一篇搞定Python正则表达式

时间 2019-11-06

原文原文链接

1. 正则表达式语法html

1.1 字符与字符类
　　　　1 特殊字符：.^$?+*{}[]()|
　　　　　　以上特殊字符要想使用字面值，必须使用进行转义
　　　　2 字符类
　　　　　 1. 包含在[]中的一个或者多个字符被称为字符类，字符类在匹配时若是没有指定量词则只会匹配其中的一个。
　　　　　　2. 字符类内能够指定范围，好比[a-zA-Z0-9]表示a到z，A到Z，0到9之间的任何一个字符
　　　　　　3. 左方括号后跟随一个^，表示否认一个字符类，好比[^0-9]表示能够匹配一个任意非数字的字符。
　　　　　　4. 字符类内部，除了以外，其余特殊字符再也不具有特殊意义，都表示字面值。^放在第一个位置表示否认，放在其余位置表示^自己，-放在中间表示范围，放在字符类中的第一个字符，则表示-自己。正则表达式

　　　　　　5. 字符类内部可使用速记法，好比d s w
　　　　3 速记法
　　　　　　. 能够匹配除换行符以外的任何字符，若是有re.DOTALL标志，则匹配任意字符包括换行
　　　　　　d匹配一个Unicode数字，若是带re.ASCII，则匹配0-9
　　　　　　D 匹配Unicode非数字
　　　　　　s匹配Unicode空白，若是带有re.ASCII，则匹配中的一个
　　　　　　S 匹配Unicode非空白
　　　　　　w匹配Unicode单词字符，若是带有re.ascii,则匹配[a-zA-Z0-9_]中的一个
　　　　　　W 匹配Unicode非单子字符app

1.2 量词
　　　　1. ?匹配前面的字符0次或1次
　　　　2. *匹配前面的字符0次或屡次
　　　　3. +匹配前面的字符1次或者屡次
　　　　4. {m}匹配前面表达式m次
　　　　5. {m,}匹配前面表达式至少m次
　　　　6. {,n}匹配前面的正则表达式最多n次
　　　　7. {m,n}匹配前面的正则表达式至少m次，最多n次
　　　　注意点：
　　　　　　以上量词都是贪婪模式，会尽量多的匹配，若是要改成非贪婪模式，经过在量词后面跟随一个?来实现ide

1.3 组与捕获
　　　　1 ()的做用：
　　　　　　1. 捕获()中正则表达式的内容以备进一步利用处理，能够经过在左括号后面跟随?:来关闭这个括号的捕获功能
　　　　　　2. 将正则表达式的一部份内容进行组合，以便使用量词或者|
　　　　2 反响引用前面()内捕获的内容：
　　　　　　1. 经过组号反向引用
　　　　　　　　每个没有使用?:的小括号都会分配一个组好，从1开始，从左到右递增，能够经过i引用前面()内表达式捕获的内容
　　　　　　2. 经过组名反向引用前面小括号内捕获的内容
　　　　　　　　能够经过在左括号后面跟随?P<name>,尖括号中放入组名来为一个组起一个别名，后面经过(?P=name)来引用前面捕获的内容。如(? P<word>w+)s+(?P=word)来匹配重复的单词。
　　　　3 注意点：
　　　　　　反向引用不能放在字符类[]中使用。函数

1.4 断言与标记
　　　　断言不会匹配任何文本，只是对断言所在的文本施加某些约束
　　　　1 经常使用断言：
　　　　　　1. 匹配单词的边界，放在字符类[]中则表示backspace
　　　　　　2. B 匹配非单词边界，受ASCII标记影响
　　　　　　3. A 在起始处匹配
　　　　　　4. ^在起始处匹配，若是有MULTILINE标志，则在每一个换行符后匹配
　　　　　　5. Z 在结尾处匹配
　　　　　　6. $在结尾处匹配，若是有MULTILINE标志，则在每一个换行符前匹配
　　　　　　7. (?=e)正前瞻
　　　　　　8. (?!e)负前瞻
　　　　　　9. (?<=e)正回顾
　　　　　　10.(?<!e)负回顾
　　　　2 前瞻回顾的解释
　　　　　　前瞻： exp1(?=exp2) exp1后面的内容要匹配exp2
　　　　　　负前瞻: exp1(?!exp2) exp1后面的内容不能匹配exp2
　　　　　　后顾: (?<=exp2)exp1 exp1前面的内容要匹配exp2
　　　　　　负后顾: (?<!exp2)exp1 exp1前面的内容不能匹配exp2
　　　　　　例如：咱们要查找hello，可是hello后面必须是world，正则表达式能够这样写："(hello)s+(?=world)",用来匹配"hello wangxing"和"hello world"只能匹配到后者的hellospa

1.5 条件匹配
　　　　(?(id)yes_exp|no_exp):对应id的子表达式若是匹配到内容，则这里匹配yes_exp，不然匹配no_expcode

1.6 正则表达式的标志
　　　　1. 正则表达式的标志有两种使用方法
　　　　　　1. 经过给compile方法传入标志参数，多个标志使用|分割的方法,如re.compile(r"#[da-f]{6}", re.IGNORECASE|re.MULTILINE)
　　　　　　2. 经过在正则表达式前面添加(?标志)的方法给正则表达式添加标志，如(?ms)#[da-z]{6}
　　　　2. 经常使用的标志
　　　　　　re.A或者re.ASCII，使 B s S w W d D都假定字符串为假定字符串为ASCII
　　　　　　re.I或者re.IGNORECASE使正则表达式忽略大小写
　　　　　　re.M或者re.MULTILINE 多行匹配，使每一个^在每一个回车后，每一个$在每一个回车前匹配
　　　　　　re.S或者re.DOTALL 使.能匹配任意字符，包括回车
　　　　　　re.X或者re.VERBOSE 这样能够在正则表达式跨越多行，也能够添加注释，可是空白须要使用s或者[ ]来表示，由于默认的空白再也不解释。如：
　　　　　　　　re.compile(r"""
　　　　　　　　　　<imgs +)#标签的开始
　　　　　　　　　　[^>]*?#不是src的属性
　　　　　　　　　　src=#src属性的开始
　　　　　　　　　　(?:
　　　　　　　　　　(?P<quote>["'])#左引号
　　　　　　　　　　(?P<image_name>[^>]+?)#图片名字
　　　　　　　　　　(?P=quote)#右括号
　　　　　　　　　　""",re.VERBOSE|re.IGNORECASE)orm

2. Python正则表达式模块
　2.1 正则表达式处理字符串主要有四大功能
　　　　1. 匹配查看一个字符串是否符合正则表达式的语法，通常返回true或者false
　　　　2. 获取正则表达式来提取字符串中符合要求的文本
　　　　3. 替换查找字符串中符合正则表达式的文本，并用相应的字符串替换
　　　　4. 分割使用正则表达式对字符串进行分割。
2.2 Python中re模块使用正则表达式的两种方法
　　　　1. 使用re.compile(r, f)方法生成正则表达式对象，而后调用正则表达式对象的相应方法。这种作法的好处是生成正则对象以后能够屡次使用。
　　　　2. re模块中对正则表达式对象的每一个对象方法都有一个对应的模块方法，惟一不一样的是传入的第一个参数是正则表达式字符串。此种方法适合于只使用一次的正则表达式。
2.3 正则表达式对象的经常使用方法
　　　　1. rx.findall(s,start, end):
　　　　　　返回一个列表，若是正则表达式中没有分组，则列表中包含的是全部匹配的内容，
　　　　　　若是正则表达式中有分组，则列表中的每一个元素是一个元组，元组中包含子分组中匹配到的内容，可是没有返回整个正则表达式匹配的内容
　　　　2. rx.finditer(s, start, end):
　　　　　　返回一个可迭代对象
　　　　　　对可迭代对象进行迭代，每一次返回一个匹配对象，能够调用匹配对象的group()方法查看指定组匹配到的内容，0表示整个正则表达式匹配到的内容
　　　　3. rx.search(s, start, end):
　　　　　　返回一个匹配对象,假若没匹配到，就返回None
　　　　　　search方法只匹配一次就中止，不会继续日后匹配
　　　　4. rx.match(s, start, end):
　　　　　　若是正则表达式在字符串的起始处匹配，就返回一个匹配对象，不然返回None
　　　　5. rx.sub(x, s, m):
　　　　　　返回一个字符串。每个匹配的地方用x进行替换，返回替换后的字符串，若是指定m，则最多替换m次。对于x可使用/i或者/g<id>id能够是组名或者编号来引用捕获到的内容。
　　　　　　模块方法re.sub(r, x, s, m)中的x可使用一个函数。此时咱们就能够对捕获到的内容推过这个函数进行处理后再替换匹配到的文本。
　　　　6. rx.subn(x, s, m):
　　　　　　与re.sub()方法相同，区别在于返回的是二元组，其中一项是结果字符串，一项是作替换的个数。
　　　　7. rx.split(s, m):分割字符串
　　　　　　返回一个列表
　　　　　　用正则表达式匹配到的内容对字符串进行分割
　　　　　　若是正则表达式中存在分组，则把分组匹配到的内容放在列表中每两个分割的中间做为列表的一部分，如：
　　　　　　rx = re.compile(r"(d)[a-z]+(d)")
　　　　　　s = "ab12dk3klj8jk9jks5"
　　　　　　result = rx.split(s)
　　　　　　返回['ab1', '2', '3', 'klj', '8', '9', 'jks5']
　　　　8. rx.flags():正则表达式编译时设置的标志
　　　　9. rx.pattern():正则表达式编译时使用的字符串
　2.4 匹配对象的属性与方法
　　　　01. m.group(g, ...)
　　　　　　返回编号或者组名匹配到的内容，默认或者0表示整个表达式匹配到的内容，若是指定多个，就返回一个元组
　　　　02. m.groupdict(default)
　　　　　　返回一个字典。字典的键是全部命名的组的组名，值为命名组捕获到的内容
　　　　　　若是有default参数，则将其做为那些没有参与匹配的组的默认值。
　　　　03. m.groups(default)
　　　　　　返回一个元组。包含全部捕获到内容的子分组，从1开始，若是指定了default值，则这个值做为那些没有捕获到内容的组的值
　　　　04. m.lastgroup()
　　　　　　匹配到内容的编号最高的捕获组的名称，若是没有或者没有使用名称则返回None(不经常使用)
　　　　05. m.lastindex()
　　　　　　匹配到内容的编号最高的捕获组的编号，若是没有就返回None。
　　　　06. m.start(g):
　　　　　　当前匹配对象的子分组是从字符串的那个位置开始匹配的,若是当前组没有参与匹配就返回-1
　　　　07. m.end(g)
　　　　　　当前匹配对象的子分组是从字符串的那个位置匹配结束的，若是当前组没有参与匹配就返回-1
　　　　08. m.span()
　　　　　　返回一个二元组，内容分别是m.start(g)和m.end(g)的返回值
　　　　09. m.re()
　　　　　　产生这一匹配对象的正则表达式
　　　　10. m.string()
　　　　　　传递给match或者search用于匹配的字符串
　　　　11. m.pos()
　　　　　　搜索的起始位置。即字符串的开头，或者start指定的位置(不经常使用)
　　　　12. m.endpos()
　　　　　　搜索的结束位置。即字符串的末尾位置，或者end指定的位置(不经常使用)
2.5 总结
　　　　1. 对于正则表达式的匹配功能，Python没有返回true和false的方法，但能够经过对match或者search方法的返回值是不是None来判断
　　　　2. 对于正则表达式的搜索功能，若是只搜索一次可使用search或者match方法返回的匹配对象获得，对于搜索屡次可使用finditer方法返回的可迭代对象来迭代访问
　　　　3. 对于正则表达式的替换功能，可使用正则表达式对象的sub或者subn方法来实现，也能够经过re模块方法sub或者subn来实现，区别在于模块的sub方法的替换文本可使用一个函数来生成
　　　　4. 对于正则表达式的分割功能，可使用正则表达式对象的split方法，须要注意若是正则表达式对象有分组的话，分组捕获的内容也会放到返回的列表中htm

做者：GreatAnt
来源: http://www.cnblogs.com/greatfish/p/7572131.html