Python进阶 模块re

模块re-Python中的正则表达式(可匹配文本片段的模式)

描述：

　　正则表达式本身是一种小型的、高度专业化的编程语言。在python中，通过内嵌集成re模块，可以直接被调用来实现正则匹配。正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行。

　　正则表达式可以在文本中查找模式，将特定的模式替换为计算得到的值，以及将文本分隔成片段！

语法：

1、普通字符和11个元字符：

普通字符	匹配自身	abc	abc
.	匹配任意除换行符" "外的字符(在DOTALL模式中也能匹配换行符	a.c	abc
	转义字符，使后一个字符改变原来的意思。模块re使用一个进行转义，但是字符串里面要使用两个\。因为有解释器执行的转义和模块执行的转义。r表示原始字符串。	a.c;a\c;'a\.b';r'a.c'	a.c;ac;'a.b'; 'a.c'
*	匹配前一个字符0、1或多次	abc*	ab;abccc
+	匹配前一个字符1次或无限次	abc+	abc;abccc
?	匹配一个字符0次或1次	abc?	ab;abc
^	匹配字符串开头。在多行模式中匹配每一行的开头	^abc	abc
$	匹配字符串末尾，在多行模式中匹配每一行的末尾	abc$	abc
|	或。匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式。‘p(ython|erl)’子模式	abc|def	abc def
{}	{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次	ab{1,2}c	abc abbc
[]	字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。 所有特殊字符在字符集中都失去其原有的特殊含义。用反斜杠转义恢复特殊字符的特殊含义。	a[bcd]e	abe ace ade
()	被括起来的表达式将作为分组，从表达式左边开始没遇到一个分组的左括号“（”，编号+1. 分组表达式作为一个整体，可以后接数量词。表达式中的|仅在该组中有效。	(abc){2} a(123|456)c	abcabc a456c

2、预定义字符集（可以写在字符集[...]中） 

d	数字:[0-9]	ac	a1c
D	非数字:[^d]	aDc	abc
s	匹配任何空白字符:[<空格> fv]	asc	a c
S	非空白字符:[^s]	aSc	abc
w	匹配包括下划线在内的任何字字符:[A-Za-z0-9_]	awc	abc
W	匹配非字母字符，即匹配特殊字符	aWc	a c
A	仅匹配字符串开头,同^	Aabc	abc
	仅匹配字符串结尾，同$	abc	abc
	匹配w和W之间，即匹配单词边界匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。	abc a!bc	空格abc空格 a!bc
B	[^]	aBbc	abc

3、特殊分组用法：

(?P<name>)	分组，除了原有的编号外再指定一个额外的别名	(?P<id>abc){2}	abcabc
(?P=name)	引用别名为<name>的分组匹配到字符串	(?P<id>d)abc(?P=id)	1abc1 5abc5
<number>	引用编号为<number>的分组匹配到字符串	(d)abc1	1abc1 5abc5

4、贪婪和非贪婪模式

　　表达式 .*和.+ 的意思很好理解，就是单个字符匹配任意次，即贪婪模式。 
　　表达式 .*?和.+? 是满足条件的情况只匹配一次，即懒惰模式(非贪婪模式)。

1、+或*后跟？表示非贪婪匹配，即尽可能少的匹配，如*？重复任意次，但尽可能少重复；
2、 .*? 表示匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。
如：a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab和ab。

5、匹配对象和编组

　　MatchObject对象包含于模式匹配的字串的信息，还包含模式的那部分于字串的那部分匹配的信息。这些字串部分称为编组。编组就是放在圆括号内的子模式。0指整个模式，按照顺序依次判断是否遇到一个（，遇到一个编号+1，后面的（的编号在其前面的一个编号值基础上+1。

　　使用方法group可以获取字符串中感兴趣的特定部分内容。