正则表达式
在线正则表达式测试工具:http://tool.oschina.net/regex/
1.常见匹配模式
| 表示 | 法描述 | 正则表达式示例 |
|---|---|---|
| 符号 | ||
| literal | 匹配文本字符串的字面值 | literal foo |
| re1|re2 | 匹配正则表达式re1或者re2 | foo|bar |
| . | 匹配任何字符(除了\n之外),当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符 | b.b |
| ^ | 匹配字符串起始部分 | ^Dear |
| $ | 匹配字符串终止部分 | /bin/*sh$ |
| * | 匹配0次或者多次前面出现的正则表达式 | [A-Za-z0-9]* |
| + | 匹配1次或者多次前面出现的正则表达式 | [a-z]+.com |
| ? | 匹配0次或者1次前面出现的正则表达式 | goo? |
| {N} | 匹配N次前面出现的正则表达式 | [0-9]{3} |
| {M,N} | 匹配M~N次前面出现的正则表达式 | [0-9]{5,9} |
| […] | 匹配来自字符集的任意单一字符 | [aeiou] |
| [..x−y..] | 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(如果在此字符集中出现) | [^aeiou],[^A-Za-z0-9] |
| (*+?{})? | 用于匹配上面频繁出现/重复出现符号的非贪婪版本(*、+、?、{}) | .*?[a-z] |
| (…) | 匹配封闭的正则表达式,然后另存为子组,通常可以使用(.*?)来选出要匹配的内容 | ([0-9]{3})?,f(oou)bar |
| 特殊字符 | ||
| \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) | data\d+.txt |
| \w | 匹配任何字母数字下划线字符,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) | of\sthe |
| \b | 匹配任何单词边界(\B与之相反) | \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,只匹配到换行前的结束字符串)(另见上面介绍的^和$) | \ADear |
| \z | 匹配字符串结束 | |
| \G | 匹配最后匹配完成的位置 | |
| \数字 | 引用已经匹配到的子匹配项 | (\w)+\1 |
| 扩展表示法,非捕获元 | ||
| (?iLmsux) | 在正则表达式中嵌入一个或者多个特殊“标记”参数(或者通过函数/方法) | (?x),(?im) |
| (?:…) | 表示一个匹配不用保存的分组 | (?:\w+.)* |
| (?P< name>…) | 像一个仅由name标识而不是数字ID标识的正则分组匹配 | (?P< data>) |
| (?P=name) | 在同一字符串中匹配由(?P<\name)分组的之前文本 | (?P=data) |
| (?#…) | 表示注释,所有内容都被忽略 | (?#comment) |
| (?=…) | 匹配条件是如果…出现在之后的位置,而不使用输入字符串;称作正向前视断言 | (?=.com) |
| (?!…) | 匹配条件是如果…不出现在之后的位置,而不使用输入字符串;称作负向前视断 | (?!.net) |
| (?<=…) | 匹配条件是如果…出现在之前的位置,而不使用输入字符串;称作正向后视断言 | (?<=800-) |
| (?<!…) | 匹配条件是如果…不出现在之前的位置,而不使用输入字符串;称作负向后视断言 | (?<!192\.168\.) |
| (?(id/name)Y|N) | 如果分组所提供的id或者name(名称)存在,就返回正则表达式的条件匹配Y,如果不存在,就返回N;|N是可选项 | (?(1)y|x) |
2.re.match
从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none
re.match(pattern, string, flags=0)
2.1参数
pattern：正则表达式
string：待匹配的字符串
flags：修饰符,匹配模式(re.S表示.匹配换行符,re.I表示对大小写不敏感）
2.2返回结果的方法
result.group(num=0)：匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
result.groups():
result.span()：可以输出匹配的范围
2.3例子
import re
content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content, re.S)#.*?非贪婪匹配任意字符,\.转义
print(result.group(1))
3.re.search
扫描整个字符串并返回第一个成功的匹配
4.re.findall
搜索字符串，以列表形式返回全部能匹配的子串
5.re.sub
re.sub(pattern, repl, string, count=0, flags=0)
替换字符串中每一个匹配的子串后返回替换后的字符串（pattern是正则表达式，repl是替换成的字符串,也可为一个函数对匹配值的操作,string是查找的字符串,count是模式匹配后替换的最大次数，默认 0 表示替换所有的匹配）
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)
6.re.compile
将正则字符串编译成正则表达式对象
regax = re.compile('Hello.*Demo', re.S)
result = re.match(regax, content)
print(result)regax有以下方法:
regex.search() 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
regex.match() 从一个字符串的开始位置起匹配正则表达式，返回match对象
regex.findall() 搜索字符串，以列表类型返回全部能匹配的子串
regex.split() 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
regex.finditer() 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
regex.sub() 在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
7.修饰符
- re.I 忽略大小写
- re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
- re.M 多行模式
- re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
- re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
- re.X 为了增加可读性，忽略空格和 # 后面的注释