正则表达式的元字符有. ^ $ * ? { [ ] | ( )
.表示任意字符
[]用来匹配一个指定的字符类别,所谓的字符类别就是你想匹配的一个字符集,对于字符集中的字符可以理解成或的关系。
^如果放在字符串的开头,则表示取非的意思。[^5]表示除了5之外的其他字符。而如果^不在字符串的开头,则表示它本身。
具有重复功能的元字符:
*对于前一个字符重复0到无穷次
对于前一个字符重复1到无穷次
?对于前一个字符重复0到1次
{m,n}对于前一个字符重复次数在为m到n次,其中,{0,} = *,{1,} = , {0,1} = ?
{m}对于前一个字符重复m次
\d匹配任何十进制数;它相当于类 [0-9]。
\D匹配任何非数字字符;它相当于类 [^0-9]。
\s匹配任何空白字符;它相当于类 [ fv]。
\S匹配任何非空白字符;它相当于类 [^ fv]。
\w匹配任何字母数字字符;它相当于类 [a-zA-Z0-9_]。
\W匹配任何非字母数字字符;它相当于类 [^a-zA-Z0-9_]。
正则表达式(可以称为REs,regex,regexpattens)是一个小巧的,高度专业化的编程语言,它内嵌于python开发语言中,可通过re模块使用。正则表达式的
pattern可以被编译成一系列的字节码,然后用C编写的引擎执行。下面简单介绍下正则表达式的语法
正则表达式包含一个元字符(metacharacter)的列表,列表值如下: .^ $ * + ? { [ ] \ | ( )
1.元字符([ ]),它用来指定一个characterclass。所谓character classes就是你想要匹配的字符(character)的集合.字符(character)可以单个的列出,也可以通过"-"来分隔两个字符来表示一 个范围。例如,[abc]匹配a,b或者c当中任意一个字符,[abc]也可以用字符区间来表示---[a-c].如果想要匹配单个大写字母,你可以用 [A-Z]。
元字符(metacharacters)在characterclass里面不起作用,如[akm$]将匹配"a","k","m","$"中的任意一个字符。在这里元字符(metacharacter)"$"就是一个普通字符。
2.元字符[^]. 你可以用补集来匹配不在区间范围内的字符。其做法是把"^"作为类别的首个字符;其它地方的"^"只会简单匹配 "^"字符本身。例如,[^5] 将匹配除 "5" 之外的任意字符。同时,在[ ]外,元字符^表示匹配字符串的开始,如"^ab+"表示以ab开头的字符串。
举例验证,
>>>m=re.search("^ab+","asdfabbbb")
>>>print m
None
>>>m=re.search("ab+","asdfabbbb")
>>>print m
<_sre.SRE_Matchobject at 0x011B1988>
>>>print m.group()
abbbb
上例不能用re.match,因为match匹配字符串的开始,我们无法验证元字符"^"是否代表字符串的开始位置。
>>>m=re.match("^ab+","asdfabbbb")
>>>print m
None
>>>m=re.match("ab+","asdfabbbb")
>>>print m
None
#验证在元字符[]中,"^"在不同位置所代表的意义。
>>>re.search("[^abc]","abcd") #"^"在首字符表示取反,即abc之外的任意字符。
<_sre.SRE_Matchobject at 0x011B19F8>
>>>m=re.search("[^abc]","abcd")
>>>m.group()
'd'
>>>m=re.search("[abc^]","^") #如果"^"在[ ]中不是首字符,那么那就是一个普通字符
>>>m.group()
'^'
不过对于元字符”^”有这么一个疑问.官方文档http://docs.python.org/library/re.html有关元字符”^”有这么一句话,Matches the start
ofthe string, and in MULTILINE modealso matches immediately after each newline.
我理解的是”^”匹配字符串的开始,在MULTILINE模式下,也匹配换行符之后。
>>>m=re.search("^a\w+","abcdfa\na1b2c3")
>>>m.group()
'abcdfa'
>>>m=re.search("^a\w+","abcdfa\na1b2c3",re.MULTILINE),
>>>m.group() #
'abcdfa'
我认为flag设定为re.MULTILINE,根据上面那段话,他也应该匹配换行符之后,所以应该有m.group应该有"a1b2c3",但是结果没有,用findall来尝试,可以找到结果。所以这里我理解之所以group里面没有,是因为search和match方法是匹配到就返回,而不是去匹配 所有。
>>>m=re.findall("^a\w+","abcdfa\na1b2c3",re.MULTILINE)
>>>m
['abcdfa','a1b2c3']
3.元字符(\),元字符backslash。做为 Python 中的字符串字母,反斜杠后面可以加不同的字符以表示不同特殊意义。
它也可以用于取消所有的元字符,这样你 就可以在模式中匹配它们了。例如,如果你需要匹配字符 "[" 或 "\",你可以在它们之前用反斜杠来取消它们的特殊意义: \[ 或 \\
4。元字符($)匹配字符串的结尾或者字符串结尾的换行之前。(在MULTILINE模式下,"$"也匹配换行之前)
正则表达式"foo"既匹配"foo"又匹配"foobar",而"foo$"仅仅匹配"foo".
>>>re.findall("foo.$","foo1\nfoo2\n")#匹配字符串的结尾的换行符之前。
['foo2']
>>>re.findall("foo.$","foo1\nfoo2\n",re.MULTILINE)
['foo1','foo2']
>>>m=re.search("foo.$","foo1\nfoo2\n")
>>>m
<_sre.SRE_Matchobject at 0x00A27170>
>>>m.group()
'foo2'
>>>m=re.search("foo.$","foo1\nfoo2\n",re.MULTILINE)
>>>m.group()
'foo1'
看来re.MULTILINE对$的影响还是蛮大的。
5.元字符(*),匹配0个或多个
6.元字符(?),匹配一个或者0个
7.元字符(+), 匹配一个或者多个
8,元字符(|), 表示"或",如A|B,其中A,B为正则表达式,表示匹配A或者B
9.元字符({})
{m},用来表示前面正则表达式的m次copy,如"a{5}",表示匹配5个”a”,即"aaaaa"
>>>re.findall("a{5}","aaaaaaaaaa")
['aaaaa','aaaaa']
>>>re.findall("a{5}","aaaaaaaaa")
['aaaaa']
{m.n}用来表示前面正则表达式的m到n次copy,尝试匹配尽可能多的copy。
>>>re.findall("a{2,4}","aaaaaaaa")
['aaaa','aaaa']
通过上面的例子,可以看到{m,n},正则表达式优先匹配n,而不是m,因为结果不是["aa","aa","aa","aa"]
>>>re.findall("a{2}","aaaaaaaa")
['aa','aa', 'aa', 'aa']
{m,n}? 用来表示前面正则表达式的m到n次copy,尝试匹配尽可能少的copy
>>>re.findall("a{2,4}?","aaaaaaaa")
['aa','aa', 'aa', 'aa']
10。元字符( "()" ),用来表示一个group的开始和结束。
比较常用的有(REs),(?P<name>REs),这是无名称的组和有名称的group,有名称的group,可以通过matchObject.group(name)
获取匹配的group,而无名称的group可以通过从1开始的group序号来获取匹配的组,如matchObject.group(1)。具体应用将在下面的group()方法中举例讲解
11.元字符(.)
元字符“.”在默认模式下,匹配除换行符外的所有字符。在DOTALL模式下,匹配所有字符,包括换行符。
>>>import re
>>>re.match(".","\n")
>>>m=re.match(".","\n")
>>>print m
None
>>>m=re.match(".","\n",re.DOTALL)
>>>print m
<_sre.SRE_Matchobject at 0x00C2CE20>
>>>m.group()
'\n'