Python正则表达式

Python的re模块

前言

学习《集体智慧编程》的过程中，在第三章遇到处理 RSS 订阅源并将 HTML 标记剥离提取文字的函数，用到了 re 模块，对照 python3.7 关于 re 的官方文档看一下，具体的学习还要看一下《精通正则表达式》。

正则表达式语法

1. 正则表达式可以拼接：若 A、B 都是正则表达式，那么 AB 也是正则表达式；若字符串 p 匹配 A 并且字符串 q 匹配 B，那么 pq 可以匹配 AB。

2. 正则表达式包含普通和特殊字符。特殊字符如 '|' 或 '('，既可以表示普通含义也可以包含正则表达式的解释；重复修饰符 (*, +, ?, {m,n}, 等) 不能直接嵌套，要应用一个内层重复嵌套，可以使用括号。

3. 特殊字符

   字符	意义
   .	匹配除了换行的任意字符
   ^	匹配字符串开头
   $	匹配字符串尾或换行符前一个字符
   *	对它前面的正则式匹配 0 到任意次重复
   +	对它前面的正则式匹配 1 到任意次重复
   ？	对它前面的正则式匹配 0 到 1 此重复
   *?, +?, ??	在修饰符之后添加 ? 将使样式以非贪婪方式或最小方式匹配
   {m}	对其之前的正则式指定匹配 m 个重复；少于 m 会匹配失败
   {m,n}	对正则式进行 m 到 n 此匹配；在 m 和 n之间取尽量多，但不能少于 m 或大于 n
   {m,n}?	非贪婪模式，匹配尽量少的字符次数
   	转义特殊字符；高度推荐，就算最简单的表达式也要使用原始字符串 (r'raw')
   []	表示一个字符集合。在一个集合中：
   	字符可以单独列出，如 [amk] 匹配 'a','m','k'
   	可以表示字符范围，[a-z]、[0-5][0-9]匹配从 00 到 59 的两位数
   	特殊字符在集合中失去特殊含义，只是普通字符
   	字符类如 w 或 s 在集合可以被接受
   	对集合取反可以匹配不在集合的字符，[^5]将匹配所有字符，除了 5 。

模块内容

1. re.compile(pattern, flags=0)

   将正则表达式的样式编译为一个正则表达式对象（正则对象），可以用于匹配，通过这个对象的方法 match(), search() 等

2. re.search(pattern, string, flags=0)

   检查字符串任意位置，找到匹配样式的第一个位置，返回相应的匹配对象

3. re.match(pattern, string, flags=0)

   检查字符串开头是否匹配样式

4. re.split(pattern, string, maxsplit=0, flags=0)

   用 pattern 分开 string，最多进行 maxsplit 次分隔

5. re.sub(pattern, repl, string, count=0, flags=0)

   使用 repl 替换 string 中满足 pattern 的字符

正则对象

编译后的正则表达式对象支持search、match等方法，用法如上

匹配对象

match.group()