正则表达式，以python为例

转载需注明原文地址和作者两项内容。

正则表达式目的是能够快速处理字符串内容，主要用于找出指定的字符串，配合其他操作完成任务。
使用正则表达式时要了解自己语言的特性，python中的正则表达式默认情况是贪婪模式，也就是不限制的情况下会尽可能多得匹配字符串。

不同的语言实现的方式不一样，一个特性的地方要注意。

0x00 基础语法

 .：匹配除换行符以外的任意字符
 2 \s：匹配任意的空白符
 3 \d：匹配数字
 4 \D：匹配任何的非数字,等价于[^0-9]
 5 \b：匹配单词的分界线
 6 \B：匹配一个单词的非分界线
 7 ^：匹配字符串的开始
 8 $：匹配字符串的结束
 9 \w：匹配包括下划线的任何单词字符.类似但不等价于“[A-Za-z0-9_]”,Unicode字符集,能不能匹配汉字要视应用环境而定
10 \W：匹配任何非单词字符.等价“[^A-Za-z0-9_]”
11 \：转义,其后字符不作表达式解释
12 *：匹配*前面的字符0次或n次,等价于{0,}
13 +：匹配+号前面的字符1次或n次.等价于{1,}
14 ?：匹配?前面的字符0次或1次,等价于 {0,1}
15 (x)：匹配’x’并记录匹配的值
16 x│y：匹配表达式x或y
17 {n}：匹配前面限定的字符n次
18 {n,}：匹配前面限定的字符至少n次
19 {n,m}：匹配前面限定的字符n-m次均可
20 [xyz]：单字符列表,匹配括号中的任一字符.可用连字符‘-’指出字符范围
21 [^xyz]：单字符列表的补集,匹配除了列出字符外的,同样可指出字符范围
22 \f：匹配一个表单符
23 \n：匹配一个换行符
24 \r：匹配一个回车符
25 \s：匹配一个单个white空格符,包括空格,tab,form feed,换行符,等价于[ fnrtv]
26 \S：匹配除white空格符以外的一个单个的字符,等价于[^ fnrtv]
27 t：匹配一个制表符
28 v：匹配一个顶头制表符
29 \：将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符

0x01 python正则模块
import re
导入python正则表达式模块

re.compile(str)
用于将字符串型的正则表达式编译成一个正则表达式对象，可以直接使用对该对象使用re的方法。
返回pattern

re.findall(pattern,str)
将字符串按照正则表达式进行处理，第一个参数是匹配的正则规则，可接收pattern和字符串型的正则表达，第二个是待处理的字符串。
返回list

re.sub(pattern, replace, string, count)
将字符串中正则表达式匹配到的内容替换成指定的内容。
第二个函数是用于替换的字符串
第四个参数指替换个数。默认为0，表示每个匹配到的内容都替换。
返回str
re.sub还允许使用函数对匹配项的替换进行复杂的处理(参数2)。如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；将字符串中的空格' '替换为'[ ]'。

re.split(pattern,str)
用于以正则匹配到的内容作为分隔符，分割字符串。
返回list

re.match(pattern, string, flags)
尝试从字符串的开始匹配，字符串的起始处不符合正则表达式，则匹配失败。
成功返回match，失败返回None。
（内容可以用group()方法查看。）
第三个参数是标致位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

re.search(pattern, string, flags)
在整个字符串内匹配查找，找到第一个匹配然后返回，如果字符串没有匹配，则返回None。
参数同re.match。
成功返回match，失败返回None。

上述pattern也可以用str型的字符串替换，效果相同。

.groups()对象包括了正则表达式匹配到的所有的内容。

.group()是groups()中的一个对象。

python的findall可以使用()圈定取出的范围，比如要匹配文字src=“/xxx.jpg”中的xxx，正则表达式可以这么写src="(.+)\.jpg)"，最后直接返回结果为xxx。

0x02 栗子

IPv4地址

\d{,}\.\d{,}\.\d{,}\.\d{,}

URL(同时也是一个最小的非贪婪匹配栗子)

http://.*?/

匹配文件后缀

.*\.php

匹配行首空格

^\s

匹配同一单词不区分大小写

[Tt]ools

0x03 python正则中特殊控制标记

python正则表达式模块中的函数支持使用特殊的控制标记来做一些微调。这些控制标记通常作为参数传入。

re.I

字母不区分大小写的匹配

re.X

使用"""作为表达式的分割，可以写多行正则并且可以使用#进行行注释，编译时会忽略

re.A

选用ASCII字符匹配

re.S

使得.可以匹配换行符\n

re.M

使用后，^匹配字符串的开头以及每个行的开头（每个换行符后）； $匹配字符串的末尾以及每一行的结尾（每个换行符前）。默认情况下，^只匹配字符串的开始，$只匹配字符串的末尾和字符串末尾换行符之前的位置。

re.L

\w, \W, \b, \B, \s , \S等适应本土语言

如有错误请留言指正，之后遇到更多情况会陆续补充。