python正则表达式介绍及使用方法

xiahe999

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：[abc]; [a-z]; [0-9]
　　  元字符在字符集中不起作用：[akm$]
　　  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[0-9]
　　  \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[a-zA-Z0-9_]
　　  \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