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

 

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 ‘a‘，‘m‘或‘k‘
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
*	匹配0个或多个的表达式。
+	匹配1个或多个的表达式。
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式,+?,*?,??,{n,m}?
{n}	精确匹配n个前面表达式。
{n,m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a|b	匹配a或b
( )	匹配括号内的表达式，也表示一个组
\.	匹配.号
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b‘ 可以匹配"never" 中的 ‘er‘，但不能匹配 "verb" 中的 ‘er‘。
\B	匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘，但不能匹配 "never" 中的 ‘er‘。
完整列表	菜鸟教程:http://www.runoob.com/regexp/regexp-metachar.html

 

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,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

1. re.I 忽略大小写
2. re.L 表示特殊字符集 \w,\W,\b,\B,\s,\S 依赖于当前环境
3. re.M 多行模式
4. re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
5. re.U 表示特殊字符集 \w,\d,\D,\S 依赖于 Unicode 字符属性数据库
6. re.X 为了增加可读性，忽略空格和 # 后面的注释