Python_Python正则表达式基础

前言：

       正则表达式是我们创建来过滤文本的模式。一个程序或者脚本使用你所定义的模式来匹配数据，就像数据流过这个程序一样。如果数据匹配这个模式，则接受它并进行处理。如果数据不匹配这个模式，则拒绝接收。正则表达式利用通配符来表示数据流中的一个或多个字符。

1.基础知识：

普通字符，每个普通字符匹配其对应的字符

或关系（|），匹配|两侧任意的表达式即可

匹配单个字符（.），匹配除换行外的任意一个字符

匹配字符集，[字符集]，匹配字符集中的任意一个字符

匹配字符集反集，[^字符集]，匹配除字符集以外的任意一个字符

匹配字符串开始/结束位置（锚字符），^匹配目标字符串的开头，$匹配目标字符串的结尾

说明：^和$必然出现在正则表达式的开头和结尾，如果两侧同时出现，意味着中间的部分必须匹配整个目标字符串的全部内容，即绝对匹配

匹配字符重复，

*，匹配前面的字符出现0次或多次

+，匹配前面的字符出现1次或多次

？，匹配前面的字符出现0次或1次

{n}，匹配前面的字符出现n次

{m,n}，匹配前面的字符出现m-n次

匹配任意（非）数字字符，\d匹配任意数字字符，\D任意非数字字符

匹配任意（非）普通字符，\w匹配普通字符，\W匹配非普通字符

普通字符指：数字，字母，下划线，汉字

匹配任意（非）空字符，\s匹配空字符，\S匹配非空字符

空字符指：空格，\r，\n，\t，\v，\f字符

匹配开头/结尾位置，\A表示开头位置，\Z表示结尾位置

匹配（非）单词的边界位置，\b表示单词边界，\B表示非单词边界

单词边界指：数字字母（汉字）下划线与其他字符的交界位置

       在Python中，反斜杠在字符串中也有特殊的意义。要解决这个问题，如果想对特殊字符使用一个反斜杠字符，可以创建一个原始的字符串，使用r命名法。

元字符分类：

类别	元字符
匹配字符	. […] [^…] \d \D \w \W \s \S
匹配重复	* + ? {n} {m,n}
匹配位置	^ $ \A \Z \b \B
其他	| () \

 

2.在Python中使用正则表达式

re模块中常用的函数描述：

函数	描述
match	从字符串开头查找模式
search	从字符串的任意位置查找模式
findall	查找所有匹配模式的字串并返回一个列表
finditer	查找所有匹配模式的字串并返回一个迭代器

re模块的函数接收两个参数，第一个参数是正则表达式模式，第二个参数是应用这个模块的文本字符串。

正则表达式函数match()和search()在文本字符串匹配这个模式时返回布尔值True，在不匹配时返回False，这使得他们非常适合用于if-then语句中。

注意：match()函数匹配失败时，只返回一个False值，这在IDLE界面中是没有任何输出的。

findall()函数返回一个可以迭代的对象，可以使用for语句来遍历该结果。

编译正则表达式：如果你发现自己经常在代码中使用相同的正则表达式，可以将这个表达式编译并存储在一个变量中，使用compile()函数，指定作为参数的正则表达式以及存储结果的变量。

       使用编译的正则表达式可以指定标志位来控制正则表达式的匹配，标志及控制内容如下：

标志	缩写	描述
DEBUG		显示调试信息
IGNORECASE	I	执行不区分大小写的匹配
LOCLE	L	支持来自本地字符集的字符
MLTILINE	M	从每一行的开始到结尾匹配单独的行
DOTALL	S	允许匹配换行符
UNICODE	U	使用Unicode字符
VERBOSE	X	允许模式中有空白字符