Python正则小结

字符匹配

. 任意字符（除了换行）
\w 字母数字及下划线
\d 数字
\s 空白符

\W 非字母数字及下划线
\D 非数字
\S 非空白符

\t, \n, \r 制表符，换行符，退格符

长度匹配

* 　　任意个字符
+　　至少一个字符
?　　　0或1个字符
{n,m}　n-m个字符
{n}　　表示n个字符

范围控制

范围表示 [0aA] [0-9a-zA-Z] [^0-9a-z] ## 注：只匹配一个

\b 匹配单词首或尾边界，以 \W 为边界
\B [^b]，以 \w 为边界

或者 |

某种开头 ^

某种结尾 $

分组()

特殊字符，使用 \ 进行转义

匹配模式

默认贪婪模式，匹配尽可能多的字符
使用 ? 变为非贪婪模式：+? *?

默认为单行搜索，不匹配换行符

python 正则模块 re

re.match(pattern, str, flags=0) # 从字符串开头匹配
re.search(pattern, str, flags=0) # 从任意位置搜索，返回第一次匹配的结果
flags 有：
- re.I（re.IGNORECASE)　　忽略大小写
- re.L（re.LOCALE）　　　　使 \w,\W,\b,\B,\s 本地化
- re.M（re.MULTILINE）　　多行模式，匹配换行符，影响 ^ 和 $
- re.S（re.DOTALL）　　　　使 . 匹配所有字符，包括换行
- re.U（re.UNICODE）　　　按Unicode标准来考虑 \w, \W, \b, \B, \d, \D, \s, \S
- re.X（re.VERBOSE）　　忽略空白符（除非在字符串或’\’之后），可以使用’#’号注释，不过不能在字符串或’\’之后

RegexObject.group(num=0) 　# 返回匹配的以及分组的结果
RegexObject.groups() 　　　　# 返回分组的结果

m=re.match(r’^(\d{3})-(\d{3,8})$’, ‘010-12345’)　 # search 用法一样
m.group() 　# 010-12345
m.group(0) 　# 010-12345
m.group(1) 　# 010
m.group(2) 　# 12345
m.groups() 　# (‘010’,’12345’)

re.findall(pattern, str, flags=0) 　# 搜索方式和search相同，不过以列表返回全部搜索结果
re.finditer(pattern, str, flags=0) 　# 类似findall，不过返回一个迭代对象

re.sub(pattern, repl, string, count=0, flags=0) # 字符串替换，按 pattern 在 string 中搜索，搜索到的替换为 repl

re.split(pattern, str, flags=0) # 以正则模式进行分割

编译

在python中使用正则表达式时，re模块会先编译正则表达式，再用编译的正则表达式去匹配字符串

re.compile() # 预编译，出于效率的考虑，以重复使用预编译的正则表达式

re_telphone = re.compile(r’^(\d{3})-(\d{3,8})$’)
re_telphone.match(‘010-12345’).groups()