1. 正則表達式語法

　　1.1 字符與字符類
 　　　　1 特殊字符：\.^$?+*{}[]()|
　　　　　　以上特殊字符要想使用字面值，必須使用\進行轉(zhuǎn)義
 　　　　2 字符類
 　　　　　   1. 包含在[]中的一個或者多個字符被稱為字符類，字符類在匹配時如果沒有指定量詞則只會匹配其中的一個。
 　　　　　　2. 字符類內(nèi)可以指定范圍，比如[a-zA-Z0-9]表示a到z，A到Z，0到9之間的任何一個字符
 　　　　　　3. 左方括號后跟隨一個^，表示否定一個字符類，比如[^0-9]表示可以匹配一個任意非數(shù)字的字符。
 　　　　　　4. 字符類內(nèi)部，除了\之外，其他特殊字符不再具備特殊意義，都表示字面值。^放在第一個位置表示否定，放在其他位置表示^本身，-放在中間表示范圍，放在字符類中的第一個字符，則表示-本身。

　　　　　　5. 字符類內(nèi)部可以使用速記法，比如\d \s \w
　　　　3 速記法
 　　　　　　. 可以匹配除換行符之外的任何字符，如果有re.DOTALL標志，則匹配任意字符包括換行
 　　　　　　\d 匹配一個Unicode數(shù)字，如果帶re.ASCII，則匹配0-9
　　　　　　\D 匹配Unicode非數(shù)字
 　　　　　　\s 匹配Unicode空白，如果帶有re.ASCII，則匹配\t\n\r\f\v中的一個
 　　　　　　\S 匹配Unicode非空白
 　　　　　　\w 匹配Unicode單詞字符，如果帶有re.ascii,則匹配[a-zA-Z0-9_]中的一個
 　　　　　　\W 匹配Unicode非單子字符

　　1.2 量詞
 　　　　1. ? 匹配前面的字符0次或1次
 　　　　2. * 匹配前面的字符0次或多次
 　　　　3. + 匹配前面的字符1次或者多次
 　　　　4. {m} 匹配前面表達式m次
 　　　　5. {m,} 匹配前面表達式至少m次
 　　　　6. {,n} 匹配前面的正則表達式最多n次
 　　　　7. {m,n} 匹配前面的正則表達式至少m次，最多n次
 　　　　注意點：
 　　　　　　以上量詞都是貪婪模式，會盡可能多的匹配，如果要改為非貪婪模式，通過在量詞后面跟隨一個?來實現(xiàn)

　　1.3 組與捕獲
 　　　　1 ()的作用：
 　　　　　　1. 捕獲()中正則表達式的內(nèi)容以備進一步利用處理，可以通過在左括號后面跟隨?:來關(guān)閉這個括號的捕獲功能
　　　　　　2. 將正則表達式的一部分內(nèi)容進行組合，以便使用量詞或者|
　　　　2 反響引用前面()內(nèi)捕獲的內(nèi)容：
 　　　　　　1. 通過組號反向引用
 　　　　　　　　每一個沒有使用?:的小括號都會分配一個組好，從1開始，從左到右遞增，可以通過\i引用前面()內(nèi)表達式捕獲的內(nèi)容
 　　　　　　2. 通過組名反向引用前面小括號內(nèi)捕獲的內(nèi)容
 　　　　　　　　可以通過在左括號后面跟隨?P<name>,尖括號中放入組名來為一個組起一個別名，后面通過(?P=name)來引用 前面捕獲的內(nèi)容。如(? P<word>\w+)\s+(?P=word)來匹配重復(fù)的單詞。
 　　　　3 注意點：
 　　　　　　反向引用不能放在字符類[]中使用。

　　 1.4 斷言與標記
 　　　　斷言不會匹配任何文本，只是對斷言所在的文本施加某些約束
 　　　　1 常用斷言：
 　　　　　　1. \b 匹配單詞的邊界，放在字符類[]中則表示backspace
　　　　　　2. \B 匹配非單詞邊界，受ASCII標記影響
 　　　　　　3. \A 在起始處匹配
 　　　　　　4. ^ 在起始處匹配，如果有MULTILINE標志，則在每個換行符后匹配
 　　　　　　5. \Z 在結(jié)尾處匹配
 　　　　　　6. $ 在結(jié)尾處匹配，如果有MULTILINE標志，則在每個換行符前匹配
 　　　　　　7. (?=e) 正前瞻
 　　　　　　8. (?!e) 負前瞻
 　　　　　　9. (?<=e) 正回顧
 　　　　　　10.(?<!e) 負回顧
 　　　　2 前瞻回顧的解釋
 　　　　　　前瞻： exp1(?=exp2) exp1后面的內(nèi)容要匹配exp2
　　　　　　負前瞻: exp1(?!exp2) exp1后面的內(nèi)容不能匹配exp2
　　　　　　后顧: (?<=exp2)exp1 exp1前面的內(nèi)容要匹配exp2
　　　　　　負后顧: (?<!exp2)exp1 exp1前面的內(nèi)容不能匹配exp2
　　　　　　例如：我們要查找hello，但是hello后面必須是world，正則表達式可以這樣寫："(hello)\s+(?=world)",用來匹配"hello wangxing"和"hello world"只能匹配到后者的hello

　　1.5 條件匹配
 　　　　(?(id)yes_exp|no_exp):對應(yīng)id的子表達式如果匹配到內(nèi)容，則這里匹配yes_exp，否則匹配no_exp

　　1.6 正則表達式的標志
 　　　　1. 正則表達式的標志有兩種使用方法
 　　　　　　1. 通過給compile方法傳入標志參數(shù)，多個標志使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)
　　　　　　2. 通過在正則表達式前面添加(?標志)的方法給正則表達式添加標志，如(?ms)#[\da-z]{6}\b
　　　　2. 常用的標志
 　　　　　　re.A或者re.ASCII， 使\b \B \s \S \w \W \d \D都假定字符串為假定字符串為ASCII
　　　　　　re.I或者re.IGNORECASE 使正則表達式忽略大小寫
 　　　　　　re.M或者re.MULTILINE 多行匹配，使每個^在每個回車后，每個$在每個回車前匹配
 　　　　　　re.S或者re.DOTALL 使.能匹配任意字符，包括回車
 　　　　　　re.X或者re.VERBOSE 這樣可以在正則表達式跨越多行，也可以添加注釋，但是空白需要使用\s或者[ ]來表示，因為默認的空白不再解釋。如：
 　　　　　　　　re.compile(r"""
　　　　　　　　　　<img\s +) #標簽的開始
 　　　　　　　　　　[^>]*? #不是src的屬性
 　　　　　　　　　　src= #src屬性的開始
 　　　　　　　　　　(?:
　　　　　　　　　　(?P<quote>["']) #左引號
 　　　　　　　　　　(?P<image_name>[^\1>]+?) #圖片名字
 　　　　　　　　　　(?P=quote) #右括號
 　　　　　　　　　　""",re.VERBOSE|re.IGNORECASE)

2. Python正則表達式模塊

 　　2.1 正則表達式處理字符串主要有四大功能

 　　　　1. 匹配 查看一個字符串是否符合正則表達式的語法，一般返回true或者false
　　　　2. 獲取 正則表達式來提取字符串中符合要求的文本
 　　　　3. 替換 查找字符串中符合正則表達式的文本，并用相應(yīng)的字符串替換
 　　　　4. 分割 使用正則表達式對字符串進行分割。

 　　2.2 Python中re模塊使用正則表達式的兩種方法

 　　　　1. 使用re.compile(r, f)方法生成正則表達式對象，然后調(diào)用正則表達式對象的相應(yīng)方法。這種做法的好處是生成正則對象之后可以多次使用。
 　　　　2. re模塊中對正則表達式對象的每個對象方法都有一個對應(yīng)的模塊方法，唯一不同的是傳入的第一個參數(shù)是正則表達式字符串。此種方法適合于只使用一次的正則表達式。

 　　2.3 正則表達式對象的常用方法

 　　　　1. rx.findall(s,start, end):
　　　　　　返回一個列表，如果正則表達式中沒有分組，則列表中包含的是所有匹配的內(nèi)容，
 　　　　　　如果正則表達式中有分組，則列表中的每個元素是一個元組，元組中包含子分組中匹配到的內(nèi)容，但是沒有返回整個正則表達式匹配的內(nèi)容
 　　　　2. rx.finditer(s, start, end):
　　　　　　返回一個可迭代對象
 　　　　　　對可迭代對象進行迭代，每一次返回一個匹配對象，可以調(diào)用匹配對象的group()方法查看指定組匹配到的內(nèi)容，0表示整個正則表達式匹配到的內(nèi)容
 　　　　3. rx.search(s, start, end):
　　　　　　返回一個匹配對象,倘若沒匹配到，就返回None
　　　　　　search方法只匹配一次就停止，不會繼續(xù)往后匹配
 　　　　4. rx.match(s, start, end):
　　　　　　如果正則表達式在字符串的起始處匹配，就返回一個匹配對象，否則返回None
　　　　5. rx.sub(x, s, m):
　　　　　　返回一個字符串。每一個匹配的地方用x進行替換，返回替換后的字符串，如果指定m，則最多替換m次。對于x可以使用/i或者/g<id>id可以是組名或者編號來引用捕獲到的內(nèi)容。
 　　　　　　模塊方法re.sub(r, x, s, m)中的x可以使用一個函數(shù)。此時我們就可以對捕獲到的內(nèi)容推過這個函數(shù)進行處理后再替換匹配到的文本。
 　　　　6. rx.subn(x, s, m):
　　　　　　與re.sub()方法相同，區(qū)別在于返回的是二元組，其中一項是結(jié)果字符串，一項是做替換的個數(shù)。
 　　　　7. rx.split(s, m):分割字符串
 　　　　　　返回一個列表
 　　　　　　用正則表達式匹配到的內(nèi)容對字符串進行分割
 　　　　　　如果正則表達式中存在分組，則把分組匹配到的內(nèi)容放在列表中每兩個分割的中間作為列表的一部分，如：
 　　　　　　rx = re.compile(r"(\d)[a-z]+(\d)")
　　　　　　s = "ab12dk3klj8jk9jks5"
　　　　　　result = rx.split(s)
　　　　　　返回['ab1', '2', '3', 'klj', '8', '9', 'jks5']
　　　　8. rx.flags():正則表達式編譯時設(shè)置的標志
 　　　　9. rx.pattern():正則表達式編譯時使用的字符串

 　　2.4 匹配對象的屬性與方法

　　　　01. m.group(g, ...)
　　　　　　返回編號或者組名匹配到的內(nèi)容，默認或者0表示整個表達式匹配到的內(nèi)容，如果指定多個，就返回一個元組
 　　　　02. m.groupdict(default)
　　　　　　返回一個字典。字典的鍵是所有命名的組的組名，值為命名組捕獲到的內(nèi)容
 　　　　　　如果有default參數(shù)，則將其作為那些沒有參與匹配的組的默認值。
 　　　　03. m.groups(default)
　　　　　　返回一個元組。包含所有捕獲到內(nèi)容的子分組，從1開始，如果指定了default值，則這個值作為那些沒有捕獲到內(nèi)容的組的值
 　　　　04. m.lastgroup()
　　　　　　匹配到內(nèi)容的編號最高的捕獲組的名稱，如果沒有或者沒有使用名稱則返回None(不常用)
　　　　05. m.lastindex()
　　　　　　匹配到內(nèi)容的編號最高的捕獲組的編號，如果沒有就返回None。
 　　　　06. m.start(g):
　　　　　　當前匹配對象的子分組是從字符串的那個位置開始匹配的,如果當前組沒有參與匹配就返回-1
　　　　07. m.end(g)
　　　　　　當前匹配對象的子分組是從字符串的那個位置匹配結(jié)束的，如果當前組沒有參與匹配就返回-1
　　　　08. m.span()
　　　　　　返回一個二元組，內(nèi)容分別是m.start(g)和m.end(g)的返回值
 　　　　09. m.re()
　　　　　　產(chǎn)生這一匹配對象的正則表達式
 　　　　10. m.string()
　　　　　　傳遞給match或者search用于匹配的字符串
 　　　　11. m.pos()
　　　　　　搜索的起始位置。即字符串的開頭，或者start指定的位置(不常用)
　　　　12. m.endpos()
　　　　　　搜索的結(jié)束位置。即字符串的末尾位置，或者end指定的位置(不常用)

　　2.5 總結(jié)

 　　　　1. 對于正則表達式的匹配功能，Python沒有返回true和false的方法，但可以通過對match或者search方法的返回值是否是None來判斷
 　　　　2. 對于正則表達式的搜索功能，如果只搜索一次可以使用search或者match方法返回的匹配對象得到，對于搜索多次可以使用finditer方法返回的可迭代對象來迭代訪問
 　　　　3. 對于正則表達式的替換功能，可以使用正則表達式對象的sub或者subn方法來實現(xiàn)，也可以通過re模塊方法sub或者subn來實現(xiàn)，區(qū)別在于模塊的sub方法的替換文本可以使用一個函數(shù)來生成
 　　　　4. 對于正則表達式的分割功能，可以使用正則表達式對象的split方法，需要注意如果正則表達式對象有分組的話，分組捕獲的內(nèi)容也會放到返回的列表中

最新評論