python入门之正则表达式

正则

　　通过re模块实现

　　eg：>>>import re

　　        >>>re.findall('abc',str_name)

　　在strname里面完全匹配字符串abc，返回列表['abc']，有多个则返回多个相同的元素，若没有，则返回空列表。优先取出组里面的内容，在小括号开头加上?:就可以去掉优先获取组里内容的权限

元字符

　　.　　表示匹配单个字符，除了换行符

　　　　re.findall('a.c',djsdsdabcdw')返回列表的元素为abc

　　^　　表示以什么开头

　　　　re.findall('^abc','abcoweijdw')返回列表的元素为abc

　　$　　表示以什么结尾

　　　　re.findall('abc$','elkjfwlabc')返回列表的元素为abc

　　*　　表示匹配前一个字符零到多次

　　　　re.findall('abc*','efwkabcccccclo')也可以匹配到ab，贪婪匹配，匹配最多次

　　+　　表示匹配前一个字符一到多次

　　　　re.findall('abc+','sdfabcccdcw')不能匹配到ab，至少匹配到abc

　　?　　表示匹配前一个字符零次和一次

　　　　re.findall('abc?','sdabcewwabsef')返回的列表元素是ab和abc

　　{}　　表示匹配前一个字符n次，数字n放在括号里

　　　　abc{3}只能匹配abccc，也可以写区间{3,5}，匹配前面的内容3到5次

　　\　　后跟元字符，则去除元字符的特殊功能

　　　　 后边跟普通字符，则实现特殊功能

　　　　\d 任何十进制数，同[0-9]

　　　　\D 同[^0-9]

　　　　\s 匹配任何空白字符，同[\t\n\r\f\v]

　　　　\S 与\s相反

　　　　\w 同[a-zA-Z0-9]

　　　　\W 与\w相反

　　　　\b 匹配单词边界，分割与特殊字符之间的地方

字符集

　　[ ]　　a[bc]d 只能匹配abd和acd

　　　　　[a-z] [A-Z] [1-9]

　　^　　[^1-9] 匹配除了1到9的字符

　　()　　(ab)* 匹配ab字符串 零个到多个

　　|　　或

函数

　　re.search('abc','sefabcsefwabc').group()

　　　　只匹配找到的第一个满足的字符串返回，后面就不匹配了，返回的并不是列表，是字符串

　　re.findall(r"a(\d+)","a4394dfgr)

　　　　匹配括号里的，返回4394

　　re.search(r"a(\d+)","a4394dfgr").group()

　　　　贪婪匹配，返回a4394

　　re.search(r"a(\d+?)","a4394dfgr").group()

　　　　非贪婪匹配，返回a4

　　　　可将+换成*。另外括号后面有个限制条件，如a(\d+?)b，这样非贪婪匹配就不起作用了，有无?都是一样的

　　re.match(被匹配字符串,匹配字符串,flag)

　　　　其中，flag常用取值：

　　　　　　re.I 不区分大小写

　　　　　　re.S 使.匹配包括换行符在内的所有字符

　　　　match匹配到的是一个match对象，需要用group()方法去取匹配的字符串，参数默认为0，取匹配到所有的内容，若是n，则返回第n个组的内容，也就是第n个小括号里匹配到的内容

　　　　groups()方法获取组里的内容，返回一个元组，一个组里的内容就是元组的一个元素

　　　　groupdict()方法，在组内开头加上 ?P<"asdfa">，就能返回一个字典，由自己定义的键“asdfa”和组的内容组成键值对

　　　　start() 返回匹配开始的位置

　　　　end() 返回结束位置

　　　　span() 返回一个元组，包含匹配的开始和结束的位置

　　re.sub(被替换的字符串,替换成此字符串,str_name,替换次数)

　　re.subn(被替换的字符串,替换成此字符串,str_name)

　　　　此方法匹配到的全部替换，在返回的列表最后加一个元素，这个元素是替换的次数

　　re.compile()定义一种匹配规则，用来多次调用

　　　　eg：

　　　　　　regex = re.compile(r'\w*oo\w*')

　　　　　　print regex.findall(str_name)

实例：

　　取算数表达式里最里面的小括号表达式，括号里没有括号的表达式

　　re.search("\([^()]\)",表达式).group()

　　　　若最里面有多个小括号表达式，则要加*

　　　　re.search("\([^()]*\)",表达式).group()

　　

　　匹配一个数，可整型，可浮点型，可1位数，可多位数

　　'\d+\.?\d*'

　　　　前面必须为+，至少是一位的数，那么后面必须是*，可为0次，若还是为+，则后面至少还是有一位的，那么整体就至少是二位的数了，中间的?表示匹配浮点型或者不是

　　

　　两个数运算的表达式

　　'\d+\.?\d*([*/]|\*\*)\d+\.?\d*'

　　　　其中，[*/]|\*\*表示乘除幂运算

　　匹配ip地址

　　"([01]?\d?\d|2[0-4]\d|25[0-5]\.){3}([01]?\d?\d|2[0-4]\d|25[0-5])"

　　　　其中，[01]?\d?\d|2[0-4]\d|25[0-5] 表示从0到199，200到249，250到255

补充：

　　re.split("\\\\","abc\xyz")

　　　　后面的字符串中的\在python里面需要转义，其实是\\，所以分割的话，需要用两个\，而需要的两个\又是需要转义的，所以就是\\\\

　　re.split(r"\\","abc\xyz")

　　　　前面被匹配的字符串中如果有各种转义字符，会先去python自己里面查看有没有（其中\d没在，其他字符在ASCII里面都有对应的数字），有的话，就按python里对应字符来匹配（若不想按python里面的字符匹配，则前面加一个\，或者在整个匹配字符串前面加一个r），如果没有，就按re模块里定义的特殊功能来匹配（例如\d，可以不用另外加\或者加r，但是尽量加上，按照正确格式来）