Python module ---- re

Python 的 re 模块（Regular Expression 正则表达式）提供各种正则表达式的匹配操作，在文本解析、复杂字符串分析和信息提取时是一个非常有用的工具。python的re模块，在绝大多数情况下能够有效地实现对复杂字符串的分析并提取出相关信息。python 会将正则表达式转化为字节码，利用 C 语言的匹配引擎进行深度优先的匹配。

import re
print re.__doc__  # 查询re模块的功能信息

re的正则表达式语法

---

正则表达式语法表如下：

语法	意义	说明
"."	任意字符
"^"	字符串开始	'^hello'匹配'helloworld'而不匹配'aaaahellobbb'
"$"	字符串结尾	与上同理
"*"	0 个或多个字符、表达式（贪婪匹配）	<*>匹配<title>chinaunix</title>
"+"	1 个或多个字符、表达式（贪婪匹配）	与上同理
"?"	0 个或多个字符、表达式（贪婪匹配）	与上同理
*?,+?,??	以上三个取第一个匹配结果（非贪婪匹配）	<*>匹配<title>
{m,n}	对于前一个字符重复m到n次，{m}亦可	a{6}匹配6个a、a{2,4}匹配2到4个a
{m,n}?	对于前一个字符重复m到n次，并取尽可能少	‘aaaaaa’中a{2,4}只会匹配2个
"\\"	特殊字符转义或者特殊序列
[]	表示一个字符集	[0-9]、[a-z]、[A-Z]、[^0]
[^...]	不在[]中的字符	[^abc] 匹配除了a,b,c之外的字符。
"|"	或	A|B,或运算
(...)	匹配括号中任意表达式
(?#...)	注释，可忽略
(?=...)	Matches if ... matches next, but doesn't consume the string. 前向肯定界定符。在当前位置成功匹配时成功，否则失败。	'(?=test)'  在hellotest中匹配hello
(?!...)	Matches if ... doesn't match next. 前向否定界定符。当所含表达式不能在字符串当前位置匹配时成功	'(?!=test)'  若hello后面不为test，匹配hello
(?<=...)	Matches if preceded by ... (must be fixed length).	'(?<=hello)test'  在hellotest中匹配test
(?<!...)	Matches if not preceded by ... (must be fixed length).	'(?<!hello)test'  在hellotest中不匹配test

正则表达式特殊序列表如下：

特殊序列符号	意义
\A	只在字符串开始进行匹配
\Z	只在字符串结尾进行匹配
\z	匹配字符串结束
\b	匹配位于开始或结尾的空字符串
\B	匹配不位于开始或结尾的空字符串
\d	相当于[0-9]
\D	相当于[^0-9]
\s	匹配任意空白字符:[\t\n\r\r\v]
\S	匹配任意非空白字符:[^\t\n\r\r\v]
\w	匹配任意数字和字母:[a-zA-Z0-9]
\W	匹配任意非数字和字母:[^a-zA-Z0-9]
\G	匹配最后匹配完成的位置。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的子表达式。
\10	匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。

re的功能函数

---

常用的功能函数包括：compile、search、match、split、findall（finditer）、sub（subn）

re.compile

把正则表达式语法转化成正则表达式对象

re.compile(pattern[, flags]) 

flags定义包括：

re.I：忽略大小写
re.L：表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M：多行模式
re.S：’ . ’并且包括换行符在内的任意字符（注意：’ . ’不包括换行符）
re.U： 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X：该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

更多用法可以在http://www.devexception.com/sitemap_index.xml上查找

注意：

我们常用的正则表达式方法，都已经自带了 compile了！根本没有必要多此一举先 re.compile再调用正则表达式方法。

def main():
    content = 'Hello, I am Jerry, from Chongqing, a montain city, nice to meet you……'
    #regex = re.compile('\w*o\w*')
    x = re.findall('\w*o\w*',content)
    #x = regex.findall(content)
    print(x)

if __name__ == '__main__':
    main()

re.search

在字符串中查找匹配正则表达式模式的位置，返回 MatchObject 的实例，如果没有找到匹配的位置，则返回 None。

re.search(pattern, string[, flags])

search (string[, pos[, endpos]])

re.match

match() 函数只在字符串的开始位置尝试匹配正则表达式，也就是只报告从位置 0 开始的匹配情况，而 search() 函数是扫描整个字符串来查找匹配。如果想要搜索整个字符串来寻找匹配，应当用 search()。

re.match(pattern, string[, flags])

match(string[, pos[, endpos]])

re.split

可以将字符串匹配正则表达式的部分割开并返回一个列表

re.split(pattern, string[, maxsplit=0, flags=0])

split(string[, maxsplit=0])

re.findall

在字符串中找到正则表达式所匹配的所有子串，并组成一个列表返回

re.findall(pattern, string[, flags])

findall(string[, pos[, endpos]])

re.finditer

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并组成一个迭代器返回。

re.finditer(pattern, string[, flags])

finditer(string[, pos[, endpos]])

re.sub

在字符串 string 中找到匹配正则表达式 pattern 的所有子串，用另一个字符串 repl 进行替换。如果没有找到匹配 pattern 的串，则返回未被修改的 string。Repl 既可以是字符串也可以是一个函数。

re.sub(pattern, repl, string[, count, flags])

sub(repl, string[, count=0])

pattern：表示正则中的模式字符串

repl：表示要被替换的，可以是字符串也可以是函数

string，要处理的字符串

count，限定替换的个数，默认为替换所有

flags，匹配模式，可以使用按位或‘|‘表示同时生效，也可以在正则表达式中指定。

re.subn

该函数的功能和 sub() 相同，但它还返回新的字符串以及替换的次数。

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

subn(repl, string[, count=0])

【参考文档】

Python中正则表达式的详细教程：https://www.jb51.net/article/65286.htm

python中re模块的用法：https://blog.csdn.net/yjj20007665/article/details/52370264

Python之re(正则表达式)模块小结：https://blog.csdn.net/u014467169/article/details/51345657

http://docs.python.org/3.2/howto/regex.html#regex-howto

python re模块用法总结：https://blog.csdn.net/lengyue_wy/article/details/6999310

re.sub 使用方法：https://blog.csdn.net/MHSMIE/article/details/71941328

一日一技：请不要再用re.compile了！！！: https://cloud.tencent.com/developer/article/1453417