Python之正则表达式笔记

概述

概念

Regular Expression

一种文本模式，描述在搜索文本时要匹配的一个或多个字符串

典型场景

数据验证、文本扫描、文本提取、文本替换、文本分割

语法

字面值

普通字符

需转义：\  ^  $  .  |  ?  *  +  ()  []  {}

元字符

 匹配

单字，预定义元字符

. 除\n外的所有字符   \d 数字,等同于[0-9]   \D非数字，等同于[^0-9]

\s 空白字符 \t\n\r\f\v     \S 非空白字符[^\t\n\r\f\v]

\w 字母数字字符[a-zA-Z0-9_]     \W 非字线数字[^a-zA-Z0-9_]

批量备选     |  yes|no

量词（字符、元字符，字符集如何重复）

? 0或1次   * 0或多次   + 1或多次

特定: ｛n，m｝范围次数 ｛n｝n次  ｛n，｝至少n次   ｛，m｝最多m次

贪婪与非贪婪

贪婪（默认）：尽量匹配最大范围结果

非贪婪

尽量匹配最小的范围结果

方法：量词后追加? 例：??   *?   +?

边界匹配

^ 行首   $ 行尾   \b 单词边界   \B 非单词边界    \A 输入开头    \Z 输入结尾

注：或因上下文差异有不同表

Python 正则

模块     import re

RegexObject 正则对象

模式对象，表现编译后的正则表达式（编译为字节码并缓存）

编译     re.compile('模式')

.findall()  1查找所有非重叠匹配项  2返回list

.match(string[,pos[,endpos]])  1匹配，仅从开始位置  2返回MatchObject

.search(string[,[pos[,endpos]])  1任意位置搜索  2返回MatchObject

.finditer()  1查找所有匹配项   2返回包括MatchObject元素的迭代器

MatchObject 匹配对象

表现被匹配的模式

.group() 1参数为0或空返回整个匹配 2有参时返回特定分组匹配细节 3参数也可以是分组名称

.groups()   返回包含所有子分组的元组

.start() 返回特定分组的起始索引

.end() 返回特定分组的终止索引

.groupdict() 以字典表形式返回分组名及结果

Group 编组

场景   1从匹配模式中提取信息 2创建子正则以应用量词  3限制备选项范围

4重用正则模式中提取的内容

声明   1（模式） 2（?P<name>模式）

引用   1匹配对象内 m.group('name')  2模式内 (?P=name)  3表现内 \g<name>

应用

字符串操作  1 .split(string, maxsplit=0)   分割字符串

2 .sub(repl, string, count=0)   替换字符串

3 .subn(repl, string, count=0)   替换并返回替换数量

编译标记  1 改变正则的默认行为  2 re.I  忽略大小写  3 re.M  匹配多行

4 re.S  指定"."匹配所有字符，包括\n   …

模块级别操作  1 re.purge()  清理正则缓存   2 re.escape()  逃逸字符