第一章 正则表达式

1.1 正则表达式符号表

1.1.1 符号

表示法 描述 正则表达式示例 literal 匹配文本字符串的字面值 foo re1|re2 匹配正则表达式re1\re2 foo . 陪陪任何字符（除了\n之外） b.b ^ 匹配字符串起始部分 ^Dear $ 匹配字符串终止部分 /bin/*sh$ * 匹配0次或者多次前面出现的正则表达式 [A-Za-z0-9]* + 匹配1次或者多次前面出现的正则表达式 [a-z]+\.com ? 匹配0次或者1次前面出现的正则表达式 goo? {N} 匹配N次前面出现的正则表达式 [0-9]{3} {M,N} 匹配M~N次前面出现的正则表达式 [0-9]{5,9} […] 匹配来自字符集的任意单一字符 [aeiou] [..x-y..] 匹配x~y范围中的任意单一字符 [0-9],[A-Za-z] [^…] 不匹配次字符集中出现的任何一个字符，包括某一范围的字符（如果再次字符集中出现） [^aeiou],[^A-Za-z0-9] (*|+|?|{})? 用于匹配上面频繁出现/重复出现符号的非贪婪版本（*、+、？、{}） .*?[a-z] (…) 匹配封闭的正则表达式，然后另存为子组 ([0-9]{3})?,f(oo

1.1.2 特殊字符

表示法 描述 正则表达式示例 \d 匹配任何十进制数字，与[0-9]一致（\D与\d相反） data\d+.txt \w 匹配任何字母数字字符，与[A-Za-z0-9]相同（\W与之相反） [A-Za-z_]\w+ \s 匹配任何空格字符，与[\n\t\r\v\f]相同（\S与之相反） of\sthe \b 匹配任何单词边界（\B与之相反） \bThe\b \N 匹配已保存的子组N（参见上面的（…）） price:\16 \c 逐字匹配任何特殊字符c(不匹配特殊含义) .\,* \A(\Z) 匹配字符串的起始（结束）(另见上面的^和$) \ADear

1.1.3扩展表示法

表示法 描述 正则表达式示例 (?iLmsux) 在正则表达式中嵌入一个或多个特殊的“标记”参数（或者通过函数/方法） (?x),(?im) (?:…) 表示一个匹配不用保存的分组 (?:\w+.)* (?P< name>…) 像一个仅由name标识而不是数字ID标识的正则分组匹配 （？P< data>） (?P=name…) 在同一个字符串中匹配由（P? （？P=data） (?#…) 表示注释所有内容都被忽略 (?#comment) (?=…) 匹配条件是如果…出现在之后的位置，而不使用输入字符串；称作正向前视断言 （？=.com） (?!…) 匹配条件是如果…不出现在之后的位置，而不使用输入字符串；称作负向前视断言 ？!.net (?<=…) 匹配条件是如果…出现在之前的位置，而不使用输入字符串；称作正向后视断言 ？<=800- (?<!…) 匹配条件是如果…不出现在之前的位置，而不使用输入字符串；称作负向后视断言 （？<!192\.168\.） (?(id(name)Y|N) 如果分组所一共的id或者name（名称存在），就返回正则表达式的条件匹配Y，如果不存在，就返回N；|N是可选项 （？（l）y|x）

1.2 Python中的正则

Python通过标准库中的re模式支持正则表达式

1.2.1 re模块函数

函数/方法 描述 compile(pattern,flags=0) 使用任何可选的标记来编译正则表达式的模式，然后返回一个正则表达式的对象

1.2.2 re模块函数和正则表达式对象方法

函数/方法 描述 match(pattern,string ,flags=0) 尝试使用带有可选标记的正则表达式的模式来匹配字符串。如果匹配成功就返回匹配对象；如果失败，就返回None search(pattern,string,flags=0) 使用可选标记搜索字符串中第一次出现的正则表达式模式。如果匹配成功就返回匹配对象；如果失败，就返回None findall(pattern,string[,flags]) 查找字符串中所有（非重复）出现的正则表达式模式，病返回一个匹配列表 finditer(pattern,string[,flags]） 与findall函数相同，但返回的不是一个列表，而是一个迭代器。对于每一次匹配，迭代器都返回一个对象 split(pattern,string,max=0) 根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的列表，分隔最多操作max次（默认分隔所有匹配成功的位置） sub(pattern,repl,string,count=0) 使用repl替换所有正则表达式的模式在字符串中出现的位置，除非定义count，否则就将替换所有出现的位置 purge() 清除隐式编译的正则表达式模式

1.2.3 常用的匹配对象方法（查看文档以获取更多信息）

函数/方法 描述 group(num=0) 返回整个匹配对象，或者编号为num的特定子组 groups(default=None) 返回包含所有匹配子组的元组（如果没有匹配成功就返回一个空元组） groupdict(default=None) 返回一个包含所有匹配的命名子组的字典，所有的子组名称作为字典的键（如果没有成功匹配，就返回一个空字典）

1.2.4 常用模块属性（用于大多数正则表达式函数的标记）

函数/方法 描述 re.I、re.IGORECASE 不区分大小写的匹配 re.L、re.LOCALE 根据所使用的本地语言环境通过\w、\W、\b、\B、\s、\S实现匹配 re.M、re.MULTILINE ^和$分别匹配目标字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和结尾 re.S、re.DOTALL “.”通常匹配除了\n以外的所有单字符；该标记表示”.” re.X、re.VERBOSE 通过反斜线转义，否则所有空格加上#（以及在该行中所有后续文字）都被忽略，除非在一个字符勒种或者允许注释并且提高可读性

1.2.5 一些示例

1.2.5.1 match()方法

#从起始部分进行匹配>>> import re>>> m=re.match('foo','foo')>>> if m is not None:        m.group()结果: 'foo'

1.2.5.2 search()方法

#中间查找>>> import re>>> m=re.search('foo','seafood')>>> if m is not None:m.group()结果：'foo'

1.2.5.3 重复特殊字符以及分组

1)

>>> import re>>> patt='\w+@(\w+\.)*\w+\.com'>>> re.match(patt,'[e-mail]').group()'[e-mail]'

2)

>>> import re>>> m=re.match('(\w\w\w)-(\d\d\d)','abc-123')>>> m.group()'abc-123'>>> m.group(1)'abc'>>> m.group(2)'123'>>> m.groups()('abc', '123')

1.2.5.4 使用findall()和finditer()

>>> s='This and that.'>>> re.findall(r'(th\w+) and (th\w+)',s,re.I)[('This', 'that')]>>> re.findall('(th\w+) and (th\w+)',s,re.I)[('This', 'that')]>>> re.findall(r'((th\w+) and (th\w+))',s,re.I)[('This and that', 'This', 'that')]>>> it=next(re.finditer(r'(th\w+) and (th\w+)',s,re.I))>>> it.group(1)'This'

1.2.5.5 使用sub()和subn()

>>> import re>>> re.sub('[ae]','X','abcdef')'XbcdXf'>>> re.subn('[ae]','X','abcdef')('XbcdXf', 2)

1.2.5.6 使用split()

DATA=(    'Mountain View, CA 94040',    'Sunnyvale, CA',    'Los Altos, 94023',    'Cupertino 95014',    'Palo Alto CA',    )for datum in DATA:    print(re.split(', |(?= (?:\d{5}|[A-Z]{2})) ',datum))结果：['Mountain View', 'CA', '94040']['Sunnyvale', 'CA']['Los Altos', '94023']['Cupertino', '95014']['Palo Alto', 'CA']

1.2.5.7 扩展符号的使用

#Python的正则支持大量的扩展符号#re.I/IGNORECASE>>> re.findall(r'(?i)yes','yes?Yes. YES!!')['yes', 'Yes', 'YES']#re.M/MULTILINE>>> re.findall(r'(?im)(^th[\w ]+)',"""This line is the first,another line,that line, it's the best""")['This line is the first', 'that line']#re.S/DOTALL>>> re.findall(r'(?s)th.+','''the first linethe second linethe third line''')['the first line\nthe second line\nthe third line\n']#re.X/VERBOSE>>> re.search(r'''(?x)\((\d{3})\) #区号[ ]             #空白符(\d{3})         #前缀-              #横线(\d{4})        #终点数字''','[phone]').groups()('800', '555', '1212')#(?:...)>>> re.findall(r'http://(?:\w+\.)*(\w+\.com)',       'http://google.com http://www.google.com http://code.google.com')['google.com', 'google.com', 'google.com']>>> re.findall(r'(?:\w+\.)*(\w+\.com)',       'http://google.com http://www.google.com http://code.google.com')['google.com', 'google.com', 'google.com']#(?P<name>)>>> re.search(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?:\d{4})','[phone]').groupdict(){'areacode': '800', 'prefix': '555'}#\g<name>>>> re.sub(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?:\d{4})','(\g<areacode>) \g<prefix>-xxxx','[phone]')'(800) 555-xxxx'#(?P=name)>>> re.match(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?P<number>\d{4}) (?P=areacode)-(?P=prefix)-(?P=number) 1(?P=areacode)(?P=prefix)(?P=number)','[phone] 800-555-1212 18005551212')结果：<_sre.SRE_Match object; span=(0, 39), match='[phone] 800-555-1212 18005551212'>#(?!...)>>>re.findall(r'(?m)^\s+(?!noreply|postmaster)(\w+)','''    [e-mail]    [e-mail]    [e-mail]    [e-mail]    [e-mail]''')['sales', 'eng', 'admin']#查找匹配bool(re.search(r'(?:(x)|y)(?(1)y|x)','xy'))True>>> bool (re.search(r'(?:(x)|y)(?(1)y|x)','xx'))False