Python详说正则表达式(对常用的关键字符的讲解)

官方网址

模块re
{
re模块提供了一个正则表达式引擎的接口，可以让你将REstring编译在对象并用它们来进行匹配
}
疑问：字符串前加r的作用，反斜杠就不会被任何特殊处理
{
编译标志-flages
dotall[s],使匹配包括换行在内的所有字符
ignorecase[I],使匹配对大小写不敏感
locale[L],做本地化识别(locale-aware)匹配法语等
multiline[M],多行匹配，影响^和$
varbose[X],能够使用REs的verbose状态，使之被组织得更清晰易懂
}

1.[…]用来表示一组字符,单独列出：[io] 匹配 ‘i’,或’o’

import re
s=‘tip top‘
r=r‘t[io]p‘
a=re.findall(r,s)
print a

[…]如果匹配的是个范围，可以这个写[0-9a-zA-B]表示0到9并a到z并A到B

2.^ ⑴不在[]中的字符：[^io] 匹配除了i,o之外的字符

import re
s=‘tip top‘
r=r‘t[^io]p‘
a=re.findall(r,s)
print a

⑵匹配开头的字符串

    import re
    s=‘ahello hello‘
    r=r‘^hello‘
    a=re.findall(r,s)
    print a

3.$ 匹配后面的字符串

import re
s=‘hello hello‘
r=r‘hello$‘
a=re.findall(r,s)
print a

4.[…^…] “除了写在开头地方” 和[..$...]或[$…]或[…$]这个没有什么作用，只会当作一般字符来处理

5.如果匹配字符串^abc,就会出现问题，因为^是特殊字符

import re
s=‘^abc ^abc ^abc‘
r=r‘^abc‘
a=re.findall(r,s)
print a

出现上面问题，可以这样解决,通过一个转义字符

import re
s=‘^abc ^abc ^abc‘
r=r‘\^abc‘
a=re.findall(r,s)
print a

6.\
-反斜杠排布可以加不同的字符以表示不同特殊意义
-也可以用于出污泥而不染所有的元字符：[或\
⑴\d匹配任何十进制数，它相当于类[0-9]
⑵\D匹配任何非数字字符，它相当于类[^0-9]
⑶\s匹配任何空白字符，它相当于类[\t\n\r\f\v]
⑷\w匹配任何字母数字字符，它相当于类[a-zA-Z0-9]
⑸\W匹配任何非字母数字字符，它相当于类[^a-zA-Z0-9]

7.重复问题
如果你匹配一个电话号码，对于个数，你重复使用\d是很麻烦的，这个怎么解决

import re
n=‘18829789854‘
r=r‘^1\d\d\d\d\d\d\d\d\d\d‘
print re.findall(r,n)

解决办法：使用{number},number表示重复次数

import re
n=‘18829789854‘
r=r‘^1\d{10}$‘   #对于电话号码前面和后面不能现出现别的字符，所以使用^和$   
print re.findall(r,n)   

8.* 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。匹配引擎会试着重复尽可能我的次数(不超过整数办公室范围，20亿)

import urllib,re
h=urllib.urlopen(‘http://www.baidu.com‘)
s=h.read()
r=‘www.\w*.com‘  #两个.之间想匹配多个字母或数字
li=re.findall(r,s)
for i in li:
    print i

9.+ 这和*的区别就是，这个最少一次也就是，匹配前面的字符(次数>=1)，所有对于网址匹配，就应该使用+号

import urllib,re
h=urllib.urlopen(‘http://www.baidu.com‘)
s=h.read()
r=‘www.\w+.com‘  #两个.之间不会出现0次
li=re.findall(r,s)
for i in li:
    print i

10.? ⑴表示前面的符号重复一次或零次
⑵表示最小匹配数，如果想得到ab的最短匹配

import re
s=‘abbbbbbb‘
r=r‘ab+‘
print re.findall(r,s)       

最短：

import re
s=‘abbbbbbb‘
r=r‘ab+?‘
print re.findall(r,s)       

还有一个作用：

import re
r=r‘(?:\d{1}){2}‘       #让组里面的内容连着再次
s=‘fas14214jiojoi2412‘
str_re=re.compile(r)
print str_re.findall(s)

11.如果想匹配前面的符号有一定的范围的话就使用{m,n}

import re
s=‘abbbb‘
r=r‘ab{1,3}‘        #表示b的次数出现1次到3次，包括1和3
print re.findall(r,s)       

12.如果你的正则表达式，反复使用就先提前编译好，这样可以提高运行效率，代码如下

import re
r=re.compile(r‘ab‘) #把正则表达式提前编译好
print r.findall(字符串)

13.如果在匹配的时候，想大小写都可以匹配的话，在编译的时候可以这样

• re.compile(正则表达式,re.I) #re.I表示忽略大小写

14.方法

• match() 决定RE是否在字符串起始的位置匹配
• search() 扫描字符串，找到这个RE匹配的第一次的位置 #前两个返回的是一个对象，如果想看到结果

import re
s=‘ aab‘
r=re.compile(r‘ab‘)
t=r.search(s)
print t.group()

goups()分组

import re
r=r‘(\d)\w*(\d)‘
s=‘fas14214jiojoi2412‘
str_re=re.compile(r)
str_object=str_re.search(s)
print str_object.groups()  #以元组输出分组的结果

• 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 #返回一个迭代器对象

15.MatchObject(match对象)

• 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

16.如果想把某个符合正则表达式的字符串替换，怎样做？

import re
s=‘ aab‘
r=re.compile(r‘ab‘)
t=r.sub(‘AB‘,s)   #‘AB‘是把符合正则表达式的字符换掉
print t

还有一个函数，subn()返回字符串，并且返回更改的个数

17.想把符合正则表达式的内容分割

import re
s=‘ 1+2-3*4/5‘
r=re.compile(r‘[\+\-\*/]‘)   #因为+-*都是特殊字符所有要加上\
t=r.split(s)
print t 

18 .(点) 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。

19.如果匹配的时候，遇到\n等转义字符时，正则不会认为是转义字符，所有在编译的时候，这样做
re.compile(正则表达式,re.S)

import re
r=re.compile(r‘.net‘,re.S)
print r.findall(‘\nnet‘)        

19.如果对多行字符串的处理的话，可以使用到re.M,比如：对于文件处理

import re
s=‘‘‘
ab
abc
abcd
‘‘‘
r=re.compile(r‘^a‘,re.M)
print r.findall(s)  

18.对于正则表达式，写在多行时，就要使用re.X

import re
rn=r‘‘‘
a
‘‘‘
s=‘a‘
r=re.compile(rn,re.X)
print r.findall(s)

19.分组，对于字符串片段进行选择，使用(…|…|….)
实例1：

import re
s=‘www.baidu.cn‘
r=re.compile(r‘www\.\w+\.(com|cn)‘,re.X)
print r.match(s)    

如果使用findall()进行匹配时，会出现下面现象

import re
s=‘www.baidu.cn‘
r=re.compile(r‘www\.\w+\.(com|cn)‘,re.X)
print r.findall(s)

结果：
[‘cn’]

返回了分组的内容

实例2：

import re
s=‘name=1 name=2‘
r=re.compile(r‘name=(\d)‘,re.X)
print r.findall(s)

结果：
[‘1’, ‘2’]

只得到分组的内容，如果没有分组符号,它也返回了name=等