python之re模块（正则表达式）

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

re 模块使 Python 语言拥有全部的正则表达式功能。

正则表达式中，普通字符匹配本身，非打印字符 、 等，还有些特殊字符

特殊元字符

. 默认情况下，他匹配除换行符之外的任何字符，当有标志re.S  被指定时可以匹配任何字符。

^ 从字符串开头匹配

$ 匹配字符串的结尾或紧跟在字符串末尾的换行符之前

* 匹配0次，1次或者多次前面的字符。

？匹配0次或者1次前面的字符。

+ 匹配1次或者多次前面的字符、

{n} 前面的字符出现n次。

{n,m} 前面的字符至少出现n次，至多出现m次

| 模式选择符  如 A|B  A和B可以是任意RE，创建一个匹配A或B的正则表达式 。'|'操作从不贪婪，一旦A匹配，B将不会被进一步测试

() 模式单元符

  用来逃避特殊字符（允许匹配像'*'，'?'等等字符 ），使用方法 *  ?

[] 原子表，用来指定一组字符，[abk]表示匹配‘a’，‘b’或‘k’，[a-z] 匹配任意一个小写字母，[A-Z]匹配任意一个大写，[0-9]任意一个数字

　　　　特殊字符在原子表失去特殊意义，如[.+?*()]匹配其中任意一个字符

　　　　[^.?*({] 原子表内以^开头表示不匹配在表中的字符

通用字符

w  匹配热一个字母、数字或者下划线字符

W 匹配除了字母、数字或者下划线的一个其他字符

d 匹配一个10进制数

D 匹配任何不是十进制数字的字符。

s 匹配空白字符 相当于 [  fv]

S 匹配任何不是空白字符的字符 相当于[^  fv]

 匹配字符串末尾

.* 贪婪匹配模式 ，匹配尽可能多的

.*?非贪婪匹配模式，只匹配的第一个满足的就行

正则表达式常见函数

re.compile(pattern，flags = 0) 对正则表达式进行预编译，用在多次需要调用的场合，相当于一个模板放在那里，想用就用。

flags可以为以下几种

　　re.A（仅匹配ASCII码）， re.I（匹配时忽略大小写），re.L（区域依赖）， re.M（多行匹配），re.S（让.匹配任意字符）， re.U（Unicode匹配）和re.X（详细）表达

prog = re.compile(pattern)
result = prog.match(string)

#另一种写法
result = re.match(pattern, string)

re.match（pattern，string，flags = 0 ）从字符串开头处进行匹配  

>>> m = re.match(r"(w+) (w+)", "Isaac Newton, physicist") #原始字符串符号（r"text"）使正则表达式保持原始格式，无特殊用法
>>> m.group(0)       # The entire match
'Isaac Newton'
>>> m.group(1)       # The first parenthesized subgroup.
'Isaac'
>>> m.group(2)       # The second parenthesized subgroup.
'Newton'
>>> m.group(1, 2)    # Multiple arguments give us a tuple.
('Isaac', 'Newton')

>>> m = re.match(r"(?P<first_name>w+) (?P<last_name>w+)", "Malcolm Reynolds")
>>> m.group('first_name') #正则表达式使用(?P<name>...)语法，则groupN 参数也可以是通过其组名称标识组的字符串
'Malcolm'
>>> m.group('last_name')
'Reynolds'

>>> m = re.match(r"(d+).(d+)", "24.1632")
>>> m.groups() #返回一个包含匹配所有子组的元组
('24', '1632')

re.search（pattern，string，flags = 0 ）字符串整体匹配，返回第一个匹配成功的 ，match函数中的用法同样适用

#match.start（[ 组] ）match.end（[ 组] ）
>>> email = "tony@tiremove_thisger.net"
>>> m = re.search("remove_this", email)
>>> email[:m.start()] + email[m.end():]  #返回按组匹配的子串的开始和结束索引
'tony@tiger.net'

re.findall（pattern，string，flags = 0 ）匹配符合模式的多个，返回列表类型的结果　　

>>> text = "He was carefully disguised but captured quickly by police."
>>> re.findall(r"w+ly", text)
['carefully', 'quickly']

re.sub（pattern，rep，string , max ）根据正则表达式来实现替换某些字符串，rep代表替换的内容，max，表示最多替换次数，不写就全部替换。

>>> def dashrepl(matchobj):
...     if matchobj.group(0) == '-': return ' '
...     else: return '-'
>>> re.sub('-{1,2}', dashrepl, 'pro----gram-files')
'pro--gram files'
>>> re.sub(r'sANDs', ' & ', 'Baked Beans And Spam', flags=re.I)
'Baked Beans & Spam'

re.split（pattern，string，maxsplit = 0，flags = 0 ）根据模式拆分字符串

>>> re.split(r'W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split(r'(W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.I)
['0', '3', '9']

具体的案例稍后补充.........