Python正则式初探
先介绍下最常见的元字符metacharacter：literal 匹配字符串的值 foo
re1|re2 匹配正则式re1或re2 foo|bar
. 匹配一个任何字符（换行符除外） b.b
^ 匹配字符串开始 ^Dear
$ 匹配字符串结束 /bin/*sh$
* 匹配前面出现的零次或多次 *
+ 匹配前面出现的一次或多次 +\.com
? 匹配前面出现的零次或一次 goo?
{N} 匹配前面出现的正则式N次 {3}
{M,N} 匹配前面出现的M次到N次 {5,9}
[...] 匹配字符组里出现任意一个字符
[...x-y...] 匹配从字符x到y中的任意一个字符
[^...] 匹配不在字符集中的任意一个字符 [^A-Za-z]
(*|+|?|{})? 用于上面出现的任何“非贪婪”版本重复匹配次数 .*?
(...) 匹配封闭括号中的正则式，并保存为子组 ({3})?
接下来再介绍几个特殊字符：
\d 匹配任何一个数字字符，和一样，\D是\d的反义词，表示任何一个非数字字符 data\d+\.txt
\w 匹配任何一个数字字母下划线字符，和相同，\W跟\w相反 \w+
\s 匹配任何一个空白符，和[\n\t\r\v\f ]相同， \S是\s的反义
\b 匹配单词边界，\B是\b的反义 \bThe\b
\nn 匹配已保存的子组 price:\16
\c 逐一匹配特殊字符c，即取消它的特殊含义，按字面匹配 \. \\, \*
\A(\Z) 匹配字符串的起始(结束)，跟^$是意义一样
再用一张图解释全部：
★ re.compile(strPattern[, flag]):
这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。
第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。
另外，你也可以在regex字符串中指定模式，
比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。
可选值有：
re.I(全拼：IGNORECASE): 忽略大小写（括号内是完整写法，下同）
re.M(全拼：MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
re.S(全拼：DOTALL): 点任意匹配模式，改变'.'的行为
re.L(全拼：LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
re.U(全拼：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(全拼：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。
解释下“非贪婪”匹配?
当表示重复次数的元字符(*+?{m,n})单独使用时会尽量吸收更多的字符，一直吸到不匹配为止，榨干你丫的。哈哈哈。
而上面的(*+?{m,n})后面接了?后，就表示非贪婪匹配，匹配最短的，留下尽可能多的字符给后面的模式(如果存在)。
使用compile()编译正则表达式后，将正则式模式编译成regex对象，以后重复使用这个对象的时候可以提升执行的性能。
m = re.match('\w\w\w-\d\d\d', 'abc-123')
if m is not None:
print(m.group())
m = re.match('\w+\w+\w+-\d\d\d', 'abc-123')
if m is not None:
print(m.group())
m = re.match('\w+?\w+?\w+?-\d\d\d', 'abc-123')
if m is not None:
print(m.group())
哥原本以为那啥\w+会做贪婪匹配，弄的后面的两个\w+没得匹配，但是三个结果都一样啊。神马原因？
请看下面的：
m = re.match(r'(\w+)(\w+)(\w+)-\d\d\d', 'abcdefgh-123')
if m is not None:
print(m.group())
print(m.group(1))
print(m.group(2))
输出：
abcdefgh-123
abcdef
g
贪婪算法是：我前面的尽可能多的匹配更多，但是我会保证后面的也能匹配的前提下，自己捞的越多越好，这个就跟贪官一样，反正我给后面的那些平民百姓保本的东西，让他们饿不死就行，自己捞的越多越好，真他吗的黑心啊。
所以第一组中的(\w+)匹配了abcdef，留下两个gh给后面去抢。每人分一个，最小满足后面的。
来来来，再看几个例子：
import re
__author__ = 'Xiong Neng'
# group示例
data = 'Thu'
patt1 = r'^(\w{3})'
m = re.match(patt1, data)
print(m.group(1))
patt2 = r'^(\w){3}'
m = re.match(patt2, data)
print(m.group(1))
# 贪婪匹配
data = "Sat Mar 21 09:20:57 2009::spiepu@ovwdmrnuw.com::1237598457-6-9"
# 获取最后的那三个连字符连起来的三个数，
# 搜索比匹配更合适，因为不在开头
patt = r'\d+-\d+-\d+'
print(re.search(patt, data).group())# 打印出1237598457-6-9
# 使用匹配，必须用到group
patt = r'.+(\d+-\d+-\d+)'
print(re.match(patt, data).group(1))# 打印出7-6-9，知道贪婪的厉害了吧。哈哈
# 接下来使用非贪婪操作符?
patt = r'.+?(\d+-\d+-\d+)'
print(re.match(patt, data).group(1))# 打印出1237598457-6-9
# 只获取三个数的中间那个数字：
patt = r'-(\d+)-'
print(re.search(patt, data).group()) # 打印-6-
print(re.search(patt, data).group(1))# 打印6
# 建议阅读Jeffrey E. F. Friedl编写的《精通正则表达式》（Mastering Regular Expression）
最后是几个小练习：
# 匹配所有整形字符串
patt = r'\d+'
# 匹配长整形
patt = r'\d+'
# 匹配浮点型
patt = r'(-?(\d+\.\d*|\d*\.\d+))(-?\d+)?'
print(re.match(patt, '-.2e-22').group())
print(re.match(patt, '23.23056e-23').group())
# 匹配所有复数
patt = r'(-?(\d+\.\d*|\d*\.\d+))(-?\d+)?\s*[+-]\s*(\d+\.\d*|\d*\.\d+)(-?\d+)?'
print(re.match(patt, '-.2e-22 - 32.E21J').group())
print(-.2e-22 - 32.E21J)
本人博客已搬家，新地址为：http://www.pycoding.com/
页:
[1]