正则表达式本身和python语言没什么联系，只是匹配字符串内容的一种规则；详见：http://www.cnblogs.com/Eva-J/articles/7228075.html#_label10
官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。在线测试工具 http://tool.chinaz.com/regex/
字符组：[字符组]，
在同一个位置可以出现的各种字符组成一个字符组；例:[1-9];[a-z];[1,2,5,a]
字符：
| 元字符 |
匹配内容 |
| . | 除换行符外的任意字符 |
| ^ | 只能用在首位置，匹配字符串的开始 |
| $ | 只能用在末尾，匹配字符串的结尾 |
| \w | 匹配字母，数字或下划线 |
| \d | 匹配数字 |
| \b | 匹配一个单词的结尾 |
| \s | 匹配任意的空白符 |
| \n | 匹配一个换行符 |
| \t | 匹配一个制表符 |
| \W | 和\w相反，匹配非字母数字下划线的任意字符 |
| \D | 和\d相反，匹配非数字的任意字符 |
| \S | 和\s相反，匹配非空白的任意字符 |
| a|b | 匹配a或b |
| （） | 匹配括号内的表达式，也表示一个组 |
| [……] | 匹配字符中的字符 |
| [^……] | 匹配除了字符组中字符的所有字符 |
量词： 量词都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
| 量词 | 用法说明 |
| ？ | 重复0次或1次 |
| + | 重复1次或多次 |
| * | 重复0次或多次 |
| {n} | 重复n次 |
| {n，} | 重复n次或多次 |
| {n，m} | 重复n次到m次 |
.*?的用法
. 是任意字符； * 是取 0 至 无限长度； ? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在： .*?x
就是取前面任意长度的字符，直到一个x出现
re模块
import re ret = re.findall('a', 'eva egon yuan') # 返回所有满足匹配条件的结果,放在列表里 print(ret) #结果 : ['a', 'a'] ret = re.search('a', 'eva egon yuan').group() print(ret) #结果 : 'a' # 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以 # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。 ret = re.match('a', 'abc').group() # 同search,不过尽在字符串开始处进行匹配 print(ret) #结果 : 'a' ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割 print(ret) # ['', '', 'cd'] ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H'，参数1表示只替换1个 print(ret) #evaHegon4yuan4 ret = re.subn('\d', 'H', 'eva3egon4yuan4')#将数字替换成'H'，返回元组(替换的结果,替换了多少次) print(ret) obj = re.compile('\d{3}') #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字 ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串 print(ret.group()) #结果 ： 123 import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一个结果 print(next(ret).group()) #查看第二个结果 print([i.group() for i in ret]) #查看剩余的左右结果
findall的优先级查询
import re ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可 ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['www.oldboy.com']
split的优先级查询
ret=re.split("\d+","eva3egon4yuan") print(ret) #结果 ： ['eva', 'egon', 'yuan'] ret=re.split("(\d+)","eva3egon4yuan") print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上（）之后所切出的结果是不同的， #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项， #这个在某些需要保留匹配部分的使用过程是非常重要的。
综合练习
匹配标签
#标签匹配 import re ret=re.search('<(?P<tag_name>\w+)>\w+</(?P=tag_name)>','<h>head</h>') #还可以在分组中利用?<name>的形式给分组起名字 #获取的匹配结果可以直接用group('名字')拿到对应的值 print(ret.group()) #结果：<h>head</h> print(ret.group('tag_name')) #结果h ret1=re.search(r'<(\w+)>\w+</\1>','<h>head</h>') #r,转义 #如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致 #获取的匹配结果可以直接用group(序号)拿到对应的值 print(ret1.group()) #结果：<h>head</h> print(ret1.group(1)) #结果h
匹配整数
ret2=re.findall(r'\d+',"1-2*(60+(-40.35/5)-(-4*3))") print(ret2) #['1', '2', '60', '40', '35', '5', '4', '3'] ret2=re.findall(r'-?\d+\.\d*|(-?\d+)',"1-2*(60+(-40.35/5)-(-4*3))") print(ret2) #['1', '-2', '60', '', '5', '-4', '3'] ret2.remove('') print(ret2) #['1', '-2', '60', '5', '-4', '3']
数字匹配
1、 匹配一段文本中的每行的邮箱 http://blog.csdn.net/make164492212/article/details/51656638 2、 匹配一段文本中的每行的时间字符串，比如：‘1990-07-12’； 分别取出1年的12个月（^(0?[1-9]|1[0-2])$）、 一个月的31天：^((0?[1-9])|((1|2)[0-9])|30|31)$ 3、 匹配qq号。(腾讯QQ号从10000开始) ［1,9］[0,9]{4,} 4、 匹配一个浮点数。 ^(-?\d+)(\.\d+)?$ 或者 -?\d+\.?\d* 5、 匹配汉字。 ^[\u4e00-\u9fa5]{0,}$ 6、 匹配出所有整数