正則表示式的介紹

       正則表示式（或 RE）是一種小型的、高度專業化的程式語言，（在Python中）它內嵌在Python中，並通過 re 模組實現。正則表示式模式被編譯成一系列的位元組碼，然後由用 C 編寫的匹配引擎執行。

       正則表示式是對字串（包括普通字元（例如，a 到 z 之間的字母）和特殊字元（稱為“元字元”））操作的一種邏輯公式，就是用事先定義好的一些特定字元、及這些特定字元的組合，組成一個“規則字串”，這個“規則字串”用來表達對字串的一種過濾邏輯。正則表示式是一種文字模式，模式描述在搜尋文字時要匹配的一個或多個字串。

正則的元字元

元字元（11個）     .  ^  $  *  +  ?  {}  []  |  ()  \

1. .(萬用字元) 只能帶替任意一個字元（不能匹配換行符）
2. ^ 從字串的開始匹配
3. $ 從字串的結尾匹配 
4. * 重複前面的字元匹配 [0,+oo]  0到多次
5. + 重複前面的字元匹配 [1,+oo]  1到多次
6. ？ 匹配0到1次 [0,1]
7. {} 匹配任意次數 自定義 
* 等價於{0，正無窮}   +等價於{1，+oo}   ?等價於{0，1} 推薦使用前面的匹配符

8.[] 字符集 [ab] 表示a或b  [a-z] 表示範圍  取消元字元的特殊功能（除 \ ^ -） ^放在[]裡：取反

9.\ 
反斜槓後邊跟元字元去除特殊功能
反斜槓後邊跟普通字元實現特殊功能
\d 匹配任何十進位制數 相當於類[0-9] 
\D 匹配任何非數字字元 相當於類 [^0-9]
\s 匹配任何空白字元 相當於 [ \t\n\r\f\v]
\S 匹配任何非空白字元 相當於  [^ \t\n\r\f\v]
\w 匹配任何字母數字字元 相當於類 [a-zA-Z0-9]
\W 匹配任何非字母數字字元 相當於類 [^a-zA-Z0-9]
\b 匹配一個特殊字元邊界 也就是指單詞和空格間的位置

10. () 分組
11. | 或
 

re模組的一些函式

re.findall() 全部查詢，找到第一個繼續查詢 返回一個列表
re.search('ab','dafaddfaab') （第一個匹配成功停止匹配）返回一個物件，查詢不到返回一個None
re.search('ab','dafaddfaab').group()（第一個匹配成功停止匹配）返回一個物件結果,如果查詢不到會拋異常

re.match(): 只在字串開始匹配
re.split(): 分割字串
示例：
re.split('s','fgasdfa')  # ['fga','dfa']
re.split('[s,f]','fgasdfa')  # ['', 'ga', 'd', 'a']  先按照s分割再按照f分割


re.sub('k..k','l..l','dafakaikaidfa')  # 替換 第一個引數是匹配 第二個引數是要將匹配替換成什麼 第三個引數是原始字串
re.compile()：匹配規則編譯好，可以多次呼叫

obj = re.compile('\.com')
ret = obj.findall('gfd.comfga')
print(ret)

元字元之. ^ $ * + ? { }

import re
 
ret=re.findall('a..in','helloalvin')
print(ret)#['alvin']
 
 
ret=re.findall('^a...n','alvinhelloawwwn')
print(ret)#['alvin']
 
 
ret=re.findall('a...n$','alvinhelloawwwn')
print(ret)#['awwwn']
 
 
ret=re.findall('a...n$','alvinhelloawwwn')
print(ret)#['awwwn']
 
 
ret=re.findall('abc*','abcccc')#貪婪匹配[0,+oo]  
print(ret)#['abcccc']
 
ret=re.findall('abc+','abccc')#[1,+oo]
print(ret)#['abccc']
 
ret=re.findall('abc?','abccc')#[0,1]
print(ret)#['abc']
 
 
ret=re.findall('abc{1,4}','abccc')
print(ret)#['abccc'] 貪婪匹配

注意：前面的*,+,?等都是貪婪匹配，也就是儘可能匹配，後面加?號使其變成惰性匹配

ret=re.findall('abc*?','abcccccc')
print(ret)#['ab']

元字元之字符集［］：

#--------------------------------------------字符集[]
ret=re.findall('a[bc]d','acd')
print(ret)#['acd']
 
ret=re.findall('[a-z]','acd')
print(ret)#['a', 'c', 'd']
 
ret=re.findall('[.*+]','a.cd+')
print(ret)#['.', '+']
 
#在字符集裡有功能的符號: - ^ \
 
ret=re.findall('[1-9]','45dha3')
print(ret)#['4', '5', '3']
 
ret=re.findall('[^ab]','45bdha3')
print(ret)#['4', '5', 'd', 'h', '3']
 
ret=re.findall('[\d]','45bdha3')
print(ret)#['4', '5', '3']

findall() 和（）分組使用的時候，查詢的結果是分組的結果，當在分組前面新增?:後表示取消分組的優先順序，查詢為findall結果 

ret = re.findall('www.(\w+).com','www.baidu.com')
print(ret) # ['baidu']
ret = re.findall('www.(?:\w+).com','www.baidu.com')
print(ret) # ['www.baidu.com']

元字元之轉義符\

ret=re.findall('I\b','I am LIST')
print(ret)#[]
ret=re.findall(r'I\b','I am LIST')
print(ret)#['I']

\和\\的特殊情況

#-----------------------------eg1:
import re
ret=re.findall('c\l','abc\le')
print(ret)#[]
ret=re.findall('c\\l','abc\le')
print(ret)#[]
ret=re.findall('c\\\\l','abc\le')
print(ret)#['c\\l']
ret=re.findall(r'c\\l','abc\le')
print(ret)#['c\\l']
 
#-----------------------------eg2:
#之所以選擇\b是因為\b在ASCII表中是有意義的
m = re.findall('\bblow', 'blow')
print(m)
m = re.findall(r'\bblow', 'blow')
print(m)

元字元之分組()

m = re.findall(r'(ad)+', 'add')
print(m)
 
ret=re.search('(?P<id>\d{2})/(?P<name>\w{3})','23/com')
print(ret.group())#23/com
print(ret.group('id'))#23

元字元之｜

ret=re.search('(ab)|\d','rabhdg8sd')
print(ret.group())#ab

原文來自http://www.cnblogs.com/yuanchenqi/articles/5732581.html