Python3 正则表达式

Python3 正则表达式

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

字符与字符类

特殊字符：.^$?+*{}|

以上特殊字符要想使用字面值，必须使用\进行转义

字符类

• 包含在[]中的一个或者多个字符被称为字符类，字符类在匹配时如果没有指定量词则只会匹配其中的一个。
• 字符类内可以指定范围，比如[a-zA-Z0-9]表示a到z，A到Z，0到9之间的任何一个字符
• 左方括号后跟随一个^{，表示否定一个字符类，比如[}0-9]表示可以匹配一个任意非数字的字符。
• 字符类内部，除了\之外，其他特殊字符不再具备特殊意义，都表示字面值。^{放在第一个位置表示否定，放在其他位置表示}本身，-放在中间表示范围，放在字符类中的第一个字符，则表示-本身。
• 字符类内部可以使用速记法，比如\d \s \w

速记法

• . 可以匹配除换行符之外的任何字符，如果有re.DOTALL标志，则匹配任意字符包括换行
• \d 匹配一个Unicode数字，如果带re.ASCII，则匹配0-9
• \D 匹配Unicode非数字
• \s 匹配Unicode空白，如果带有re.ASCII，则匹配\t\n\r\f\v中的一个
• \S 匹配Unicode非空白
• \w 匹配Unicode单词字符，如果带有re.ascii,则匹配[a-zA-Z0-9_]中的一个
• \W匹配Unicode非单子字符

量词

• ? 匹配前面的字符0次或1次
• • 匹配前面的字符0次或多次
• • 匹配前面的字符1次或者多次
• {m} 匹配前面表达式m次
• {m,} 匹配前面表达式至少m次
• {,n} 匹配前面的正则表达式最多n次
• {m,n} 匹配前面的正则表达式至少m次，最多n次

注意点：
以上量词都是贪婪模式，会尽可能多的匹配，如果要改为非贪婪模式，通过在量词后面跟随一个?来实现

组与捕获

()的作用：

• 捕获()中正则表达式的内容以备进一步利用处理，可以通过在左括号后面跟随?:来关闭这个括号的捕获功能
• 将正则表达式的一部分内容进行组合，以便使用量词或者|反向引用前面()内捕获的内容：
• 通过组号反向引用
• 每一个没有使用?:的小括号都会分配一个组好，从1开始，从左到右递增，可以通过\i引用前面()内表

达式捕获的内容

• 通过组名反向引用前面小括号内捕获的内容
  可以通过在左括号后面跟随?P,尖括号中放入组名来为一个组起一个别名，后面通过(?P=name)来引用 前面捕获的内容。如(? P\w+)\s+(?P=word)来匹配重复的单词。

注意点：
反向引用不能放在字符类[]中使用。

断言与标记

断言不会匹配任何文本，只是对断言所在的文本施加某些约束

常用断言：

• \b匹配单词的边界，放在字符类[]中则表示backspace
• \B匹配非单词边界，受ASCII标记影响
• \A 在起始处匹配
• ^ 在起始处匹配，如果有MULTILINE标志，则在每个换行符后匹配
• \Z 在结尾处匹配
• $ 在结尾处匹配，如果有MULTILINE标志，则在每个换行符前匹配
• (?=e) 正前瞻
• (?!e) 负前瞻
• (?<=e) 正回顾
• (?<!e) 负回顾

条件匹配

(?(id)yes_exp|no_exp)：对应id的子表达式如果匹配到内容，则这里匹配yes_exp，否则匹配no_exp

正则表达式的标志

正则表达式的标志有两种使用方法

• 通过给compile方法传入标志参数，多个标志使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)

• 通过在正则表达式前面添加(?标志)的方法给正则表达式添加标志，如(?ms)#[\da-z]{6}\b
  常用的标志

• re.A或者re.ASCII， 使\b \B \s \S \w \W \d \D都假定字符串为假定字符串为ASCII

• re.I或者re.IGNORECASE 使正则表达式忽略大小写

• re.M或者re.MULTILINE 多行匹配，使每个^在每个回车后，每个$在每个回车前匹配

• re.S或者re.DOTALL 使.能匹配任意字符，包括回车

• re.X或者re.VERBOSE 这样可以在正则表达式跨越多行，也可以添加注释，但是空白需要使用\s或者[ ]来表示，因为默认的空白不再解释。如：

re.compile(r"""<img\s +)   #标签的开始[^>]*?  #不是src的属性src=    #src属性的开始(?:(?P<quote>["']) #左引号(?P<image_name>[^\1>]+?)    #图片名字(?P=quote)  #右括号""",re.VERBOSE|re.IGNORECASE)

正则表达式处理字符串主要有四大功能

• 匹配 查看一个字符串是否符合正则表达式的语法，一般返回true或者false
• 获取 正则表达式来提取字符串中符合要求的文本
• 替换 查找字符串中符合正则表达式的文本，并用相应的字符串替换
• 分割 使用正则表达式对字符串进行分割。

Python中re模块使用正则表达式的两种方法

• 使用re.compile(r, f)方法生成正则表达式对象，然后调用正则表达式对象的相应方法。这种做法的好处是生成正则对象之后可以多次使用。
• re模块中对正则表达式对象的每个对象方法都有一个对应的模块方法，唯一不同的是传入的第一个参数是正则表达式字符串。此种方法适合于只使用一次的正则表达式。