python正则表达式介绍及使用方法
1.正则表达式介绍正则表达式（RE）是一种小型的、高度专业化的编程语言，它内嵌在python中，并通过re模块实现。
可以为想要匹配的相应字符串集指定规则
该字符串集可能包含英文语句、email地址、命令或任何你想搞定的东西
可以问诸如“这个字符串匹配该模式吗”
“在这个字符串中是否有部分匹配该模式呢”
你也可以使用RE以各种方式来修改或者分割字符串
正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行
正则表达式语音相对小型和受限（功能有限）
并非所有字符串处理都能用正则表达式完成
字符匹配：
普通字符
大多数字母和字符一般都会和自身匹配
元字符：
1.[ ]
常用来指定一个字符集：; ;
元字符在字符集中不起作用：
补集匹配不在区间范围内的字符：[^5] ; [^abc]
2.^
匹配行首。除非设置MULTILINE标志，它只是匹配字符串的开始。在MULTILINE模式里，它可以直接匹配字符串中的每个换行。
3.$
匹配行尾，行尾被定义为要么是字符串尾，要么是一个换行字符后面的任何位置。
4.\
反斜杠后面可以加不同的字符以表示不同的特殊意义
也可以用于取消所有的元字符：\[] 或 \\
\d 匹配任何-十进制数；它相当于
\D匹配任何非数字字符，它相当于[^0-9]
\s匹配任何空白字符，它相当于[\t\n\r\f\v]
\S匹配任何非空白字符，它相当于[^\t\n\r\f\v]
\w匹配任何字母数字字符，它相当于
\W匹配任何非字母数字字符，它相当于[^a-zA-Z0-9_]
5.重复
正则表达式的第一功能是能够匹配不定长的字符集，另一个功能是你可以指定正则表达式的一部分重复次数；重复次数放在大括号里面
c{8}表示重复8次c；\d{8}表示8位数字
6.*
指定前一个字符可以被匹配0次或多次，而不是只有一次。匹配引擎会试着重复尽可能多的次数（不超过整数界定范围20亿）
7.+
表示匹配一次或更多次，
*和+之间的不同：*匹配0或更多次，+匹配一或更多次
8.？
匹配一次或零次：你可以认为它用于标志某事物是可选的
？家长重复（6，7）后面可以做最小匹配，a*?表示匹配0次a，a+?表示匹配一次a
9.*?, +?, ??
非贪婪匹配，匹配最少的
<*> 会匹配'<H1>title</H1>'整个字符串（贪婪匹配），使用 *? 可以只找出 <H1>（非贪婪匹配）
10.{m,n}
其中m和n都是十进制整数，该限制符的意思是至少有m个重复，至多有n个重复。a\{1,3}b
忽略m会认为下边界是0，忽略n认为上边界是无穷大（实际上是20亿）
{0,}等同于*； {1,}等同于+； {0,1}等同于?;如果可以的话最好用*+或?
11. |
或者，只匹配其中一个表达式，
A|B，如果 A 匹配了，则不再查找 B，反之亦然
12.(...)
匹配括号中的任意正则表达式
13.(?#...)
注释，忽略括号内的内容
14.(?=...)
表达式‘...’之前的字符串，
在字符串’ pythonretest ’中 (?=test) 会匹配’ pythonre ’
15.(?!...)
后面不跟表达式'...'的字符串，
如果’ pythonre ’后面不是字符串’ test ’，那么 (?!test) 会匹配’ pythonre ’
16.(?<=...)
跟在表达式’…’后面的字符串符合括号之后的正则表达式
正则表达式’ (?<=abc)def ’会在’ abcdef ’中匹配’ def ’
17.(?<!...)
括号之后的正则表达式不跟在’…’的后面
2.如何使用正则表达正则表达式’ (?<=abc)def ’会在’ abcdef ’中匹配’ def式
re模块提供了一个正则表达式引擎的接口，可以让你将REstring编译成对象并用它们来进行匹配
编译正则表达式：
import re
p = re.compile(规则)
例如：
>>> r1 = r"\d{3,4}-?\d{8}$"
>>> p_tel = re.compile(r1)
>>> p_tel
<_sre.SRE_Pattern object at 0x01BEFA30>
>>> p_tel.findall("056179882523")
['056179882523']
re.compile()也可接受可选的标志参数，常用来实现不同的特殊功能和语法变更。忽略大小写需要编译的时候加上re.I
>>> c_rel = re.compile(r"ahnu",re.I)
>>> c_rel.findall("Ahnu")
['Ahnu']
>>>
正则表达式执行匹配
match():决定RE是否在字符串刚开始的位置匹配
search()：扫描字符串，找到这个RE匹配的位置
findall():找到RE匹配的所有子串，并将他们作为一个列表返回
finditer()：找到RE匹配的所有子串，并将他们做为一个迭代器返回
如果没有匹配成功，match()和search()方法会返回一个None，如果成功的话，会返回一个matchobject对象
MatchObject实例方法：
group():返回被RE匹配的字符串
start():返回匹配开始的位置
end():返回匹配结束的位置
span():返回一个元组包含匹配（开始，结束）位置
实际程序中，最常见的方法是将MatchObject保存在一个变量里，然后检查它是否为None
p = re.compile(...)
m = p.match("string goes here")
if m :
print "Match found:",m.group()
else:
print"match not found"
模块级函数：
re模块也提供了顶级函数调用如match()、search()、sub()、subn()、split()、sindall()等
sub和subn是替换函数，
re.sub(pattern, repl, string[, count, flags])
在字符串 string 中找到匹配正则表达式 pattern 的所有子串，用另一个字符串 repl 进行替换。如果没有找到匹配 pattern 的串，则返回未被修改的 string。Repl 既可以是字符串也可以是一个函数。对于 RegexObject 有：
sub(repl, string[, count=0])
此语法的示例有：
>>> l = "ahnu ahnn ahun sshh ahhh"
>>> res = "ah.."
>>> re.sub(res,"python",l)
'python python python sshh python'
>>> re.subn(res,"python",l)
('python python python sshh python', 4)
>>>
split()是分割函数
>>> res = r"[\+\-\*/]"
>>> l = "1+6-6*7/9"
>>> re.split(res,l)
['1', '6', '6', '7', '9']
>>>
编译标志：
DOTALL,S:使.匹配包括换行在内的所有字符
>>> r1 = r"csvt.net"
>>> re.findall(r1,"csvt.net")
['csvt.net']
>>> re.findall(r1,"csvtonet")
['csvtonet']
>>> re.findall(r1,"csvt\nnet")
[]
>>> re.findall(r1."csvt\tnet")
SyntaxError: invalid syntax
>>> re.findall(r1,"csvt\tnet",re.S)
['csvt\tnet']
>>>
IGNORECASE,I:使匹配对大小写不敏感
MULTLINE,M:多行匹配，影响^和$
>>> s = """
ahnu hello
hello ahnu
ahnu i love lyou
i love you ahnu
"""
>>> r = r"^ahnu"
>>> re.findall(r,s)
[]
>>> re.findall(r,s,re.M)
['ahnu', 'ahnu']
>>>
VERBOSE,X:能够使用REs的verbose状态，忽略空格和#后面的注释，使之被组织的更清晰易懂
>>> s = """
\d{3,4}
-?
\d{7}
"""
>>> re.findall(s,"05617988252")
[]
>>> re.findall(s,"05617988252",re.X)
['05617988252']
>>>
LOCALE,L:做本地化识别，匹配本地特殊语法
页:
[1]