正则表达式

在python中，当能够找到匹配项的时候，他们都会返回MathObject对象，这些对象包括匹配模式的子字符串信息。他们还包含了哪个模式匹配了字符串的哪部分信息---这些部分就是组。组就是放置在（）内的子模式。组的序号取决于它左侧的括号数，组0就是整个模式。例如：‘This is (my name (Python is) who am I) who maybe you (can now)’组对应关系如下：0：this is my name Python is who am I who maybe you can now1：my name Python is who am I2：Python is3：can now如： line = "Cats are smarter than dogs"matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)匹配过程：Step1.通过r前缀将’’内的内容转译成字符串，不用使用转义字符\Step2.通过()将匹配模式分成n个子模式，(.*)(.*?)Step3.对于(.*)该模式，字符”.”表示匹配任意字符，除了换行符。”*”表示可以匹配任意多个字符Step4.对于(.*?)该模式，”*?”表示非贪婪限定符，除*?之外，类似的还有+?、?? 或 {m,n}?如果不加入.*?，匹配结果为：Cats are smarter than dogs如果匹配模式写成r'(.*) are (.*?)'，匹配结果为Cats are （注意，会匹配到are后面的空格）整行匹配和一般的匹配差别>>>re.match(r'(\d+?)(0)','1023000').groups()('1', '0')>>>re.match(r'^(\d+?)(0)$','1023000').groups()('102300', '0')在正则表达式中，如果直接给出字符，就是精确匹配。用\d可以匹配一个数字，\w可以匹配一个字母或数字，所以：'00\d'可以匹配'007'，但无法匹配'00A'；'\d\d\d'可以匹配'010'；'\w\w\d'可以匹配'py3'；.可以匹配任意字符，所以：'py.'可以匹配'pyc'、'pyo'、'py!'等等。要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符（不包括0个）用?表示n个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符：来看一个复杂的例子：\d{3}\s+\d{3,8}。我们来从左到右解读一下：\d{3}表示匹配3个数字，例如'010'；\s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配' '，' '等；\d{3,8}表示3-8个数字，例如'1234567'要做更精确地匹配，可以用[]表示范围，比如：[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；[0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如'a100'，'0_Z'，'Py3000'等等；[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。A|B可以匹配A或B，所以[P|p]ython可以匹配'Python'或者'python'。^表示行的开头，^\d表示必须以数字开头。$表示行的结束，\d$表示必须以数字结束。你可能注意到了，py也可以匹配'python'，但是加上^py$就变成了整行匹配，就只能匹配'py'了。贪婪匹配最后需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：>>> re.match(r'^(\d+)(0*)$', '102300').groups()('102300', '')由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配：>>> re.match(r'^(\d+?)(0*)$', '102300').groups()('1023', '00')