1. 简介
正则表达式本身是一种小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，程序媛们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行。
2. 常用字符
| 普通字符 |
abc |
匹配自身 |
abc |
abc |
| 元字符 |
. |
匹配除换行符之外的任意字符 |
a.c |
abc |
| \ |
转义字符，使后一个字符改变原来的意思 |
a\.c |
a.c |
|
| * |
匹配前一个字符0或多次 |
abc* |
ab,abc |
|
| + |
匹配前一个字符1或多次 |
abc+ |
abc,abcc |
|
| ? |
匹配其前面的一个字符出现0-1次 |
abc? |
ab,abc |
|
| ^ |
匹配字符串开头。在多行模式中匹配每一行的开头 |
^abc |
abc |
|
| $ |
匹配字符串末尾，在多行模式中匹配每一行的末尾 |
abc$ |
abc |
|
| | |
或关系，匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式 |
abc|def |
abcdef |
|
| {} |
{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次 |
ab{1,2}c |
abc abbc |
|
| [] |
字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。 所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。 |
a[bcd]e |
abe ace ade
|
|
| () |
被括起来的表达式将作为分组，从表达式左边开始每遇到一个分组的左括号“（”，编号+1. 分组表达式作为一个整体，可以后接数量词。表达式中的|仅在该组中有效。 |
(abc){2} a(123|456)c |
abcabc a456c |
python中反斜杠\作用：
反斜杠后边跟元字符去除特殊功能；（即将特殊字符转义成普通字符）
反斜杠后边跟普通字符实现特殊功能；（即预定义字符）
引用序号对应的字组所匹配的字符串
|
1
2
3
|
>>>a
=
re.search(r
'(tina)(fei)haha\2'
,
'tinafeihahafeitinafeihahatina'
).group()
>>>
print
(a)
tinafeihahafei
|
3. 预定义字符(可以在字符集[]中匹配)
| 字符集 |
释义 |
列举 |
Result |
| \d |
任何十进制数字;[0-9] |
a\bc |
a1c |
| \D |
非数字:[^\d] |
a\Dc |
abc |
| \s |
匹配任何空白字符:[<空格>\t\r\n\f\v] |
a\sc |
a c |
| \S |
非空白字符:[^\s] |
a\Sc |
abc |
| \w |
匹配包括下划线在内的任何字符:[A-Za-z0-9_] |
a\wc |
abc |
| \W |
匹配非字母数字字符: [^a-zA-Z0-9],即匹配特殊字符 |
a\Wc |
a c |
| \b |
匹配\w和\W之间，即匹配单词边界匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er' |
\babc\b a\b!bc |
空格abc空格 a!bc |
| \B |
[^\b] |
a\Bbc |
abc |
| \A |
仅匹配字符串开头,同^ |
\Aabc |
abc |
| \z |
仅匹配字符串结尾,同$ |
abc\Z |
abc |
4. 特殊分组用法
| (?P<name>) |
分组，除了原有的编号外再指定一个额外的别名 |
(?P<id>abc){2} |
abcabc |
| (?P=name) |
引用别名为<name>的分组匹配到字符串 |
(?P<id>\d)abc(?P=id) |
1abc1 5abc5 |
| \<number> |
引用编号为<number>的分组匹配到字符串 |
(\d)abc\1 |
1abc1 5abc5 |
5. re模块功能函数
a．compile()
编译正则表达式模式，返回一个对象的模式。（即把常用的正则表达式编译成正则表达式对象）
re.compile(pattern,flags=0)
pattern 编译时用的表达式字符串。
flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，行匹配等。
常用的flags有：
| 标志 |
含义 |
| re.S(DOTALL) |
使.匹配包括换行在内的所有字符 |
| re.I（IGNORECASE） |
使匹配对大小写不敏感 |
| re.L（LOCALE） |
做本地化识别（locale-aware)匹配，法语等 |
| re.M(MULTILINE) |
多行匹配，影响^和$ |
| re.X(VERBOSE) |
该标志通过给予更灵活的格式以便将正则表达式写得更易于理解 |
| re.U |
根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B |
b．match()
只匹配起始位置(起始位置是否可以匹配成功)，匹配单个(匹配成功返回一个对象，未匹配成功返回None)
match(pattern, string, flags=0)
pattern： 正则模型
string ： 要匹配的字符串
falgs ： 匹配模式
|
1
2
3
4
5
|
print
(re.match(
'com'
,
'comwww.runcomoob'
).group())
print
(re.match(
'com'
,
'Comwww.runcomoob'
,re.I).group())
执行结果如下：
com
com
|
分组, 提取匹配成功的指定内容（先匹配成功全部正则，再匹配成功的局部内容提取出来）
r =re.match("h(\w+).*(?P<name>\d)$", origin)
print(r.group()) # 获取匹配到的所有结果
print(r.groups()) # 获取模型中匹配到的分组结果
print(r.groupdict()) # 获取模型中匹配到的分组中所有执行了key的组
c．search()
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。
re.search(pattern, string, flags=0)
|
1
2
3
|
print
(re.search(
'\dcom'
,
'www.4comrunoob.5com'
).group())
执行结果如下：
4com
|
*注：match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：
group()返回被 RE 匹配的字符串
start() 返回匹配开始的位置
end() 返回匹配结束的位置
span() 返回一个元组包含匹配 (开始,结束) 的位置
group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。
d．findall()
re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表
获取非重复的匹配列表；如果有一个组则以列表形式返回，且每一个匹配均是字符串；如果模型中有多个组，则以列表形式返回，且每一个匹配均是元祖；
空的匹配也会包含在结果中
注意：re. finditer(pattern, string, flags=0) 迭代一次一次去取数据
e．re.split()
split 根据正则匹配分割字符串
split(pattern, string, maxsplit=0,flags=0)
pattern： 正则模型
string ： 要匹配的字符串
maxsplit：指定分割次数
flags ： 匹配模式
分组后分割
f．re.sub() 替换匹配成功的指定位置字符串
sub(pattern, repl, string, count=0,flags=0)
pattern： 正则模型
repl ： 要替换的字符串或可执行对象
string： 要匹配的字符串
count ： 指定匹配个数
flags ： 匹配模式
re.subn() 返回成功的指定位置字符串以及替换的次数
6、贪婪匹配与非贪婪匹配
*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成非贪婪匹配