正则

字符转义

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.

例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。

需要转义的字符： (  ) . * ?  \  + 

规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

• 分组0对应整个正则表达式
• 实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号
• 你可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权

有哪些标识可以使用？

• re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• re.M(re.MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图），按行匹配，
• re.S(re.DOTALL): 点任意匹配模式，改变'.'的行为，设置后可以匹配\n,可以匹配到换行符
• re.L(re.LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
• re.U(re.UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
• re.X(re.VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

哪些函数支持这些标识？

• re.compile(pat, string, flag=0)
• re.findall(pat, string, flag=0)
• re.match(pat, string, flag=0)
• re.search(pat, string, flag=0)

其中flag就是使用标识的地方，可以替换为上述的标识，如果要使用多个标识，则格式为：re.I|re.M|re.S|...

-------------------------------------------------------------------------------

re 函数（推荐用regex 修复了re的bug，函数使用都一样）：

group()：用来提出分组截获的字符串，（）用来分组。

group(0),返回匹配的整体

group(1),返回正则表达式中第一个括号（即第一组）内所匹配的部分

...

group(n,m),返回组号为n到m所匹配的字符串，如果组号不存在，则返回indexError异常

gourps():返回所有括号匹配的字符，以tuple格式返回。

m.groups() == (m.group(0), m.group(1), ...)

match(pat, string, flag=0) :只从字符串开始的位置开始匹配，只报告一次成功的匹配，如果不是从开始位置匹配，match()将不报告它。

search(pat, string, flag=0): 将扫描整个字符串，但是只报告它找到的第一个匹配

findall(pat, string, flag=0):将扫描正哥字符串，报告它所匹配的所有字符串，并将它们作为一个列表返回

finditer(pat, string, flag=0):将扫描正哥字符串，报告它所匹配的所有字符串，并将它们作为一个迭代器返回

re.sub(replacement,string[count =0 ]): 替换所有的匹配项，返回一个替换后的字符串，如果匹配失败，返回原字符串

可选参数count是模式匹配后替换的最大次数；count必须是非负整数。缺省值是0表示替换所有的匹配。

re.split(string,[ maxsplit = 0]):你可以通过设置 maxsplit 值来限制分片数。当 maxsplit 非零时，最多只能有 maxsplit 个分片，字符串的其余部分被做为列表的最后部分返回。

re.compile():可以把正则表达式编译成一个正则表达式对象

参考文章：http://www.jb51.net/tools/zhengze.html#mission