python3的正则表达式（regex）

Posted 2020-09-17

    正则表达式提供了一种紧凑的表示法，可用于表示字符串的组合，一个单独的正则表达式可以表示无限数量的字符串。常用的5种用途：分析、搜索、搜索与替代、字符串的分割、验证。

（一）正则表达式语言
python中特殊字符有    \.^$?+*{}[]()|
1、字符类速记
^ 　　如果在字符类中第一个字符则表示否定；
-　　  表示一个字符范围，如果作为字符类中的第一个字符，就表示一个字面意义上的连字符；
. 　　 可以匹配除换行符之外的任意字符，或带re.DOTALL标记的任意字符，或匹配字符类内部的字面意义的字符；
\d　   匹配一个Unicode数字，或带re.ASCII标记的[0-9];
\D　　匹配一个Unicode非数字，或带re.ASCII标记的[^0-9];
\s 　　匹配Unicode空白，或带re.ASCII标记的[\t\n\r\f\v];
\S 　　匹配Unicode非空白，或带re.ASCII标记的[^\t\n\r\f\v];
\w 　　匹配一个Unicode单词字符，或带re.ASCII标记的[a-zA-Z0-9_];
\W 　　匹配一个Unicode非单词字符，或带re.ASCII标记的[^a-zA-Z0-9_]

2、量词
格式{m,n}，m与n分别表示使用该量词的表达必须匹配的最少次数与最多次数。如果只给定一个数字则同时表示最小值最大值
量词速记形式：
e{m}    　　准确匹配表达式e的m次出现
e{m,}   　　贪婪地匹配表达式e至少m次出现
e{m,}?    　非贪婪地匹配表达式e至少m次出现
e{,n}    　　最多n次出现
e{,n}?    　 贪婪
e?    　　　  e{0,1}
e??    　　　e{0,1}?
e+    　　    e{1,}
e+?    　　　e{1,}?
e*    　　　 e{0,}
e*?    　　  e{0,}?
[]    　　　  匹配[]内的任意一个内容
（）    　　 将（）的内容作为一个整体来进行匹配
贪婪表示会尽可以多的匹配符合条件的字符，非贪婪则为尽可以少的匹配。

3、可用air(craft|plane)来匹配 aircraft和airplane。
使用air(?:craft|plane)可以用来限制当处于更多的嵌套中时，aricraft和airplane只有一次捕获。圆括号表示组。

4、\i反向引用，i表示前面的捕获号。捕获号也可以用在左圆括号前加 ?P<name>来用名称代替
如：(?P<key>\w+)=(?P<value>.+)对于捕获进行反向引用(?P=name)： (?P<word>\w+)\s+(?P=word) 可以使用名为"word"的捕获来匹配重复的单词。

5、正则表达式断言：
^     在起始处匹配，也可以在带MULTILINE标记的每个换行符后匹配；
$      在结尾处匹配，也可以在带MULTILINE标记的每个换行符前匹配；
\A     在起始处匹配；
\b    在单词边界匹配，受re.ASCII影响，如果在字符内部则是backspace的转义字符；
\B    在非单词边界匹配，受re.ASCII影响；
\Z    在结尾处匹配；
(?=e)    如果表达式e在此断言处匹配，但没有超出此处——称为前瞻或正前瞻，则匹配；
(?!e)    如果表达式e在此断言处不匹配，但没有超出此处——称为负前瞻，则匹配；
(?<=e)    如果表达式e恰在本断言之前匹配——称为正回顾，则匹配；
(?<!e)    如果表达式e恰在本断言之前不匹配——称为负回顾，则匹配；

6、正则表达式的注释
可用(?#the comment)来实现，也可用re.VERBOSE标记。

 

（二）正则表达式模块
正则表达式模块标记：
re.A 或 re.ASCII
re.I 或 re.IGNORECASE    忽略大小写
re.M 或 re.MULTILINE    使^在起始处并在每个换行符后匹配，使$在结尾处但在每个换行符之前匹配
re.S 或 re.DOTALL    使.匹配每个字符，包括换行符
re.X 或 re.VERBOSE    使空白与注释包含在匹配中

正则表达式模块的函数（供查）：
re.compile(r,f)    返回编译后的正则表达式r，如果指定，就将其标记设置为f(即上边的re.A等，且可同时有多个标记，用|分隔)；(使用re‘regex‘的形式表达字符串可不用转义)
re.escape(s)       返回字符串s,其中所有非字母数字的字符都使用反斜线进行了转义处理，因此，返回的字符串中没有特殊的正则表达式字符；
re.findall(r,s,f)    返回正则表达式r在字符串s中所有非交叠的匹配（如果给定f,就受其制约）。如果正则表达式中有捕获，那么每次匹配都作为一个捕获元组返回；
re.finditer(r,s,f)   对正则表达式r在字符串s中每个非交叠的匹配（如果给定了f，就受其制约），都返回一个匹配对象；
re.match(r,s,f)    如果正则表达式r在字符串s的起始处匹配（如果给定f，就受其制约），就返回一个匹配对象(MatchObject)，否则返回None;
re.search(r,s,f)   如果正则表达式r在字符串s的任意位置匹配（如果给定f,就受其制约），就返回一个匹配对象，否则返回None;
re.split(r,s,m)     返回分割字符串s(在正则表达式r每次出现处进行分割）所产生的字符串的列表，至多分割m次（如果没有给定m,就尽可能多的分割），如果正则表达式中包含捕获，就被包含在分割的部分之间；
re.sub(r,x,s,m)    对正则表达式r的每次匹配（如果给定m，那么至多m次），返回字符串s的一个副本，并将其替换为x--这可以是一个字符串，也可以是一个函数；
re.subn(r,x,s,m) 与re.sub()函数相同，区别在于此函数返回一个二元组；

匹配对象属性与方法:
m.end(g)   　　 返回组g(如果给定）在文本匹配的终点索引位置，对组0，则表示整体匹配；如果匹配中不包含该组，就返回-1；
m.endpos  　　  搜索的终点索引位置
m.expands(s)    返回字符串s,并将其中捕获标识用相应的捕获替代；
m.group(g,...)   返回编号的或命名的组g,如果给定的不止一个，就返回相应的捕获组成的元组；
m.groupdict(difault) 返回一个字典，其中存放所有命名的捕获组，组名作为键，捕获作为值；如果给定了default参数，就将其用作那些不参与匹配的捕获组的值；
m.groups(default） 返回包含所有捕获的元组，从1开始；如果给定default,就将其用作那此不参与匹配的捕获组的值；
m.lastgroup       匹配的、编号最高的捕获组的名称，如果不存在或没有使用名称，就返回None;
m.lastindex    　 匹配的、编号最高的捕获组的编号，如果没有就返回None;
m.pos        　　  搜索的起始索引位置；
m.re        　　   产生这一匹配对象的正则表达式对象；
m.span(g)    　　如果给定g,就返回组g在文本中匹配的起始索引位置与结尾位置；（对组0，则是整体匹配）；如果该组不参与匹配，就返回（-1，-1）；
m.start(g)   　　 如果给定g,就返回组g在文本中匹配的起始索引位置（对组0，则是整体匹配）；如果该组不参加匹配，就返回-1；
m.string   　　   传递给match()或search()的字符串；