python正则学习总结

暂时先写到这里，随使用逐步更新此文，希望我的总结能帮到你

Regular Expression Syntax

' . '

在默认模式下，匹配除换行符以外的任意字符。如果指定

DOTALL

标志，将匹配任何字符，包括换行符。

' ^ '

匹配字符串的起始，并且在

MULTILINE

模式下 也匹配多行的起始位置。

' $ '

匹配字符串的末尾，或者新的一行前字符的末尾。在 MULTLINE 模式下将匹配多行的末尾位置。

'foo'

匹配

'foo'

和

'foobar'

,然而正则表达式

'foo$'

仅匹配

' foo'

。更有趣的是，

search for 'foo.$'

在

'foo1\nfoo2\n'

自然匹配’foo2’,在

MULTILINE

模式下

'foo1'

会被匹配;在

'foo\b'

中寻找单一’$’将会返回两个 空（empty)匹配：一个在新的一行之前，一个在字符串的结尾。

' * '

使该符号前面的正则表达式匹配0次或多次，尽可能更多的匹配。’ab*’ 将会匹配 ‘a’,’ab’或者’a’跟随着任意数量的’b’

' + '

使得该符号前面的正则表达式匹配1次或多次，

'ab+'

将会匹配 ‘a’跟随着任意非零数量的’b’,不会仅仅匹配一个’a’

' ? '

使得该符号前面的正则表达式匹配1次或0次，

'ab?'

将会匹配 ‘a’或’ab’

*?, +? , ??

符号* ‘,’ + ‘,’ ? ‘是贪婪匹配，他们尽可能更多的匹配字符。有时我们不需要这样的性质，如果 RE <.**>匹配

<a> b <c>

,它将会匹配整个字符串，而不是

<a>

。在这几个符号后面加上?使他进行非贪婪模式匹配或者最小匹配，尽可能少的字符将会被匹配。使用RE

<.*?>

将会仅仅匹配

<a>

{m}

前面的正则表达式重复m次形成的表达式将会被匹配，少于正则次数的将不会被匹配，例如

a{6}

将会仅匹配 6 个 ‘a’字符，而不是5个’a’


4000

{m,n}

符合前面正则表达式重复m到n次形成的表达式将会被匹配，尽可能的匹配更多的前面的正则。这个表达式还有非贪婪的版本。例如

'aaaaaa' 'a{3,5}'

将会匹配5个’a’ ，但是

' a{3,5}? '

将会仅匹配3个’a’。

{m,n}

仅会使最近的正则表达式重复

m-n

次，例如

ab{m,n}

,只会使

b

重复m-n次，如果你希望重复的RE表达更长，可以将前面需要重复的部分加上括号

(ab){m,n}

，这样

ab

将重复m-n次。

' \ '

转译你希望匹配的特殊字符，例如你希望匹配 ’ * ’ , ’ ? ’ 等字符。

'[ ]'

使用这个指明一组字符集合

* 这以直接列出字符，例如

[amk]

将会匹配

' a ',' m ',' k '

。

* 在两个字符中添加

' - '

字符将两个字符分开，表明字符的范围。列如

[a-z]

将会匹配所有的小谢字母，

[0-5][0-9]

将会匹配所有的两位的数字从00到59,并且

[0-9A-Fa-f]

将会匹配任何16进制数

* 在集合中特殊字符失去了他们的特殊意义。例如：

[(+*)]

将匹配任何字符

' ( ' , ' + ' , ' * ' , ' ) '

。

* 在集合中字符类也被例如\w或者\s 也会被接受，尽管他们匹配的含义取决于

LOCALE

或者

UNICODE

模式被设置。

* 如果集合中地一个字符被设置为

' ^ '

所有不在集合中的字符将会被匹配。

NOTE:如果你需要匹配

[

或者

]

以及相似的在re表达式中有特殊含义的字符，匹配

[

可以使用

\

转义字符，当你需要匹配

]

时，不需要转义。

' | '

A|B

,A或者B可以是任意RE正则，这个正则将会匹配A或者B ，在 RE 表达式中匹配顺序按照从左到右。一旦冲共匹配则跳过右边的表达式。如果

*

'(...)'

* 匹配封闭括号中的正则表达式，并保存为分组。分组组的内容在匹配后可以被重新使用。

\number

引用编号为number分组中匹配到的字符串，分组号从1开始。

import re
pattern = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
print re.sub(pattern,r'\2 \1',s)
###out###
say i, world hello!

\A

匹配字符串的起始位置

a = re.findall(r'\Athis' , 'this is a this string ,have lots of this')
a = re.findall('this' , 'this is a this string,have lots of this')
###out###
a = ['this']
a = ['this','this','this']

\Z

匹配字符串的结尾位置，例子参考上面’ \A ‘的示例

\b

匹配\w 和\W之间,官方的解释是（Match the empty string,but only at the beginning or end of a word）我觉得就是匹配 非\w

re.search(r'foo\b','foo')
re.search(r'foo\b','foo.')
re.search(r'foo\b','foo)')
re.search(r'foo\b','foo)))))')
###all match###

\B

与\b恰好相反

\d

当未设置

UNICODE

标志，匹配任意的十进制数，与

[0-9]

的效果相同，当

UNICODE

标志设置时，匹配

UNICODE

中的所有标记为数字的字符。

\D

与

\d

恰好相反

\s

当设置

UNICODE

标志，匹配任意的空白字符(whitespace character),与

[\t\n\r\f\v]

的效果相同。

LOCALE

标志不会扩展机器中的空白字符。当

UNICODE

标志设置时，匹配所有

UNICODE

字符集中的所有空白字符

\S

与

\s

恰好相反

\w

当设置

LOCALE

和

UNICODE

标志，匹配所有的字母数字以及下划线，与

[a-zA-Z0-9_]

效果相同

\W

与

\w

恰好相反

Module Contents

re.compile(pattern,flags=0)

编译正则表达式为正则表达式对象，可以在re.match()和re.search方法中使用。

prog = re.compile(pattern)

result = prog.match(string)

和这样的用法相同

result = re.match(pattern,string)

然而使用re.compile() 并且将结果保存在正则表达式对象中，当这个表达式在同一程序中被多次使用时效果更明显。

re.DEBUG

显示关于编译表达式的debug信息

**

re.I

re.IGNORECASE

**

执行不区分大小写匹配

**

re.M

re.MULTILINE

**

当被指定后，模式字符

' ^ '

匹配字符串的起始和每行的起始。模式字符

' $ '

匹配字符串的末尾和每行的末尾。

**

re.S

re.DOTALL

**

使

' . '

匹配任意字符，包括换行符

**

re.U

re.UNICODE

**

使\w,\W,\b,\B,\d,\D,\s,\S依赖于Unicode 字符属性库

re.search(pattern,string,flags = 0)

扫描整个字符串，寻找正则表达式第一个匹配的位置。把相应的

MathObject

实例返回.如果没有任何位置匹配返回

None

.

re.match(pattern,string,flags = 0)

如果 0 或者更多的字符在字符串的起始位置匹配正则表达式，返回一个相应的

MathObject

实例。如果没有匹配返回

None

。

NOTE:即使在

MULTILINE

模式下，

re.match

也只会匹配字符串的起始位置，而不是每一行的起始位置。

re.splite(pattern,string,maxsplit = 0 , flags = 0)

依照匹配模式拆分字符串，如果在模式匹配中使用捕获括号，在模式组中的所有文本也成为返回结果列表的一部分。如果设置maxsplit不为0,那么最多分割maxsplite次。

>>>re.split('\W+', 'Words, words, words.')

['Words', 'words', 'words', '']

>>> re.split('(\W+)', 'Words, words, words.')

['Words', ', ', 'words', ', ', 'words', '.', '']

>>> re.split('\W+', 'Words, words, words.', 1)

['Words', 'words, words.']

`>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)

['0', '3', '9']

re.findall(pattern,string,flags = 0)

返回字符串中的模式串的所有的非重叠匹配，返回一个字符列表。从左至右扫描字符串，匹配结果按照查找顺序返回。如果一个或者多个group在匹配模式中，返回一个group列表。如果匹配模式中包含超过一个group 将返回一个包含元组的列表

re.finditer(pattern,string,flags=0)

搜索string，返回一个顺序访问每一个匹配结果的迭代器，从左向右扫描字符串，按照匹配顺序返回匹配结果。

re.sub(pattern,repl,string,count = 0,flags = 0)

使用repl 替换string中每一个匹配的字符后，返回替换后的字符串。repl可以是一个字符传或者函数，当repl是一个字符串时，可以使用\id \g引用分组，但编号要从1起始。当repl是一个方法时，该方法接受一个（Match对象），返回用于替代的字符串。

re.subn(pattern,repl,string[,count])

与re.sub方法类似，不过可以通过设置count，设置替换次数。