python正则re的详解

python正则表达式中最常用的就是re。

import re

Regular expression operations

表达式	说明
.	匹配所有字符串，除\n以外
-	表示字符范围如[0-9]，[a-z]等等
*	匹配前面的子表达式多次。要匹配 * 字符，需要转义
+	匹配前面的子表达式多次。要匹配 +字符，需要转义
^	匹配以某个字符串开头的内容。如^ab
$	匹配以某个字符串结尾的内容。如ab$
\	转义字符
?	匹配前一个字符串0次或1次
{m}	匹配m次
{n,m}	匹配前一个字符n到m次
\d	匹配数字
\D	匹配非数字，等价于[^0-9]
\w	匹配字母和数字，等价于[A-Za-z0-9]
\W	匹配非英文字母和数字,等价于[^A-Za-z0-9]
\s	匹配空白字符，如 \t、 \n
\S	匹配非空白字符
[]	定义匹配的字符范围。如 [a-zA-Z0-9]
a|b	匹配的字符为a或者b
()	匹配括号内的任意表达式

编译正则表达式模式

re.compile(pattern, flags=0)¶

这里面的pattern就是你需要匹配的模式可以借鉴上面表中进行组合。这里的flags表示匹配的附加条件：

flags	Value
re.DEBUG	显示编译模版的信息
re.I	忽略大小写
re.L	本地化识别
re.M	多行匹配
re.S	让 ‘.’ 特殊字符匹配任何字符，包括换行符；如果没有这个标记，’.’ 就匹配 除了 换行符的其他任意字符
re.U	根据Unicode字符集解析
re.X	此标志允许您编写正则表达式，看起来更好。在模式中的空白将被忽略，除非当在字符类或者前面非转义反斜杠，和，当一条线包含一个’#‘既不在字符类中或由非转义反斜杠，从最左侧的所有字符之前，这种’#'通过行末尾将被忽略。

关于re.X的一个例子：

a = re.compile(r"""\d +  # the integral part
                   \.    # the decimal point
                   \d *  # some fractional digits""", re.X)
b = re.compile(r"\d+\.\d*")

例如这里我匹配寻找百分数的模式：

re.compile(ur"GDP\u589e\u957f\d+%",re.I)#GDP增长X%

其他一些常用正则表达模块

re.search(pattern, string, flags=0)

上面的sentence代表要匹配的数据，flags和re.compile中的意思一致。
这里的search也可以作为编译模块的一个对象，如下：

p = re.compile(ur"GDP\u589e\u957f\d+%",re.I)
p.search(string)

search用于返回第一匹配到的字串，如果没有命中则返回None

re.match(pattern, string, flags=0)

从字符串首字符匹配，返回第一个成功的字符串，如果起始位置没有没有命中则返回None

re.split(pattern, string, maxsplit=0, flags=0)

切分字符串

-->re.split('\W+', 'Words, words, words.')
-->['Words', 'words', 'words', '']
-->re.split('(\W+)', 'Words, words, words.')
-->['Words', ', ', 'words', ', ', 'words', '.', '']

re.findall(pattern, string, flags=0)

找出所有符合这个模式的字符串

re.finditer(pattern, string, flags=0)

re.sub(pattern, repl, string, count=0, flags=0)

字符串替换

re.subn(pattern, repl, string, count=0, flags=0)

执行相同的操作，如sub()，但返回一个元组（new_string， number_of_subs_made)

re.escape(pattern)

返回的字符串与所有非字母数字带有反斜

re.purge()

清除正则表达式缓存