python正则

正则表达式RE为高级文本搜索模式匹配、搜索-替代等功能提供了基础，它是一种由字符和特殊符号组成的字符串，描述了这些字符的某种重复方式，因此能按某种模式匹配一个有相似特征的字符串或字符串的集合。python正则表达式的相关模块为re模块。

常用正则表达式符号和特殊字符——

literal：匹配字符串的值，即literal本身
re1|re2：匹配正则表达式re1或re2，可以理解为逻辑或
.：匹配任何单个字符，换行符除外（python有方法取消这个限制的）
^：匹配字符串的开始
$：匹配字符串的结尾
*：匹配前面出现的正则表达式零次或多次
+：匹配前面出现的正则表达式一次或多次
?：匹配前面出现的正则表达式零次或一次
{N}：匹配前面出现的正则表达式N次
{M,N}：匹配重复出现M次到N次的正则表达式
[…]：匹配字符组里出现的任意一个字符
[…x-y…]：匹配从字符x到y中的任意一个字符
[^…]：不匹配此字符集中出现的任意一个字符，包括某一范围的字符
(*|+|?|{})?：用于上面出现的任何“非贪婪”版本，问号有两种含义，单独使用时表示匹配出现零次或一次的情况，紧跟在表示重复的元字符后面时，表示要求搜索引擎匹配的字符串越短越好，留下尽可能多的字符给后面的模式
(…)：匹配封闭括号中正则表达式，并保存为子组。圆括号可以对正则表达式进行分组或匹配子组。
\d：匹配任何数字，和[0-9]一样，\D是\d的反义
\w：匹配任何数字或字母字符，和[A-Za-z0-9]一样，\W是\w的反义
\s：匹配任何空白符，和[\n\t\r\v\f]一样，\S是\s的反义
\b：匹配单词边界，\B是\b的反义
\nn：匹配已保存的字组
\c：逐一匹配特殊字符c，即转义字符，有时候\字符太多了容易令人困惑，可用python原始字符串，即在字符串的一开始加r字符。
\A：匹配字符串的开始，\Z匹配字符串的结束

下面介绍python正则表达式(re模块)常见的函数与方法——

compile(pattern,flags=0)：对正则表达式pattern进行编译，flags是可选标志符，并返回一个regex对象。由于预编译代码对象比字符串快，正则表达式又经常被用到，这时就用到了这个函数。
match(pattern,string,flags=0)：尝试用正则表达式模式pattern匹配字符串string，是从字符串的开头开始匹配的，flags是可选标志符，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中查找正则表达式模式pattern的第一次出现，flags是可选标志符，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string中查找正则表达式模式pattern的所有非重复出现，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中分隔符吧字符string分割为一个列表，返回成功匹配的列表，最多分割max次，默认是分割所有匹配的地方。
sub(pattern,rep1,string,max=0)：把字符串string中所有匹配正则表达式pattern的地方换成字符串rep1，如果max的值没有给出，则对所有匹配的地方进行替换，另外还有一个类似的subn()。
group(num=0)：返回全部匹配对象，或指定编号是num的子组。
groups()：返回一个包含全部匹配的子组的元组，如果没有成功匹配，就返回一个空元组。

下面以一个例子展示search与match、贪婪与非贪婪模式的区别——

待匹配的字符串str为：

>>> str = ‘Fri Jun,5 16:00:00 2015::aidearone@gmail.com::88888888-6-9‘

我们匹配str最后的数字段，即“88888888-6-9”。
匹配模式patt为：

>>> patt = ‘\d+-\d+-\d+‘

下面是search的结果（符合预期）：

>>> re.search(patt, str).group()
‘88888888-6-9‘

再来看一下match（失败了，因为match从字符串开始匹配，匹配失败返回None）：

>>> re.match(patt, str).group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: ‘NoneType‘ object has no attribute ‘group‘

修改匹配模式为patt2（结果不对）：

>>> patt2 = ‘.+\d+-\d+-\d+‘
>>> re.match(patt2, str).group()
‘Fri Jun,5 16:00:00 2015::aidearone@gmail.com::88888888-6-9‘

再次修改匹配模式为patt3（分组，结果接近预期了，这是因为匹配模式是贪婪的）：

>>> patt3 = ‘.+(\d+-\d+-\d+)‘
>>> re.match(patt3, str).group(1)
‘8-6-9‘

最后修改匹配模式为patt4（成功了，使用了非贪婪模式）：

>>> patt4 = ‘.+?(\d+-\d+-\d+)‘
>>> re.match(patt4, str).group(1)
‘88888888-6-9‘