正则表达式
正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
re 模块用于正则表达式的操作。
一、 用于匹配的函数
1. findall(pattern,string,flags=0)
匹配字符串中所有符合条件的元素。匹配上，返回list类型元素
import re obj = re.findall('d+','hhh90080mmmbb2233pp') print(obj)
2. match(pattern,string,flags=0)
从字符串起始位置匹配符合条件的元素，单个匹配。匹配上，返回一个对象
注意：字符串起始位置的元素必须与正则表达式相匹配，不然返回None
import re obj = re.match('d+','0008lkk') print(obj,type(obj)) if obj: print(obj.group())
3. search(pattern,string,flags=0)
在字符串中寻找匹配的元素，单个匹配。匹配上，返回一个对象
import re obj = re.search('d+','hhh90080mmmbb2233pp') if obj: print(obj.group())
4. group()和groups()
分组是用（）进行的，一个正则表达式可以用括号进行分组
group()获得一个，多个分组截获的字符串；或所有分组匹配的整体字符串
groups()以元组形式返回全部分组截获的字符串
import re a = "123abc456ooo" print( re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(0)) #编号0代表整个匹配的子串；不填写参数时，相当于group(0) print( re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(1,2)) #指定多个参数时将以元组形式返回 ('123', 'abc') print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(2)) #指定一个参数时返回字符串 abc print (re.search("([0-9]*)([a-z]*)([0-9]*)", a).groups()) #('123', 'abc', '456')
5. sub(pattern, repl, string, count=0, flags=0)
替换与正则表达式相匹配的字符串
import re s = "hello world 001,789 welcome" s_c = re.sub('d+','amy',s,1) #只替换一次，不填count会全部替换 print(s_c)
比str.replace()更加强大。
6. split(pattern,string,maxsplit=0,flag=0)
根据指定的正则匹配进行分割。
注意：最后一个字符匹配成功的话，会分割出一个空格
import re n = "split1nnnnn2mmmmm3" n_c = re.split('[0-9]',n,1) #最多分割一次，不填maxsplit会全部分割 print(n_c)
7. compile(strPattern[, flag])
将字符串形式的正则表达式编译为一个对象。
import re text = "You are so cool, oo" pattern = re.compile(r'w*oow*') #将正则表达式编译成Pattern对象 print(pattern.findall(text)) #查找所有包含oo的单词，使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
二、匹配的语法
| 语法 | 说明 | 表达式实例 | 匹配的字符串 |
| 字符 | |||
| 一般字符 | 匹配自身 | abc | abc |
| . |
匹配任意字符(除换行符) 若指定flag DOTALL,则匹配任意字符，包括换行 |
a.c | akc |
| 转义字符，使其后的字符变成字面上的字符 | a.c | a.c | |
| [...] | 字符集，[a*]匹配字符是a 或 *；’[a-z]匹配a到z之间的任意字符； [^f]匹配非 f 的任意字符；[d]匹配数字. 字符集中除了 - ^ 外，其他特殊字符没有特殊含义 |
[a*]k |
aK *k |
| 数量（用在字符或（...）之后） | |||
| * | 匹配前一个字符0或无限次 | ||
| + | 匹配前一个字符1或无限次 | ||
| ? | 匹配前一个字符0次或1次 | ||
| {m} | 匹配前一个字符m次 | ||
| {m,n} | 匹配前一个字符m到n次，省略m，0到n；省略n，m到无限 | ||
| 预定义字符（可以写在[]字符集中） | |||
| d | 数字：[0-9] | ||
| D | 非数字：[^d] | ||
| w | 字母数字下划线：[A-Za-z0-9_] | ||
| W | [^W] | ||
| 边界匹配 | |||
| ^ | 匹配字符串开头 | ^abc | abc |
|
$ |
匹配字符串结尾 | abc$ |
abc |
| A |
仅仅匹配字符串开头 |
Aa | abc |
| 仅仅匹配字符串结尾 | c | abc | |
| 匹配w和W之间；单词的开始或结束 | a!bc | a!bc | |
| B | [^] | aBbc | abc |
| 逻辑，分组 | |||
| | | |代表左右表达式任意匹配一个。从左 往右匹配，左边的匹配成功便跳过右边 |
abc|def | abc def |
| (...) | 被括起来的表达式将作为分组；分组表 达式作为一个整体，后面可以接数量。表达式 中的 | 只在该组中有效。 从表达式的左边开始没遇到一个分组的左括号， 编号就加1 |
（abc）{2} a(123|456)c |
abcabc a456c |
三、flag
# flags I = IGNORECASE = sre_compile.SRE_FLAG_IGNORECASE # ignore case L = LOCALE = sre_compile.SRE_FLAG_LOCALE # assume current 8-bit locale U = UNICODE = sre_compile.SRE_FLAG_UNICODE # assume unicode locale M = MULTILINE = sre_compile.SRE_FLAG_MULTILINE # make anchors look for newline S = DOTALL = sre_compile.SRE_FLAG_DOTALL # make dot match newline X = VERBOSE = sre_compile.SRE_FLAG_VERBOSE # ignore whitespace and comments
四、r 原生字符
正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\"表示。同样，匹配一个数字的"\d"可以写成r"d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
学习内容来自：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html