学习正则表达式笔记

Posted 2020-10-04 ZT1994

1.正则表达式简介

　　 正则表达式为高级的文本模式匹配，抽取，与和或形式的搜索和替换功能提供了基础。也就是说正则表达式（RegEx）能匹配到多个字符，你就可以很容易的操作这些匹配到的字符，只要你运用正确的字符和特殊符号。

　　Python中通过导入 re 模块来支持正则表达式。

2.常见的正则表达式符号和特殊字符

　　2.1符号

　　

符号表示法	描述	示例
literal	匹配文本字符串的字面值 literal，即匹配原始字符	foo
re1|re2	匹配正则表达式 re1 或者 re2，中间的 | 相当于或，可以匹配两边的字符	foo|bar
.	匹配任何字符（除了\n 之外），点可以匹配任何值，除了换行符，空白这些都可以匹配	b.b
^	表示匹配开始的位置，如^Dear，表示匹配从Dear开始匹配，在Dear前的字符不管	^Dear
$	表示匹配终止位置，如end$，表示遇到end就停止匹配，在end之后的字符就不匹配了	end$
*	表示匹配任意次数，即可以匹配0次，也可以匹配100次，如[A-Za-z0-9]*， 就表示可以匹配方括号内所有字母，数字任意次数，可以可以用来匹配电子邮件地址	[A-Za-z0-9]*
+	表示匹配一次以上，即至少要匹配一次，如a+，表示匹配a至少一次	a+
?	表示匹配 0 次或者 1 次前面出现的正则表达式， goo？，就表示可以匹配到goo一次或没匹配到goo	goo?
[…]	表示匹配来自字符集的任意单一字符，在方括号中就可以	[aeiou]
{N}	表示匹配前面的正则表达式N次，如[0-9]{3} ，就表示可以，在1到9中，匹配3次	[0-9]{3}
{M,N}	表匹配 M～N 次前面出现的正则表达式，如[0-9]{5,9}，就表示匹配5到9次	[0-9]{5,9}
[..x?y..]	表示匹配 x ～ y 范围中的任意单一字符	[0-9], [A-Za-z]
[^…]	不匹配此字符集中出现的任何一个字符，包括某一范围的字符	[^aeiou]
(…)	表示匹配封闭的正则表达式，然后另存为子组，用于分组	([0-9]{3})?
(*|+|?|{})?	用于匹配上面频繁出现/重复出现符号的非贪婪版本（*、+、?、{}）	.*?[a-z]

　　2.2 特殊字符

特殊字符 表示法	描述	示例
\d	匹配任何十进制数字，与[0-9]一致（\D 与\d 相反，不匹配任何非数值型的数字）， 如\d+，表示可以匹配多个数字	\d+
\w	匹配任何字母数字字符，与[A-Za-z0-9_]相同（\W与之相反）	[A-Za-z_]\w+
\s	匹配任何空格字符，与[\n\t\r\v\f]相同（\S 与之相反）， 如of\sthe，表示of和the之间有个空格	of\sthe
\b	匹配任何单词边界（\B 与之相反）,如\bThe\b ，就表示仅仅匹配单词 the	\bThe\b
\N	匹配已保存的子组 N（参见上面的(…))	price: \16
\c	逐字匹配任何特殊字符 c（即，仅按照字面意义匹配，不匹配特殊含义）	\., \\, \*
\A(\Z)	匹配字符串的起始（结束）（另见上面介绍的^和$）	\ADear

　　　　学会了上面的正则表达式符号和特殊字符，剩下的就是灵活组合成需要的正则表达式，多熟悉就好了。

3.正则表达式和 Python 语言

3.1 re 模块函数和正则表达式对象的方法

　　1.Python使用模块re，来支持正则表达式，导入方法： import re

　　2.使用 compile(pattern，flags = 0) 来编译正则表达式的模式。

　　3.使用 match(pattern，string，flags=0) 来匹配字符串。如果匹配成功，就返回匹配对象；如果失败，就返回 None。

　　4.使用search(pattern，string，flags=0)  来搜索需要的字符串，如果匹配成功，则返回匹 配对象；如果失败，则返回 None 。

　　5.使用findall(pattern，string [, flags] ) 来寻找所有匹配到的字符串，并返回一个匹配列表。

　　6.使用find(pattern，string [, flags] ) 只会找到满足匹配要求的第一个字符串。即只匹配最前面的一个。

3.2 常用的模块属性

　　1.re.I、re.IGNORECASE，表示不区分大小写的匹配。

　　2.re.L、re.LOCALE，根据所使用的本地语言环境通过\w、\W、\b、\B、\s、\S 实现匹配。

　　3.re.M、re.MULTILINE，^和$分别匹配目标字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和结尾。

　　4.re.S、rer.DOTALL，“.”（点号）通常匹配除了\n（换行符）之外的所有单个字符；该标记表示“.”（点号） 能够匹配全部字符。

　　5.re.X、re.VERBOSE，通过反斜线转义，否则所有空格加上#（以及在该行中所有后续文字）都被忽略，除非 在一个字符类中或者允许注释并且提高可读性。