python3 正則表示式，re模組學習
阿新 • • 發佈：2019-02-15
正則表示式：
正則表示式有特殊的語法，有些符號需要轉義，所以一般來說使用原始字串模式，也就是r''。
| 模式 | 描述 |
|---|---|
| ^ | 匹配字串的開頭 |
| $ | 匹配字串的末尾。 |
| . | 匹配任意字元，除了換行符，當re.DOTALL標記被指定時，則可以匹配包括換行符的任意字元。 |
| [...] | 用來表示一組字元,單獨列出：[amk] 匹配 'a'，'m'或'k' |
| [^...] | 不在[]中的字元：[^abc] 匹配除了a,b,c之外的字元。 |
| re* | 匹配0個或多個的表示式。 |
| re+ | 匹配1個或多個的表示式。 |
| re? | 匹配0個或1個由前面的正則表示式定義的片段，非貪婪方式 |
| re{ n} | 匹配n個前面表示式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的兩個o。 |
| re{ n,} | 精確匹配n個前面表示式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等價於"o+"。"o{0,}"則等價於"o*"。 |
| re{ n, m} | 匹配 n 到 m 次由前面的正則表示式定義的片段，貪婪方式 |
| a| b | 匹配a或b |
| (re) | G匹配括號內的表示式，也表示一個組 |
| (?imx) | 正則表示式包含三種可選標誌：i, m, 或 x 。隻影響括號中的區域。 |
| (?-imx) | 正則表示式關閉 i, m, 或 x 可選標誌。隻影響括號中的區域。 |
| (?: re) | 類似 (...), 但是不表示一個組 |
| (?imx: re) | 在括號中使用i, m, 或 x 可選標誌 |
| (?-imx: re) | 在括號中不使用i, m, 或 x 可選標誌 |
| (?#...) | 註釋. |
| (?= re) | 前向肯定界定符。如果所含正則表示式，以 ... 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含表示式已經嘗試，匹配引擎根本沒有提高；模式的剩餘部分還要嘗試界定符的右邊。 |
| (?! re) | 前向否定界定符。與肯定界定符相反；當所含表示式不能在字串當前位置匹配時成功。 |
| (?> re) | 匹配的獨立模式，省去回溯。 |
| \w | 匹配數字字母下劃線 |
| \W | 匹配非數字字母下劃線 |
| \s | 匹配任意空白字元，等價於 [\t\n\r\f]。 |
| \S | 匹配任意非空字元 |
| \d | 匹配任意數字，等價於 [0-9]。 |
| \D | 匹配任意非數字 |
| \A | 匹配字串開始 |
| \Z | 匹配字串結束，如果是存在換行，只匹配到換行前的結束字串。 |
| \z | 匹配字串結束 |
| \G | 匹配最後匹配完成的位置。 |
| \b | 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B | 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| \n, \t, 等。 | 匹配一個換行符。匹配一個製表符, 等 |
| \1...\9 | 匹配第n個分組的內容。 |
| \10 | 匹配第n個分組的內容，如果它經匹配。否則指的是八進位制字元碼的表示式。 |
字元類
| 例項 | 描述 |
|---|---|
| [Pp]ython | 匹配 "Python" 或 "python" |
| rub[ye] | 匹配 "ruby" 或 "rube" |
| [aeiou] | 匹配中括號內的任意一個字母 |
| [0-9] | 匹配任何數字。類似於 [0123456789] |
| [a-z] | 匹配任何小寫字母 |
| [A-Z] | 匹配任何大寫字母 |
| [a-zA-Z0-9] | 匹配任何字母及數字 |
| [^aeiou] | 除了aeiou字母以外的所有字元 |
| [^0-9] | 匹配除了數字外的字元 |
標誌位：
| 修飾符 | 描述 |
|---|---|
| re.I | 使匹配對大小寫不敏感 |
| re.L | 做本地化識別（locale-aware）匹配 |
| re.M | 多行匹配，影響 ^ 和 $ |
| re.S | 使 . 匹配包括換行在內的所有字元 |
| re.U | 根據Unicode字符集解析字元。這個標誌影響 \w, \W, \b, \B. |
| re.X | 該標誌通過給予你更靈活的格式以便你將正則表示式寫得更易於理解。 |
貪婪模式和非貪婪模式：
貪婪模式：往多的匹配
非貪婪模式：往少的匹配
比如說：有一個字串"fooooood，food，foood",我要匹配有兩個o及以上的字串，貪婪模式，匹配到的是fooooood，非貪婪模式匹配到的是food。
看清楚語法，選擇合適的。
正則表示式的方法有哪些？
re模組中有match和search兩個常用方法。
共同點：
引數第一個是pattern，正則表示式
第二個是string，需要匹配的字串
第三個是flag，標誌位
成功返回匹配物件，匹配物件有兩個方法，group和groups，失敗返回None
不同點：
match是從字串第一個字元開始匹配，如果不符合就匹配失敗，search是匹配整個字串，直到找到一個匹配
group和groups的區別：
group(num=0):根據引數返回匹配物件，預設引數為0
groups()：直接返回匹配成功的所有物件的元組
import re
line = "cats are smarter than dogs"
matchObj = re.match(r'（.*） are （.*?） .*',line,re.M|re.I)
if matchObj:
print(matchObj.group(0))
print(matchObj.groups())
else:
print("No match")字串的替換：
re.sub()
第一個引數pattern：正則
第二個引數：替換的字串或者函式
第三個引數：需要替換的字串
第四個引數：替換最大次數，預設全部匹配
返回值：替換後的字串
line2 = re.sub('cats','mouse',line,0)
print(isinstance(line2,str))compile函式根據正則生成正則表示式物件：
引數有兩個：一個必選，一個可選
第一個引數：正則表示式
第二個引數：標誌位
finall方法：
在字串中找到正則表示式所匹配的所有子串，並返回一個列表
如果沒有找到匹配的，則返回空列表。
與前面兩個方法的不同之處，前面的是匹配一次，這個是匹配所有子字串
第一個引數：需要匹配的字串
可選引數：開始位置和結束位置
split方法：
第一個引數：正則表示式
第二個引數：匹配的字串
第三個引數：匹配次數 ，預設為0，不限次數
split = re.split('\d+','dfd1fdf2efrfd2qw2fwef31r3wrf131fsa2d')
print(split)第四個引數：標誌位