插入字符（^），就可以得到“非字符类”
  re.compile(r’[^a-zA-Z0-9]') # 将匹配所有小写字母、大写字母、数字和非字符类（.?*等）

• 插入字符^和美元字符$

  必须使用正则表达式
  ^以xxx开头 $以xxx结尾

  >>> wholeStringIsNum = re.compile(r'^\d+$') 
  >>> wholeStringIsNum.search('1234567890')
  <_sre.SRE_Match object; span=(0, 10), match='1234567890'>
  >>> wholeStringIsNum.search('12 34567890') == None
  True
  

• sub()方法替换字符串

  >>> namesRegex = re.compile(r'Agent \w+')		# \w+ 任意子母、数字或下划线匹配多次
  >>> namesRegex.sub('CENSORED', 'Agent Alice gave the secret documents to Agent Bob.')
  'CENSORED gave the secret documents to CENSORED.'
  

  >>> agentNamesRegex = re.compile(r'Agent (\w)\w*') 		# (\w)分组
  >>> agentNamesRegex.sub(r'\1****', 'Agent Alice told Agent Carol that Agent 
  Eve knew Agent Bob was a double agent.')
  A**** told C**** that E**** knew B**** was a double agent.'
  

• 较复杂的正则表达式
  re.VERBOSE
  忽略正则表达式字符串中的空白符和注释

  phoneRegex = re.compile(r'((\d{3}|\(\d{3}\))?(\s|-|\.)?\d{3}(\s|-|\.)\d{4}
  (\s*(ext|x|ext.)\s*\d{2,5})?)')
  

  可以写成下面的代码，清晰易懂

  phoneRegex = re.compile(r'''(
   (\d{3}|\(\d{3}\))? 			# area code
   (\s|-|\.)? 					# separator
   \d{3} 							# first 3 digits
   (\s|-|\.) 						# separator
   \d{4} 							# last 4 digits
   (\s*(ext|x|ext.)\s*\d{2,5})? 	# extension
   )''', re.VERBOSE)
  

• 第二个参数只能传一个，若想传入多个可以使用|按位符

  re.compile(‘foo’, re.IGNORECASE | re.DOTALL | re.VERBOSE)

---

Regex Tester - Javascript, PCRE, PHP
Test your Javascript and PCRE regular expressions online
在线测试Javascript和PCRE正则表达式