Python 正则表达式（regex）
正则表达式
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑
正则表达式非Python独有，在Python中使用re模块实现
常见匹配模式
模式 描述
\w 匹配数字、字母、下划线
\W 匹配非数字、字母、下划线
\s 匹配任意空白字符，等价于[\t\n\r\f]
\S 匹配任意非空字符
\d 匹配任意数字，等价于[0-9]
\D 匹配任意非数字
\A 匹配字符串开始
\Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z 匹配字符串结束
\G 匹配最后匹配完成的位置
\n 匹配一个换行符
\t 匹配一个制表符
^ 匹配字符串的开头
$ 匹配字符串的末尾
. 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...] 用来表示一组字符，单独列出：[abc]匹配"a","b"或"c"
[^...] 不再[]中的字符：[^abc]匹配除了a,b,c之外的字符
* 匹配0个或多个的表达式
+ 匹配1个或多个的表达式
？ 匹配0个或1个由前面的正则表达式定义的片段，非贪婪模式
{n} 精确匹配n个前面表达式
{n,m} 匹配n到m次由前面的正则表达式定义的片段，贪婪模式
a|b 匹配a或b
（） 匹配括号内的表达式，也表示一个组
re.match
re.match 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, match()就返回none
re.match(pattern,string,flags=0)
常规匹配
import re
content = 'Hello 111 2222 World hello python'
print(len(content))
res = re.match('^Hello\s\d\d\d\s\d{4}\s\w{5}\s.*python$', content)
print(res)
print(res.group())
print(res.span())
运行结果：
33
<_sre.SRE_Match object; span=(0, 21), match='Hello 111 2222 World '>
Hello 111 2222 World
(0, 21)
泛匹配
import re
content = 'Hello 111 2222 World hello python'
res = re.match('^Hello.*python$', content)
print(res)
print(res.group())
print(res.span())
运行结果：
<_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'>
Hello 111 2222 World hello python
(0, 33)
匹配目标
import re
content = 'Hello 111 2222 World hello python'
res = re.match('^Hello\s(\d+)\s(\d+)\s.*python$', content)
print(res)
print(res.group(1), res.group(2))
运行结果：
<_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'>
111 2222
贪婪模式
import re
content = 'Hello 111 2222 World hello python'
res = re.match('^H.*(\d+)\s(\d+).*python$', content)
print(res)
print(res.group(1), res.group(2))
运行结果：
<_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'>
1 2222
非贪婪模式
import re
content = 'Hello 111222 World hello python'
res = re.match('^He.*?(\d+).*?python$', content)
print(res)
print(res.group(1))
运行结果：
<_sre.SRE_Match object; span=(0, 31), match='Hello 111222 World hello python'>
111222
匹配模式
模式 描述
re.I 匹配的字符忽略大小写
re.M 多行匹配
re.L 本地化识别匹配
re.U 根据Unicode进行相应化解析
re.S 让 . 匹配包括换行符
import re
content = """Hello 1112222 World
hello python"""
res = re.match('^H.*?(\d+).*?python$', content, re.S)
print(res)
print(res.group(1))
运行结果：
<_sre.SRE_Match object; span=(0, 43), match='Hello 1112222 World \n hello python'>
1112222
转义
import re
content = """The apple's price is $5.00"""
res = re.match('The apple\'s price is \$5.00', content, re.S)
print(res)
print(res.group())
<_sre.SRE_Match object; span=(0, 26), match="The apple's price is $5.00">
The apple's price is $5.00
总结：尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、由换行符就用re.S
re.search
re.search 扫描整个字符串并返回第一个成功的匹配
# 使用re.match()
import re
content = """This is a string"""
res = re.match('a', content, re.S)
print(res)
运行结果：
None
# 使用re.search()
import re
content = """This is a string"""
res = re.search('a\s\w*', content, re.S)
print(res)
print(res.group())
运行结果：
<_sre.SRE_Match object; span=(8, 16), match='a string'>
a string
总结：为匹配方便，能用search就不用match
re.findall
搜索字符串，以列表形式返回全部能匹配的子串
import re
content = """This is a string"""
res = re.findall('a\s\w*', content, re.S)
print(res)
运行结果：
['a string']
re.sub
替换字符串中每一个匹配的子串后返回替换后的字符串
import re
content = """This is 222211111 string"""
res = re.sub('\d+', 'a',content)
print(res)
运行结果：
This is a string
re.compile
将正则字符串编译成正则表达式对象
将一个正则表达式串编译成正则对象，以便于复用该匹配模式
import re
content = """This is 222211111 string"""
pattern = re.compile('\d+')
res = re.search(pattern, content)
print(res)
print(res.group())
运行结果：
<_sre.SRE_Match object; span=(8, 17), match='222211111'>
222211111
欢迎访问
