python之正则表达式

1)

用管道符号（|）匹配多个正则表达式

举例

at | home     匹配 at, home

2)

匹配任意一个单个的字符（.）

举例

f.o  匹配在“f”和"o"中间的任何字符，如fao, f9o, f#o等

3）

从字符穿的开头或结尾或单词边界开始匹配（^/$/\b\B）

\b匹配的模式是一个单词边界，与之对应的模式一定在一个单词的开头；

\B只匹配出现在一个单词中间的模式，即不在单词边界上的字符。

举例

^From  匹配任何以From开始的字符串

/bin/tcsh$ 匹配任何以/bin/tcsh结束的字符串

^subject: hi$ 匹配仅由subject: hi组成的字符串

the   任何包含有“the”的字符串

\bthe 任何以“the”开始的字符串

\bthe\b 仅匹配单词“the”

4）创建字符类（[]）

使用方括号的正则表达式会匹配方括号里的任何一个字符。

方括号只有逻辑或的功能。

举例：

b[aeiu]t  匹配字符串 bat, bet, bit, but

[cr][23][dp][o2] 匹配字符串有16个组合，先[cr]选一个，接着[23]选一个，......，最后[o2]选一个。

5）指定范围（-）和否定（^）

方括号里一对符号中间的连字符（-）用来表示一个字符的范围。如[0-9]，匹配十进制数

左方括号后第一个字符是上箭头符号（^），表示不匹配制定字符集里的任意字符。如[^aeiou]，匹配一个非元音字符

6）使用闭包操作符（*, +, ? {}）实现多次出现/重复匹配

*：  匹配它左边那个正则表达式出现0次或0次以上的情况；

+： 匹配它左边那个正则表达式至少出现一次的情况；

?:   匹配它左边那个正则表达式模式出现0次或一次的情况。

{}: 如{M}表示匹配M次出现的情况，{M,N}表示匹配M次到N次出现的情况。

[dn]ot? 匹配最多有一个字符“t”,即 do, no, dot, not.

[0-9]{15, 16} 匹配15或者16位数字，例如信用卡号码

</?[^>]+> 匹配所有合法的HTML标签的字符串，即<...>、</...>。

7）特殊字符

一些特殊字符可以用来代表字符集合。

\d:  表示[0-9]

\w: 表示[A-Za-z0-9]

\s:  表示空白字符

\D:  表示非十进制数字的字符，即[^0-9]

举例：

\w+-\d+ 表示一个字母和数字组成的字符串和至少一个数字，例如：ABCD-9

\d{3}-\d{3}-\d{4} 例如 800-555-1212

\w+@\w+\.com 例如xxxx@yyyy.com

8)用圆括号（()）组建组

我们不仅想知道是否整个字符串匹配正则表达式，还想在匹配成功时取出某个特定的字符串或子字符串。

（）的功能：

对正则表达式进行分组

匹配子组

举例：

m = re.match('(a(b))', 'ab') 两个子组

m.group() 所有匹配部分

m.group(1) 匹配的子组1 输出‘ab’

m.group(2) 匹配的子组2 输出'b'

m.groups() 所有匹配的子组的元组 输出 ('ab', 'b')

re模块：核心函数和方法

complie(pattern, flags=0)

对正则表达式模式pattern进行编译，flags是可选标识符，并返回一个regex对象

re模块的函数和regex对象的方法

match(pattern, string, flags=0)

尝试用正则表达式模式pattern匹配字符串string，flags是可选标识符，如果匹配成功，则返回一个匹配对象；否则返回None

search(pattern, string, flags=0)

在字符串string中搜索正则表达式模式pattern的第一次出现，如果匹配成功，则返回一个匹配对象；否则返回None

findall(pattern, string[,flags])

在字符串中搜索正则表达式模式pattern的所有出现（非重复），返回一个匹配对象的列表

finditer(pattern, string[,flags])

和findall()相同，但返回的不是列表而是迭代器；对于每个匹配，该迭代器返回一个匹配对象

split(pattern, string, max=0)

根据正则表达式pattern中的分隔符把字符string分割为一个列表，返回成功匹配的列表，最多分割max次

sub(pattern, repl, string, max=0)

把字符串string中所有匹配正则表达式pattern的地方替换成字符串repl，如果max的值没有给出，则对所有匹配的地方进行替换

匹配对象的方法

group(num=0) 返回全部匹配对象

groups()  返回一个包含全部匹配的子组的元组

匹配多个字符串( | )

bt = 'bat|bet|bit'

m = re.match(bt, 'bat')

重复、特殊字符和子组

patt = '\w+@(\w+\.)?\w+\.com'

m = re.match(patt, 'nobody@xxx.com').group()

if m is not None: m.group()

输出： 'nobody@xxx.com'

m = re.match('(\w\w\w)-(\d\d\d)', 'abc-123')

m.group()  输出 'abc-123'

m.group(1) 输出'abc'

m.group(2) 输出‘123’

m.groups() 输出（‘abc’, '123'）