Python正则表达式操作指南----笔记

zj2092

　　Python正则表达式操作指南 整理：
　　原文出处：http://www.amk.ca/python/howto/regex/
　　原文作者：A.M. Kuchling （amk@amk.ca）
　　授权许可：创作共享协议
　　翻译人员：FireHare
　　校对人员：Leal
　　适用版本：Python 1.5 及后续版本
　　整理自http://wiki.ubuntu.org.cn/index.php?title=Python%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E6%93%8D%E4%BD%9C%E6%8C%87%E5%8D%97&action=edit&section=2
　　1. 字符匹配
　　这里有一个元字符的完整列表： ^ $ * + ? { [ ] \ | ( )  ，共12个；
　　一些用 "\" 开始的特殊字符所表示的预定义字符集通常是很有用的，象数字集，字母集，或其它非空字符集。下列是可用的预设特殊字符：
　　\d  匹配任何十进制数；它相当于类 [0-9]。
\D  匹配任何非数字字符；它相当于类 [^0-9]。
\s  匹配任何空白字符；它相当于类  [ \t\n\r\f\v]。
\S  匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
\w  匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
\W  匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]。
　　这样特殊字符都可以包含在一个字符类中。如，[\s,.]字符类将匹配任何空白字符或","或"."。
　　本节最后一个元字符是 . 。它匹配除了换行字符外的任何字符，在 alternate 模式（re.DOTALL）下它甚至可以匹配换行。"." 通常被用于你想匹配“任何字符”的地方。
　　2、重复
　　　　元字符 +：表示匹配一或更多次 ；
　　问号 ? ：匹配一次或零次；你可以认为它用于标识某事物是可选的。例如：home-?brew 匹配 "homebrew" 或 "home-brew"。
　　最复杂的重复限定符是 {m,n}:其中 m 和 n 是十进制整数。该限定符的意思是至少有 m 个重复，至多到 n 个重复。
　　{0,} 等同于 *，{1,} 等同于 +，而{0,1}则与 ? 相同。如果可以的话，最好使用 *，+，或?。很简单因为它们更短也更容易懂。
　　3、反斜杠的麻烦

　　　　元字符 *。* 并不匹配字母字符 "*"；相反，它指定前一个字符可以被匹配零次或更多次，而不是只有一次。

　　解决的办法就是为正则表达式使用 Python 的 raw 字符串表示；在字符串前加个 "r"

常规字符串	Raw 字符串
"ab*"	r"ab*"
"\\\\section"	r"\\section"
"\\w+\\s+\\1"	r"\w+\s+\1"

　　4、编译正则表达式 执行匹配
　　通常有一下几个步骤：
　　先用re.compile得到一个 RegexObject 表示 一个regexp；
　　然后用 pattern的 match search方法等 得到MatchObject；
　　再用match object得到匹配的位置，匹配的字符串等信息。
　　RegexObject  实例的一些方法和属性

方法/属性	作用
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，并把它们作为一个列表返回
finditer()	找到 RE 匹配的所有子串，并把它们作为一个迭代器返回

　　MatchObject 实例几个方法和属性：

方法/属性	作用
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) 的位置

　　#!python
>>> m.group()
'tempo'
>>> m.start(), m.end()
(0, 5)
>>> m.span()
(0, 5)
　　#!python
>>> p = re.compile('\d+')
>>> p.findall('12 drummers drumming, 11 pipers piping, 10 lords a-leaping')
['12', '11', '10']
　　#!python
>>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...')
>>> iterator
<callable-iterator object at 0x401833ac>
>>> for match in iterator:
...     print match.span()
...
(0, 2)
(22, 24)
(29, 31)
　　...............待续