Python正则表达式（完整版）
⼀、正则表达式语法
（⼀） 字符与字符类
1、特殊字符：\.^$?+*{}[]()|
以上特殊字符要想使⽤字⾯值，必须使⽤\进⾏转义。
2、字符类
包含在[]中的⼀个或者多个字符被称为字符类，字符类在匹配时如果没有指定量词则只会匹配其中的⼀个。
字符类内可以指定范围，⽐如[a-zA-Z0-9]表⽰a到z，A到Z，0到9之间的任何⼀个字符。
左⽅括号后跟随⼀个^，表⽰否定⼀个字符类，⽐如[^0-9]表⽰可以匹配⼀个任意⾮数字的字符。
字符类内部，除了\之外，其他特殊字符不再具备特殊意义，都表⽰字⾯值。^放在第⼀个位置表⽰否定，放在其他位置表⽰^本⾝，-放在中间表⽰范围，放在字符类中的第⼀个字符，则表⽰-本⾝。
字符类内部可以使⽤速记法，⽐如\d \s \w。
3、速记法
. 可以匹配除换⾏符之外的任何字符，如果有re.DOTALL标志，则匹配任意字符包括换⾏
\d 匹配⼀个Unicode数字，如果带re.ASCII，则匹配0-9
\D 匹配Unicode⾮数字
\s 匹配Unicode空⽩，如果带有re.ASCII，则匹配\t\n\r\f\v中的⼀个
\S 匹配Unicode⾮空⽩
\w 匹配Unicode单词字符，如果带有re.ascii，则匹配[a-zA-Z0-9_]中的⼀个
\W 匹配Unicode⾮单词字符
（⼆）量词
匹配前⾯的字符0次或1次
\* 匹配前⾯的字符0次或多次
\+ 匹配前⾯的字符1次或者多次
{m} 匹配前⾯表达式m次
{m,} 匹配前⾯表达式⾄少m次
{,n} 匹配前⾯的正则表达式最多n次
{m,n} 匹配前⾯的正则表达式⾄少m次，最多n次
注意点：
以上量词都是贪婪模式，会尽可能多的匹配，如果要改为⾮贪婪模式，通过在量词后⾯跟随⼀个?来实现。
（三）组与捕获
1、()的作⽤：
捕获()中正则表达式的内容以备进⼀步利⽤处理，可以通过在左括号后⾯跟随?：来关闭这个括号的捕获功能。
将正则表达式的⼀部分内容进⾏组合，以便使⽤量词或者|。
2、反向引⽤前⾯()内捕获的内容：
通过组号反向引⽤
每⼀个没有使⽤：的⼩括号都会分配⼀个组好，从1开始，从左到右递增，可以通过\i引⽤前⾯()内表达式捕获的内容
通过组名反向引⽤前⾯⼩括号内捕获的内容
可以通过在左括号后⾯跟随?P<name>，尖括号中放⼊组名来为⼀个组起⼀个别名，后⾯通过(?P=name)来引⽤前⾯捕获的内容。如(?
P<word>\w+)\s+(?P=word)来匹配重复的单词。
注意点：
反向引⽤不能放在字符类[]中使⽤。
（四） 断⾔与标记
断⾔不会匹配任何⽂本，只是对断⾔所在的⽂本施加某些约束。
1、常⽤断⾔：
\b匹配单词的边界，放在字符类[]中则表⽰backspace
\B匹配⾮单词边界，受ASCII标记影响
\A 在起始处匹配
^ 在起始处匹配，如果有MULTILINE标志，则在每个换⾏符后匹配
\Z 在结尾处匹配
$ 在结尾处匹配，如果有MULTILINE标志，则在每个换⾏符前匹配
(?=e) 正前瞻
(?!e) 负前瞻
(?<=e) 正回顾
(?<!e) 负回顾
2、前瞻回顾的解释
前瞻： exp1(?=exp2) exp1后⾯的内容要匹配exp2
负前瞻: exp1(?!exp2) exp1后⾯的内容不能匹配exp2
后顾: (?<=exp2)exp1 exp1前⾯的内容要匹配exp2
负后顾: (?<!exp2)exp1 exp1前⾯的内容不能匹配exp2
例如：我们要查hello，但是hello后⾯必须是world，正则表达式可以这样写："(hello)\s+(?=world)",⽤来匹配"hello wangxing"和"hello world"只能匹配到后者的hello。
（五）条件匹配
(?(id)yes_exp|no_exp)：对应id的⼦表达式如果匹配到内容，则这⾥匹配yes_exp，否则匹配no_exp。
（六） 正则表达式的标志
正则表达式的标志有两种使⽤⽅法
通过给compile⽅法传⼊标志参数，多个标志使⽤|分割的⽅法，如repile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)。
通过在正则表达式前⾯添加(?标志)的⽅法给正则表达式添加标志，如(?ms)#[\da-z]{6}\b。
常⽤的标志
re.A或者re.ASCII， 使\b \B \s \S \w \W \d \D都假定字符串为假定字符串为ASCII。
re.I或者re.IGNORECASE 使正则表达式忽略⼤⼩写。
re.M或者re.MULTILINE 多⾏匹配，使每个^在每个回车后，每个$在每个回车前匹配。
re.S或者re.DOTALL 使.能匹配任意字符，包括回车。
re.X或者re.VERBOSE 这样可以在正则表达式跨越多⾏，也可以添加注释，但是空⽩需要使⽤\s或者[ ]来表⽰，因为默认的空⽩不再解释。如：
repile(r"""
          <img\s +)  #标签的开始
          [^>]*?  #不是src的属性
          src=    #src属性的开始
          (?:
          (?P<quote>["']) #左引号
          (?P<image_name>[^\1>]+?)    #图⽚名字
regex匹配          (?P=quote)  #右括号
          """,re.VERBOSE|re.IGNORECASE)
⼆、Python正则表达式模块
（⼀）正则表达式处理字符串主要有四⼤功能
匹配 查看⼀个字符串是否符合正则表达式的语法，⼀般返回true或者false
获取 正则表达式来提取字符串中符合要求的⽂本
替换 查字符串中符合正则表达式的⽂本，并⽤相应的字符串替换
分割 使⽤正则表达式对字符串进⾏分割。
（⼆） Python中re模块使⽤正则表达式的两种⽅法
使⽤repile(r, f)⽅法⽣成正则表达式对象，然后调⽤正则表达式对象的相应⽅法。这种做法的好处是⽣成正则对象之后可以多次使⽤。
re模块中对正则表达式对象的每个对象⽅法都有⼀个对应的模块⽅法，唯⼀不同的是传⼊的第⼀个参数是正则表达式字符串。此种⽅法适合于只使⽤⼀次的正则表达式。
（三）正则表达式对象的常⽤⽅法
rx.findall(s,start, end):
返回⼀个列表，如果正则表达式中没有分组，则列表中包含的是所有匹配的内容，
如果正则表达式中有分组，则列表中的每个元素是⼀个元组，元组中包含⼦分组中匹配到的内容，但是没有返回整个正则表达式匹配的内容
rx.finditer(s, start, end):
返回⼀个可迭代对象
对可迭代对象进⾏迭代，每⼀次返回⼀个匹配对象，可以调⽤匹配对象的group()⽅法查看指定组匹配到的内容，0表⽰整个正则表达式匹配到的内容
rx.search(s, start, end):
返回⼀个匹配对象，倘若没匹配到，就返回None
search()⽅法只匹配⼀次就停⽌，不会继续往后匹配
rx.match(s, start, end):
如果正则表达式在字符串的起始处匹配，就返回⼀个匹配对象，否则返回None
rx.sub(x, s, m):
返回⼀个字符串。每⼀个匹配的地⽅⽤x进⾏替换，返回替换后的字符串，如果指定m，则最多替换m次。对于x可以使⽤/i或者/g<id>id可以是组名或者编号来引⽤捕获到的内容。
模块⽅法re.sub(r, x, s, m)中的x可以使⽤⼀个函数。此时我们就可以对捕获到的内容推过这个函数进⾏处理后再替换匹配到的⽂本。
rx.subn(x, s, m):
与re.sub()⽅法相同，区别在于返回的是⼆元组，其中⼀项是结果字符串，⼀项是做替换的个数。
rx.split(s, m):
分割字符串，返回⼀个列表，⽤正则表达式匹配到的内容对字符串进⾏分割
如果正则表达式中存在分组，则把分组匹配到的内容放在列表中每两个分割的中间作为列表的⼀部分，如：
rx = repile(r"(\d)[a-z]+(\d)")
      s = "ab12dk3klj8jk9jks5"
      result = rx.split(s)
返回['ab1', '2', '3', 'klj', '8', '9', 'jks5']
rx.flags()
正则表达式编译时设置的标志
rx.pattern()
正则表达式编译时使⽤的字符串
（四）匹配对象的属性与⽅法
返回编号或者组名匹配到的内容，默认或者0表⽰整个表达式匹配到的内容，如果指定多个，就返回⼀个元组
返回⼀个字典。字典的键是所有命名的组的组名，值为命名组捕获到的内容
如果有default参数，则将其作为那些没有参与匹配的组的默认值。
返回⼀个元组。包含所有捕获到内容的⼦分组，从1开始，如果指定了default值，则这个值作为那些没有捕获到内容的组的值
m.lastgroup()
匹配到内容的编号最⾼的捕获组的名称，如果没有或者没有使⽤名称则返回None(不常⽤)
m.lastindex()
匹配到内容的编号最⾼的捕获组的编号，如果没有就返回None。
m.start(g)
当前匹配对象的⼦分组是从字符串的那个位置开始匹配的，如果当前组没有参与匹配就返回-1
当前匹配对象的⼦分组是从字符串的那个位置匹配结束的，如果当前组没有参与匹配就返回-1
m.span()
返回⼀个⼆元组，内容分别是m.start(g)和m.end(g)的返回值
<()
产⽣这⼀匹配对象的正则表达式
m.string()
传递给match()或者search()⽤于匹配的字符串
m.pos()
搜索的起始位置。即字符串的开头，或者start指定的位置(不常⽤)
搜索的结束位置。即字符串的末尾位置，或者end指定的位置(不常⽤)
(五) 总结
对于正则表达式的匹配功能，Python没有返回true和false的⽅法，但可以通过对match()或者search()⽅法的返回值是否是None来判断。
对于正则表达式的搜索功能，如果只搜索⼀次可以使⽤search()或者match()⽅法返回的匹配对象得到，对于搜索多次可以使
⽤finditer()⽅法返回的可迭代对象来迭代访问。
对于正则表达式的替换功能，可以使⽤正则表达式对象的sub()或者subn()⽅法来实现，也可以通过re模块⽅法sub()或者subn()来实现，区别在于模块的sub()⽅法的替换⽂本可以使⽤⼀个函数来⽣成。
对于正则表达式的分割功能，可以使⽤正则表达式对象的split()⽅法，需要注意如果正则表达式对象有分组的话，分组捕获的内容也会放到返回的列表中。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。