Python 正则表达式
Python 正则表达式是一种用来匹配和处理字符串的强大工具。Python提供了re模块来支持正则表达式的使用。
re模块常用函数
-
re.compile(pattern, flags=0)： 根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。 -
re.search(pattern, string, flags=0)： 扫描整个字符串并返回第一个成功的匹配对象，如果没有匹配则返回None。 -
re.match(pattern, string, flags=0)： 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，返回None。 -
re.fullmatch(pattern, string, flags=0)： 尝试匹配整个字符串，如果匹配成功则返回一个匹配对象，否则返回None。 -
re.split(pattern, string, maxsplit=0, flags=0)： 根据模式的出现位置分割字符串，返回一个列表。 -
re.findall(pattern, string, flags=0)： 返回一个列表，包含字符串中所有与模式匹配的子串。 -
re.finditer(pattern, string, flags=0)： 返回一个迭代器，每次返回一个匹配对象。 -
re.sub(pattern, repl, string, count=0, flags=0)： 使用指定的替换字符串（可以是一个函数）替换字符串中与模式匹配的部分，返回修改后的字符串。 -
re.subn(pattern, repl, string, count=0, flags=0)： 与re.sub类似，但返回一个元组，包含修改后的字符串和替换次数。 -
re.escape(pattern)： 对模式中的特殊字符进行转义，返回一个合法的正则表达式。 -
re.split(pattern, string, maxsplit=0, flags=0)： 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下： 参数：
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串。 |
| maxsplit | 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。 |
| flags | 标志位，参见：正则表达式修饰符 -flags |
匹配对象
我们可以使用 group() 或 groups() 匹配对象函数来获取匹配表达式。
| 匹配对象方法 | 描述 |
|---|---|
| group(num=0) | 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。 |
| groups() | 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。 |
正则表达式修饰符 -flags
可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
- 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 即为 . 并且包括换行符在内的任意字符（. 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 为了增加可读性，忽略空格和 # 后面的注释
正则表达式语法
正则表达式的模式字符串由一些特殊的字符和符号组成，用来表示不同的匹配规则。这些特殊字符和符号有：
-
.：匹配除换行符之外的任何字符（除非指定了re.DOTALL标志）。 -
^：匹配字符串的开头（除非指定了re.MULTILINE标志，此时也可以匹配每行的开头）。 -
$：匹配字符串的结尾（除非指定了re.MULTILINE标志，此时也可以匹配每行的结尾）。 -
*：匹配前一个字符零次或多次，贪婪模式。 -
+：匹配前一个字符一次或多次，贪婪模式。 -
?：匹配前一个字符零次或一次，或者表示非贪婪模式。 -
{m}：匹配前一个字符m次。 -
{m,n}：匹配前一个字符m到n次，贪婪模式。 -
{m,n}?：匹配前一个字符m到n次，非贪婪模式。 -
[...]：定义一个字符集合，匹配其中任意一个字符。可以使用范围表示法（如[a-z]）或者单独列出（如[abc]）。如果在开头使用^表示取反（如[^a-z]）。 -
[^...]：定义一个排除型字符集合，匹配不在其中的任意字符。 -
\：转义符，用于取消特殊字符的特殊含义，或者表示一些预定义的字符类别。例如：\d：匹配任意数字，等同于[0-9]。\D：匹配任意非数字，等同于[^0-9]。\s：匹配任意空白字符，等同于[ \t\n\r\f\v]。\S：匹配任意非空白字符，等同于[^ \t\n\r\f\v]。\w：匹配任意字母数字下划线，等同于[a-zA-Z0-9_]。\W：匹配任意非字母数字下划线，等同于[^a-zA-Z0-9_]。\b：匹配单词边界，即单词和空格之间的位置。\B：匹配非单词边界，即单词内部的位置。\A：匹配字符串的开头，忽略多行模式。\Z：匹配字符串的结尾，忽略多行模式。\n, \t, \r, \f, \v, \\, \', \", \等：表示对应的特殊字符。
-
|：逻辑或操作符，表示两个子表达式之间的选择关系。 -
(...)：分组符号，用于将多个字符作为一个整体进行处理或者提取。每个分组都有一个编号，从1开始。可以使用\1,\2, 等引用分组中的内容。 -
(?...): 扩展表示法，用于指定一些额外的匹配条件或者修改匹配模式。例如：(?iLmsux): 在正则表达式中嵌入一个或多个标志，影响正则表达式的行为。例如,(?i)表示忽略大小写, 等同于re.IGNORECASE.(?:...): 非捕获分组, 表示一个不需要提取的分组, 不会分配编号.(?P<name>...): 命名分组, 给分组指定一个名字, 可以使用(?P=name)引用分组中的内容.(?P=name): 反向引用命名分组, 匹配与指定名字的分组内容相同的字符串.(?#...): 注释, 括号中的内容会被忽略, 不影响正则表达式的功能.(?=...): 正向肯定预查, 表示后面的字符串必须满足括号中的条件, 但不包含在匹配结果中.(?!...): 正向否定预查, 表示后面的字符串必须不满足括号中的条件, 但不包含在匹配结果中.(?<=...): 反向肯定预查, 表示前面的字符串必须满足括号中的条件, 但不包含在匹配结果中.(?<!...): 反向否定预查, 表示前面的字符串必须不满足括号中的条件, 但不包含在匹配结果中.