Python 正则表达式

Python3 正则表达式模块 —— re

简述

Python正则表达式风格类似Perl
Python官方文档

注：Python正则表达式适用于str和bytes类型，但不可混用；

正则表达式语法

特殊字符

1. . 默认模式下，匹配任一字符（不包括换行），如果指定re.DOTALL则匹配任一字符（包括换行）；
2. ^ 默认仅匹配字符串开始内容（仅指字符串内容的开始，不会匹配新的换行后的内容），如果指定re.MULTILINE则会匹配每个字符串行首的内容；
3. $ 默认仅匹配字符串开始内容，指定re.MULTILINE匹配规则同^；
4. * 匹配前面正则表达式 0+ 次（表示匹配0或者多次）；
5. + 匹配前面表达式 1+ 次；
6. ? 匹配前面表达式 0/1 次；
7. *?,+?,?? 限制*,+,?匹配程度，将其匹配内容最小化，如使用'<.*?>'匹配'<a>'；
8. {m} 表示匹配的前面正则表达式的次数需满足m次；
9. {m,n} 表示匹配前面正则表达式m-n次，n设置为空时，设置m可设置最小次数；m为空时，设置n可设置为最大次数；
10. {m,n}? 表示进行最小值m次数进行匹配；
11. 对内容进行转义；
12. [] 用于声明字符集，如下所示：
    • 单独列出的字符，如[awk]，表示匹配a,w,k任一；
    • 字符范围，如[a-z](小写a至z),[0-5][0-9](00-59),[0-9A-Fa-f](表示十六进制)；
    • 特殊字符在[]中失去特殊意义，如[(*^+)],匹配中间任一单一字符；
      • ^ 出现在[]中最前面位置时，表示匹配内容不包括[]中^字符后的正则匹配内容；
      • ] 出现在匹配集合时，需对其进行转义或将其放置到匹配内容的最前面，如[()[]{}]或[][(){}]
    • 在集合中接受字符类，如S w。
13. | 如A|B，对A或B进行匹配，如果A匹配成功，则不会进行B匹配，匹配从左到右进行；
14. (...) 匹配括号内的正则表达式，并表明匹配组的开始和结束；
15. (?...) 扩展符号（(后?无具体意义，仅表示扩展的语法结构）不会创建新的组，但是(?P<name>...)是唯一的例外，如下为支持的扩展：
    • (?aiLmsux) 用于包含正则模块标志成为正则表达式的一部分，而不是将标志选项传递至re.compile()函数；
      • a == re.A，表示ASCII-only匹配；
      • i == re.I，表示ignore case匹配；
      • L == re.L，表示locale dependent匹配；
      • m == re.M，表示multi-line匹配；
      • s == re.S，表示dot matches all匹配；
      • u == re.U，表示Unicode matching匹配；
      • x == re.X，表示verbose匹配；
    • (?:...) 正则圆括号的非捕获版本，匹配括号内的任意正则表达式，但是在执行完匹配或者模型引用后，通过正则组匹配的子字符串无法被检索；
    • (?imsx-imsx:...) 为表达式部分设置或移除对应i m s x标志；
    • (?P<name>...) 类似正则圆括号匹配，但是通过正则组匹配的子字符串可以通过符号连接式的组名访问（组名必须为有效的Python标志，每个组名必须唯一的定义），命名组在三种上下文中的引用方式，如(?P<quote>['"].*?)(?P=quote)：
      1. 在同样的匹配模型中引用：
         • (?P=quote)
         • 1
      2. 当处理匹配对象，如m时：
         • m.group('quote')
         • m.end('quote')
      3. 在一个字符串中将其传递给re.sub()的repl选项：
         • g
         • g<1>
         3. 在一个字符串中将其传递给re.sub()的repl选项：
         • g
         • 1
    • (?P=name) 对命名组的后向引用，它匹配通过之前组名匹配的任何文本；
    • (?#...) 一种评论，括号内的内容被简单忽略；
    • (?=...) 此称谓‘前瞻断言’，当其匹配成功后，返回后面的内容，如：
      • Isaac(?=Asimov)表示如果Asimov跟在Isaac后面，则匹配Isaac；
    • (?!...) 此称谓’反向前瞻断言‘，与(?=...)相反；
    • (?<=...) 匹配正则表达式后面的内容，如：
      • (?<=abc) 匹配abcdef后为def；
    • (?<!...) 与`(?<=...)相反；
    • (?(id/name)yes-pattern|no-pattern)

特殊字符序列

1. umber 匹配相同数字组的内容，仅可以匹配前99个组中的1个，0或3位的数字不会被当作组匹配解释，而是作为十进制值来做匹配；
2. A 仅匹配字符串的开始；
3.  匹配空字符串，但仅限于单词的开始或者结尾，空字符串指的是匹配内容为非组成单词的字母，如r'foo'匹配foo，foo.,bar foo,(foo)等；
4. B 匹配空字符串，但是仅仅当其不在单词的开始或者结尾，如r'pyB'匹配python3，py3，非py或py.；
5. d str匹配任何的Unicode十进制数字；bytes匹配任何十进制数字；
6. D 匹配任意非十进制数字，注意ASCII标志的区别，是d的反面；
7. s str匹配Unicode空白字符，包括v f 和其它在印刷中授权的空白字符，如果指定ASCII标志，则只仅仅匹配v vf；
8. S 是s的反面，指匹配非空白字符；
9. w 匹配Unicode字符集，如果指定ASCII标志，则指[a-z0-9A-Z]；
10. W 匹配w的反面，指定ASCII时，等同[^a-z0-9A-Z]；
11.  仅仅匹配字符串的末尾。

模块内容

模块常量

1. re.A | re.ASCII
2. re.DEBUG
3. re.I | re.IGNORECASE
4. re.L | re.LOCALE
5. re.M | re.MULTILINE
6. re.S | re.DOTALL
7. re.X | re.VERBOSE

模块函数

1. re.compile(pattern, flag=0),生成正则表达式对象；
2. re.search(pattern, string, flags=0) 如果无匹配，返回None；
3. re.match(pattern, string, flag=0)；
4. re.fullmatch(pattern, string, flag=0)；
5. re.split(pattern, string, maxsplit=0, flag=0)；
6. re.findall(pattern, string, flag=0)；
7. re.finditer(pattern, string, flag=0)；返回可迭代的匹配对象
8. re.sub(pattern, repl, string, count=0, flag=0) 重构匹配对象；
9. re.subn 同上，返回元组；
10. re.escape(pattern) 生成对象的匹配模型，除了ASCII字符，数字和_；
11. re.purge() 清除正则表达式缓存；

正则表达式对象

正则表达式对象生成：pattern = re.compile('pattern')

1. regex.search(string[,pos[, endpos]])
2. regex.match(string[, pos[, endpos]])
3. regex.fullmatch(string[, pos[, endpos]])
4. regex.split(string, maxsplit=0)
5. regex.findall(string[, pos[, endpos]])
6. regex.finditer(string[, pos[, endpos]])
7. regex.sub(n)(repl, string, count=0)
8. regex.flags
9. regex.groups
10. regex.groupindex
11. regex.pattern 正则表达式模型字符串

匹配对象

匹配对象总返回True的布尔值。
match = re.search(pattern, string)

1. match.expand(template)
2. match.group([group1,...])
3. match.groups(default=None)
4. match.groupdict(default=None)
5. match.start([group])
6. match.end([group])
7. match.span([group])
8. match.pos
9. match.endpos
10. match.lastindex
11. match.lastgroup
12. match.re
13. match.string