1. 正则表达式语法

  1.1 字符与字符类
    1 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
    2 字符类
        1. 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。
      2. 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
      3. 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。
      4. 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。
      5. 字符类内部可以使用速记法,比如\d \s \w
    3 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

  1.2 量词
    1. ? 匹配前面的字符0次或1次
    2. * 匹配前面的字符0次或多次
    3. + 匹配前面的字符1次或者多次
    4. {m} 匹配前面表达式m次
    5. {m,} 匹配前面表达式至少m次
    6. {,n} 匹配前面的正则表达式最多n次
    7. {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

  1.3 组与捕获
    1 ()的作用:
      1. 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
      2. 将正则表达式的一部分内容进行组合,以便使用量词或者|
    2 反响引用前面()内捕获的内容:
      1. 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
      2. 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<name>,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<word>\w+)\s+(?P=word)来匹配重复的单词。
    3 注意点:
      反向引用不能放在字符类[]中使用。

   1.4 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
    1 常用断言:
      1. \b 匹配单词的边界,放在字符类[]中则表示backspace
      2. \B 匹配非单词边界,受ASCII标记影响
      3. \A 在起始处匹配
      4. ^ 在起始处匹配,如果有MULTILINE标志,则在每个换行符后匹配
      5. \Z 在结尾处匹配
      6. $ 在结尾处匹配,如果有MULTILINE标志,则在每个换行符前匹配
      7. (?=e) 正前瞻
      8. (?!e) 负前瞻
      9. (?<=e) 正回顾
      10.(?<!e) 负回顾
    2 前瞻回顾的解释
      前瞻: exp1(?=exp2) exp1后面的内容要匹配exp2
      负前瞻: exp1(?!exp2) exp1后面的内容不能匹配exp2
      后顾: (?<=exp2)exp1 exp1前面的内容要匹配exp2
      负后顾: (?<!exp2)exp1 exp1前面的内容不能匹配exp2
      例如:我们要查找hello,但是hello后面必须是world,正则表达式可以这样写:"(hello)\s+(?=world)",用来匹配"hello wangqing"和"hello world"只能匹配到后者的hello

  1.5 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

  1.6 正则表达式的标志
    1. 正则表达式的标志有两种使用方法
      1. 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)
      2. 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
    2. 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)

2. Python正则表达式模块
  2.1 正则表达式处理字符串主要有四大功能
    1. 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
    2. 获取 正则表达式来提取字符串中符合要求的文本
    3. 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
    4. 分割 使用正则表达式对字符串进行分割。
  2.2 Python中re模块使用正则表达式的两种方法
    1. 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。
    2. 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。
  2.3 正则表达式对象的常用方法
    1. rx.findall(s,start, end):
      返回一个列表,如果正则表达式中没有分组,则列表中包含的是所有匹配的内容,
      如果正则表达式中有分组,则列表中的每个元素是一个元组,元组中包含子分组中匹配到的内容,但是没有返回整个正则表达式匹配的内容
    2. rx.finditer(s, start, end):
      返回一个可迭代对象
      对可迭代对象进行迭代,每一次返回一个匹配对象,可以调用匹配对象的group()方法查看指定组匹配到的内容,0表示整个正则表达式匹配到的内容
    3. rx.search(s, start, end):
      返回一个匹配对象,倘若没匹配到,就返回None
      search方法只匹配一次就停止,不会继续往后匹配
    4. rx.match(s, start, end):
      如果正则表达式在字符串的起始处匹配,就返回一个匹配对象,否则返回None
    5. rx.sub(x, s, m):
      返回一个字符串。每一个匹配的地方用x进行替换,返回替换后的字符串,如果指定m,则最多替换m次。对于x可以使用/i或者/g<id>id可以是组名或者编号来引用捕获到的内容。
      模块方法re.sub(r, x, s, m)中的x可以使用一个函数。此时我们就可以对捕获到的内容推过这个函数进行处理后再替换匹配到的文本。
    6. rx.subn(x, s, m):
      与re.sub()方法相同,区别在于返回的是二元组,其中一项是结果字符串,一项是做替换的个数。
    7. rx.split(s, m):分割字符串
      返回一个列表
      用正则表达式匹配到的内容对字符串进行分割
      如果正则表达式中存在分组,则把分组匹配到的内容放在列表中每两个分割的中间作为列表的一部分,如:
      rx = re.compile(r"(\d)[a-z]+(\d)")
      s = "ab12dk3klj8jk9jks5"
      result = rx.split(s)
      返回['ab1', '2', '3', 'klj', '8', '9', 'jks5']
    8. rx.flags():正则表达式编译时设置的标志
    9. rx.pattern():正则表达式编译时使用的字符串
  2.4 匹配对象的属性与方法
    01. m.group(g, ...)
      返回编号或者组名匹配到的内容,默认或者0表示整个表达式匹配到的内容,如果指定多个,就返回一个元组
    02. m.groupdict(default)
      返回一个字典。字典的键是所有命名的组的组名,值为命名组捕获到的内容
      如果有default参数,则将其作为那些没有参与匹配的组的默认值。
    03. m.groups(default)
      返回一个元组。包含所有捕获到内容的子分组,从1开始,如果指定了default值,则这个值作为那些没有捕获到内容的组的值
    04. m.lastgroup()
      匹配到内容的编号最高的捕获组的名称,如果没有或者没有使用名称则返回None(不常用)
    05. m.lastindex()
      匹配到内容的编号最高的捕获组的编号,如果没有就返回None。
    06. m.start(g):
      当前匹配对象的子分组是从字符串的那个位置开始匹配的,如果当前组没有参与匹配就返回-1
    07. m.end(g)
      当前匹配对象的子分组是从字符串的那个位置匹配结束的,如果当前组没有参与匹配就返回-1
    08. m.span()
      返回一个二元组,内容分别是m.start(g)和m.end(g)的返回值
    09. m.re()
      产生这一匹配对象的正则表达式
    10. m.string()
      传递给match或者search用于匹配的字符串
    11. m.pos()
      搜索的起始位置。即字符串的开头,或者start指定的位置(不常用)
    12. m.endpos()
      搜索的结束位置。即字符串的末尾位置,或者end指定的位置(不常用)
  2.5 总结
    1. 对于正则表达式的匹配功能,Python没有返回true和false的方法,但可以通过对match或者search方法的返回值是否是None来判断
    2. 对于正则表达式的搜索功能,如果只搜索一次可以使用search或者match方法返回的匹配对象得到,对于搜索多次可以使用finditer方法返回的可迭代对象来迭代访问
    3. 对于正则表达式的替换功能,可以使用正则表达式对象的sub或者subn方法来实现,也可以通过re模块方法sub或者subn来实现,区别在于模块的sub方法的替换文本可以使用一个函数来生成
    4. 对于正则表达式的分割功能,可以使用正则表达式对象的split方法,需要注意如果正则表达式对象有分组的话,分组捕获的内容也会放到返回的列表中

原创博文,如有转载,请注清出处哈。

一篇搞定Python正则表达式的更多相关文章

  1. 一文搞定Python正则表达式

    本文对正则表达式和 Python 中的 re 模块进行详细讲解 很多人学习python,不知道从何学起.很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手.很多已经做案例的人,却不知 ...

  2. Python入门系列(十一)一篇搞定python操作MySQL数据库

    开始 安装MySQL驱动 $ python -m pip install mysql-connector-python 测试MySQL连接器 import mysql.connector 测试MySQ ...

  3. 第1天|12天搞定Python网络爬虫,吃里爬外?

    人力资源部漂亮的小MM,跑来问我:老陈,数据分析和爬虫究竟是关系呀?说实在的,我真不想理她,因为我一直认为这个跟她的工作关系不大,可一想到她负责我负责部门的招聘工作,我只好勉为其难地跟她说:数据分析, ...

  4. 转载 12步轻松搞定python装饰器

    作者: TypingQuietly 原文链接: https://www.jianshu.com/p/d68c6da1587a 呵呵!作为一名教python的老师,我发现学生们基本上一开始很难搞定pyt ...

  5. 12步轻松搞定Python装饰器

    译者:寒寻 译文:http://www.cnblogs.com/imshome/p/8327438.html 原文:https://dzone.com/articles/understanding-p ...

  6. 第12天 | 12天搞定Python,让excel飞起来

    学了10多天Python基础知识了,是时候来点硬货了,看过<第1天 | 12天搞定Python,告诉你有什么用?>的老铁都知道,Python可用的领域挺多的.只是我长期待在企业,所以只能说 ...

  7. 一篇搞定RSA加密与SHA签名|与Java完全同步

    基础知识 什么是RSA?答:RSA是一种非对称加密算法,常用来对传输数据进行加密,配合上数字摘要算法,也可以进行文字签名. RSA加密中padding?答:padding即填充方式,由于RSA加密算法 ...

  8. Python高级特性: 12步轻松搞定Python装饰器

    12步轻松搞定Python装饰器 通过 Python 装饰器实现DRY(不重复代码)原则:  http://python.jobbole.com/84151/   基本上一开始很难搞定python的装 ...

  9. 第4天 | 12天搞定Python,基础语法(下)

    为了方便你的学习,减轻负重,我特意将基础语法分成上下两部分.希望你喜欢这种方式,如果不喜欢,你可以跟我说,反正我是不会改的,哈哈~~. 如果上部分,你还没看的话,先去看<第4天 | 12天搞定P ...

随机推荐

  1. c语言 创建链表

    #include "malloc.h" #include "stdio.h" #define LEN sizeof(struct student) typede ...

  2. VS2015 安装nuget离线包nupkg文件

    最近在做项目进度管理时,想通过安装net.sf.mpxj-for-csharp包读取.mpp格式文件,通过Nuget在线安装时,出现以下情况,无法安装,故开启离线安装道路. 离线安装步骤如下: 一.下 ...

  3. DeepLearning.ai学习笔记(一)神经网络和深度学习--Week3浅层神经网络

    介绍 DeepLearning课程总共五大章节,该系列笔记将按照课程安排进行记录. 另外第一章的前两周的课程在之前的Andrew Ng机器学习课程笔记(博客园)&Andrew Ng机器学习课程 ...

  4. 渗透常用手工SQL注入语句合集

    1.判断有无注入点; and 1=1 and 1=2 2.猜表一般的表的名称无非是admin adminuser user pass password 等..and 0<>(select ...

  5. Maven详解(七)------ 创建Web工程以及插件原理

    1.什么是 Maven 插件? 上一篇博客我们将了 Maven 的生命周期,我们知道 Maven 的核心是生命周期,生命周期指定了 Maven 命令执行的流程顺序.但是真正实现流程的工程是由插件来完成 ...

  6. kong介绍-个人分享

    kong简介 背景 我们在提供api或微服务时,通常借助openresty nginx进行流量转发或者添加一些规则或功能,但是随着服务数量和引用增多,复杂的网络环境, 使维护变得困难,不容易扩展,一些 ...

  7. grep Pocket Reference读记

    1 简介 grep的基本命令格式如下:           grep [options] [regexp] [filename]   如果regexp中含有空格,应该使用单引号或双引号括起来.单引号和 ...

  8. macaca 测试web(2)

    还是以博客园登录为例, 可以查看上一篇上一篇 这次只测试登录,使用ddt的数据驱动,这里我博客也有记录 地址 其实我在uiautomator +python 实现安卓自动化 一文当中我已经使用过ddt ...

  9. 常用Git操作

    --------------------git-------------------- 1.简介     1.Git是一款免费.开源的分布式版本控制系统,用于敏捷高效地处理任何或小或大的项目.[1]  ...

  10. httpd2.4常用配置

    author:JevonWei 版权声明:原创作品 httpd 2.4配置 切换使用的MPM Centos7:/etc/httpd/conf.modules.d/00-mpm.conf 启用要启用的M ...