Python 正则表达式笔记（一）

自从学习Python以来，正则表达式已经在很多地方经常使用了，特别是对于文本处理，以及网络爬虫上。如今对于Python的正则表达式进行整理，方便以后查阅。在Lunix系统中对于正则表达式也有着广泛的运用。
1.python的re模块
python的re模块是自带的，并不需要额外的安装。对于正则表达式的匹配模式是匹配正则表达式对象（Regex对象）。
1.1 创建正则表达式对象：
使用re.compile(匹配字符串模式)
例如：
numberRegex=re.compile(r’\d*’)
1.2 对于Regex对象使用search方法
Regex对象的search方法返回一个Match对象
Mo=numberRegex.search(待匹配的文本)
1.3 使用Match对象的group()方法获取匹配的文本
Mo.group()
1.3.1 使用括号进行分组
(\d\d\d)-(\d\d\d-\d\d\d)
其中前一个括号内的内容为group(1),后一个括号内容为group(2)，一次性获取所有的分组，可以使用groups()方法。
1.4 使用管道匹配多个分组
re.compile(r’A|B’)
这里的“|”被我们称之为管道，表示或的意思
1.5 使用问号实现可选匹配
re.complie(r’Bat(wo)?man’)
1.6 使用星号*匹配零次或多次
1.7 使用花括号{}匹配待定次数
1.8 使用Regex对象的findall()方法返回字符串的列表
numberRegex.findall(‘待匹配的文本’)

2.贪心匹配与非贪心匹配
2.1 Python默认的贪心匹配
在表示存在二义的情况下，python会尽可能的匹配最长的字符串。
2.2 使用“？”来实现非贪心匹配

3.字符分类：
3.1 常用的一些缩写字符
\d 0~9任何数字
\D 除0~9数字以外的任何字符
\w 任何字母，数字或者下划线字符
\W 除字母，数字或者下划线以外的字符
\s 空格，制表符或者换行符
\S 除空格，制表符和换行符以外的字符
3.2 定义自己的字符分类“[ ]”
将会匹配方括号内的任意字符，注意，此时方括号内的普通的正则表达式不会被解释,方括号里面的内容直接匹配出来的话都是单个的字符。
[^”文本”]在左括号的后面加上^表示除文本之外
3.3 插入字符^与美元字符在表达式的开始加上表示以待匹配的正则表达式内容开头在表达式的末尾加上表示以待匹配的正则表达式内容结尾
一般用于检测文本的开头与结尾，返回的是True 或者 False
3.4 通配字符”.”
3.4.1 可以匹配除了换行符以外的任意字符
3.4.2 使用(.*)匹配所有的字符
3.4.3 使用句点符匹配换行符
通过传入re.DATALL作为re.compile()的第二个参数，可以让句点字符匹配换行
例如：
newlineRegex = re.compile(‘.*’,re.DATALL)
newlineRegex.search(‘Serve the public trust .\nProtect the innocent.’).group()
‘Serve the public trust .\nProtect the innocent.’
3.5 不区分大小写的匹配
向re.compile()传入re.IGNORECASE或者re.I作为第二个参数
3.6 用sub（）方法替换字符串
替换方法有两种
（1） Regex.sub(“想要替换成的字符串”,”需要被替换的字符串”)
（2） re.sub(“正则表达式”，”想要替换成的字符串”,”需要被替换的字符串”)

4.复杂的正则表达式
4.1 匹配复杂的文本模式，可能需要很长的费解的正则表达式，可以告诉正则表达式忽略正则表达式字符串中的空白符和注释，需要向re.compile()传入变量re.VERBOSE作为第二个参数
例如：
phoneRegex=re.compile(r”’(
(\d{3}|(\d{3}))? #area code
(\s[-].)? #separator
\d{3}
(\s|-|.)
\d{4}
(\s*(ext|x|ext.)\s*\d{2,5})?
)
5.常见的一些匹配：
匹配中文：u”#[\w\u2E80-\u9FFF]+#”