python之re模块

1.正则表达式语法

特殊字符

• 普通元字符
• “.”：表示除换行符以外的任意字符（DOTALL被指定则可以匹配包括换行符的任意字符，例如：re.findall(r”.”, “k\na”,re.DOTALL)）
• “^”：表示从字符串起始位置开始匹配，在多行模式下从每个换行符后面开始匹配
• “$”：表示从字符串末尾匹配，在多行模式下匹配换行符前的字符
• ” \ “：表示消除特殊含义
• 数量元字符
  
  • ”*”：表示匹配0次或多次，尽可能匹配多次
  • “+”：表示匹配1次或多次，尽可能匹配多次
  • “？”：表示匹配0次或1次
  • “*？”“+？”“？？”：表示将贪婪匹配转换为非贪婪匹配
  • “{m}”：精确的指定RE应该被匹配m次
  • “{m, n}”：匹配m到n次，”{, n}”表示匹配0到n次，”{m, }”表示匹配m到无穷次
  • “{m, n}？”：表示匹配最少次数
• 逻辑、分组元字符
  
  • ” [ ] “：表示字符集合
  • 在这个集合中，字符可以被单独罗列
  • 字符范围可以表明通过给予两个字符和分离他们的 ‘-‘，如果要匹配’-‘，则需要’-‘来转义
  • 在集合内，特殊字符失去特殊意义(除’-‘,’^’,’\’)
  • 不在一段范围之内的字符可以通过补集’^’匹配
  • ” | “：表示匹配管道符两边任意一边的字符
  • (…)：表示为括号里面匹配的字符分组
• 特殊构造元字符（不作为分组）
  
  • (?…)：扩展符号，后面接的字符进一步决定语法结构
  • (?aiLmsux)：aiLmsux每个字母代表一个匹配模式，只能用在正则表达式开头，可选多个
  • (?:…)：(…)的不分组版，用于使用’|’或后接数量词
  • (?P…)：对匹配到的字符串进行命名
  • (?P=name)
  • (?#…)：注释：忽略括号内的内容
  • (?=…)：匹配的字符后应该是…，例如a(?=\d)，表示a之后应该是个数字(不消耗字符串内容)
  • (?!…)：匹配的字符后不应该是…，例如a(?!\d)，表示a之后不应该是个数字(不消耗字符串内容)
  • (?<=…)：匹配的字符前应该是…，例如(?<=\d)a，表示a之前应该是个数字(不消耗字符串内容)
  • (?

预定义字符

• \number
• \A：在字符串开始处匹配，同^
• \b：仅在单词开头或结尾匹配
• \B：匹配不在单词开头和结尾的字符
• \d：匹配任何十进制数；相当于[0-9]
• \D：匹配任何非数字字符；相当于[^0-9]
• \s：匹配任何空白字符；相当于[\r\n\r\f\v]
• \S：匹配任何非空白字符；相当于[^\r\n\r\f\v]
• \w：匹配任何字母数字字符；相当于[a-zA-Z0-9]
• \W：匹配任何非字母数字字符；相当于[^a-zA-Z0-9_]
• \Z：在结尾处匹配，同$
• 正则表达式分析器也接受大多数支持通过 Python 字符串的标准转义：\a \b \f \n \r \t \u \U \v \x \

2.模块内容

模块定义了几个函数、 常量和一个异常。某些函数是编译正则表达式全特性方法的简化版本。大多数复杂应用程序总是使用已编译的形式。

• re模块的函数
  
  • re.compile(pattern, flags=0)，将正则表达式模式编译成一个正则表达式对象regex，匹配时可以调用它的方法
  • re.search(pattern, string, flags=0)，从字符串第一个位置开始搜索直到找到一个匹配的字符
  • re.match(pattern, string, flags=0)，从字符串第一个位置开始搜索找到匹配的字符
  • re.fullmatch(pattern, string, flags=0)，全匹配则返回一个match对象，否则返回None
  • re.split(pattern, string, maxsplit=0, flags=0)，分隔字符串，将字符串拆分的模式的匹配项。如果在模式中使用捕获括号，则然后也作为结果列表的一部分返回的文本模式中的所有组。如果maxsplit不为零，顶多maxsplit分裂发生，并且该字符串的其余部分将作为列表的最后一个元素返回。
  • re.findall(pattern, string, flags=0)，返回一个列表，包含所有满足匹配的字符
  • re.finditer(pattern, string, flags=0)，返回一个迭代器，迭代器元素是match对象
  • re.sub(pattern, repl, string, count=0, flags=0)，替代，类似于字符串的replace
  • re.subn(pattern, repl, string, count=0, flags=0)，与sub相同，除了返回(new_string, number_of_subs_made)
  • re.escape(string)，消除转义（除了字母、数字、’_’），例如：re.findall(re.escape(“\n”),”asdf\r\nsgfdg”)，输出’\n’，如果不用这个函数那么我们只能自己转义，有了这个函数那么在使用需要转义的字符时就很方便
  • re.purge()，清除正则表达式缓存
• 搜索选项
  
  • re.ASCII，使用ASCII码进行匹配（py2不支持）
  • re.DEBUG，显示调试信息编译的表达式
  • re.IGNORECASE，不管大小写都匹配
  • re.LOCALE
  • re.MULTILINE，匹配多行（将多行当成一行匹配）
  • re.DOTALL，使’ . ’ 也匹配换行符
  • re.VERBOSE，为较长匹配模式注释
  • 搜索选项用法，multiline = re.compile(pattern, re.MULTILINE)
  • 还可以在pattern中加入flag，例如：pattern = r’(?i)\bT\w+’，regex = re.compile(pattern)，(?i)就是忽略大小写的意思
  • Regular Expression Flag Abbreviations
    Flag ———->Abbreviation
    ASCII————->a
    IGNORECASE—->i
    MULTILINE——>m
    DOTALL———>s
    VERBOSE——–>x
• regex对象的方法和属性
  
  • regex.search(string[, pos[, endpos]])
  • regex.match(string[, pos[, endpos]])
  • regex.fullmatch(string[, pos[, endpos]])
  • regex.split(string, maxsplit=0)
  • regex.findall(string[, pos[, endpos]])
  • regex.finditer(string[, pos[, endpos]])
  • regex.sub(repl, string, count=0)
  • regex.subn(repl, string, count=0)
  • regex.flags，正则表达式匹配的标志
  • regex.groups，捕获模式中的组数
  • regex.groupindex
  • regex.pattern，模式字符串中从中重新对象的编译
• match 对象的方法和属性（由match和search产生）
  
  • match.expand(template)
  • match.group([group1, …])，返回特定组的匹配结果（如果不加参数则返回整组的匹配结果）
  • match.groups(default=None)，返回一个tuple，包含所有匹配到的子组
  • match.groupdict(default=None)，返回一个组名和值的字典
  • match.start([group])，匹配上的第一个字符位置索引
  • match.end([group])，匹配上的最后一个字符位置索引
  • match.span([group])，返回一个tuple，(m.start(group), m.end(group))
  • match.pos，返回传递给match或search开始匹配的位置
  • match.endpos
  • match.lastindex
  • match.lastgroup
  • match.re
  • match.string，被匹配的字符串

3.正则语法总结图