Python核心编程之Re正则表达式

正则表达式不只有在Python里面有，基本上所有的语言都会用到。
Re（Regular Expression）用来匹配字符串文本，个人觉得非常好用。
只要记住一些常用的表达式，其他的不懂是时候可以进行查找，毕竟只re只是个工具啦。

1，Python操作示例

在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re

    #coding=utf-8
    导入 re 模块
    # 使用match方法进行匹配操作
    result = re.match(正则表达式,要匹配的字符串) # 返回的是跨度

    In [1]: import re

    In [2]: string = "hello world! this is a test."

    In [3]: result = re.match('hello',string)

    In [4]: result
    Out[4]: <_sre.SRE_Match object; span=(0, 5), match='hello'>

    # 如果上一步匹配到数据的话，可以使用group方法来提取数据
    result.group(x) 表示匹配的第几个数据
    In [5]: result.group(0)
    Out[5]: 'hello'

re.match是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None（注意不是空字符串”“）。
匹配对象Macth Object具有group方法，用来返回字符串的匹配部分。

注意： re.match() 能够匹配出以xxx开头的字符串

2，常用字符匹配

字符	功能
.	匹配任意1个字符（除了\n）
[ ]	匹配[ ]中列举的字符
\d	匹配数字，即0-9
\D	匹配非数字，即不是数字
\s	匹配空白，即空格，tab键
\S	匹配非空白
\w	匹配单词字符，即a-z、A-Z、0-9、_
\W	匹配非单词字符

还有一些其他的，这里只是列举了常用的。

示例1： .

 #coding=utf-8
 import re
ret = re.match(".","a")
ret.group()
ret = re.match(".","b")
ret.group()

ret = re.match(".","M")
ret.group()

示例2：[ ]

import re
# 如果hello的首字符小写，那么正则表达式需要小写的h
ret = re.match("h","hello Python")
ret.group()


# 如果hello的首字符大写，那么正则表达式需要大写的H
ret = re.match("H","Hello Python")
ret.group()

# 大小写h都可以的情况
ret = re.match("[hH]","hello Python")
ret.group()
ret = re.match("[hH]","Hello Python")
ret.group()
# 匹配0到9第一种写法
ret = re.match("[0123456789]","7Hello Python")
ret.group()

# 匹配0到9第二种写法
ret = re.match("[0-9]","7Hello Python")
ret.group()

示例3：\d

#coding=utf-8

    import re

    # 普通的匹配方式
    ret = re.match("嫦娥1号","嫦娥1号发射成功")
    print ret.group()

    ret = re.match("嫦娥2号","嫦娥2号发射成功")
    print ret.group()

    ret = re.match("嫦娥3号","嫦娥3号发射成功")
    print ret.group()

    # 使用\d进行匹配
    ret = re.match("嫦娥\d号","嫦娥1号发射成功")
    print ret.group()

    ret = re.match("嫦娥\d号","嫦娥2号发射成功")
    print ret.group()

    ret = re.match("嫦娥\d号","嫦娥3号发射成功")
    print ret.group()

其他符号可以参照这种自己练习下。我就不一一列举了。

3，原始字符串

那么问题来了，如果我们想匹配 . \ 类似这样的特殊符号怎么办？当然是转义啦，比如用反斜杠 \ 。举个栗子：

>>> mm = "c:\\a\\b\\c"
>>> mm
'c:\\a\\b\\c'
>>> print(mm)
c:\a\b\c

>>> re.match("c:\\\\",mm).group()
'c:\\'
>>> ret = re.match("c:\\\\",mm).group()
>>> print(ret)
c:\
>>> ret = re.match("c:\\\\a",mm).group()
>>> print(ret)
c:\a
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a
>>> ret = re.match(r"c:\a",mm).group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

提示一下经测试，在Python3.6.1或更高版本中，直接使用re.match(‘c:\’,mm) 会报错，提示 TypeError(“first argument must be string or compiled pattern 。
说明：
python中字符串前面加上 r 表示原生字符串，

与大多数编程语言相同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠”\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原始字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
总之，你使用 r 就对了。

4，常用的数量匹配

匹配多个字符的相关格式

字符	功能
*	匹配前一个字符出现0次或者无限次，即可有可无
+	匹配前一个字符出现1次或者无限次，即至少有1次
?	匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符至少出现m次
{m,n}	匹配前一个字符出现从m到n次

示例1：*
需求：匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无

#coding=utf-8
import re

ret = re.match("[A-Z][a-z]*","Mm")
ret.group()

ret = re.match("[A-Z][a-z]*","Aabcdef")
ret.group()

示例2：+
需求：匹配出，变量名是否有效

#coding=utf-8
import re

ret = re.match("[a-zA-Z_]+[\w_]*","name1")
ret.group()

ret = re.match("[a-zA-Z_]+[\w_]*","_name")
ret.group()

ret = re.match("[a-zA-Z_]+[\w_]*","2_name")
ret.group()

示例3：?
需求：匹配出，0到99之间的数字

#coding=utf-8
import re

ret = re.match("[1-9]?[0-9]","7")
ret.group()

ret = re.match("[1-9]?[0-9]","33")
ret.group()

ret = re.match("[1-9]?[0-9]","09")
ret.group()

示例4：{m}
需求：匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线

#coding=utf-8
import re

ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
ret.group()

ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
ret.group()

老规矩，其他的自己去练练。

5，表示边界的匹配

字符	功能
^	可用来当做脱字符，也可用来匹配开头（根据位置而定）
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词边界

允许我懒一下下，实在是切来切去太麻烦了。你们将就看下好了。。不给栗子了就。

6，分组形式的匹配

字符	功能

(ab)	将括号中字符作为一个分组
\num	引用分组num匹配到的字符串
(?P< name>)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

这里讲下后面两个，因为当你在做网站的时候会经常用到，用来匹配url链接参数。
比如：需求：匹配出< html>< h1>www.baicu.com< /h1>< /html>

string = "<html><h1>www.baicu.com</h1></html>"
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "string")
ret.group()

结果：

Out[87]: '<html><h1>www.baicu.com</h1></html>'

In [88]: pattern = re.compile("<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)><
    ...: /(?P=name1)>")

In [89]: pattern.match(string)
Out[89]: <_sre.SRE_Match object; span=(0, 35), match='<html><h1>www.baicu.com</h
1></html>'>

可见，前面的(?P\w*)与(?P\w*)的作用是匹配到对应字符串只有给它起一个别名，分别为 name1 name2 当你在后面需要用到前面匹配到的字符串时，只需要使用对应的别名就可以了即：(?P=name1) (?P=name2) 。如果你们做网站后台的话，会很方便。
我前面使用过Django，就用到了这个。所以这里提下。

7，贪婪与非贪婪模式

什么叫贪婪？我打个比方，不然不好解释。

In [99]: string = "112233456"

In [100]: a = re.match('1*',string)

In [101]: a
Out[101]: <_sre.SRE_Match object; span=(0, 2), match='11'>

In [102]:

所谓贪婪就是它会尽可能多的匹配满足要求的字符。比如上面这个例子，不管你一开始有多少个1，它都会给你匹配出来。加入我们只想匹配一个呢？在后面加个？就可以了。
在Python中，默认为贪婪模式，而？为非贪婪字符。


In [104]: a = re.match('1+?',string)

In [105]: a
Out[105]: <_sre.SRE_Match object; span=(0, 1), match='1'>

8，正则表达式的常用方法

前面已经提到了一些了。

search()
match()
findall()
sub ()

search()跟match()使用方法一样，唯一的区别在于，match只能从头开始找。
findall(regex,string)返回一个符合匹配要求的列表。
sub()用来将符合替换符合正则表达式的字符串。

# 匹配到997之后，将其替换为998
ret = re.sub(r"\d+", '998', "a = 997")

Conclusion：

就这么多了吧，毕竟全部记住也是需要时间的，多练习多看才是硬道理。