Python3 正則表達(dá)式

正則表達(dá)式是一個(gè)特殊的字符序列，它能幫助你方便的檢查一個(gè)字符串是否與某種模式匹配。

Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達(dá)式模式。

re 模塊使 Python 語(yǔ)言擁有全部的正則表達(dá)式功能。

compile 函數(shù)根據(jù)一個(gè)模式字符串和可選的標(biāo)志參數(shù)生成一個(gè)正則表達(dá)式對(duì)象。該對(duì)象擁有一系列方法用于正則表達(dá)式匹配和替換。

re 模塊也提供了與這些方法功能完全一致的函數(shù)，這些函數(shù)使用一個(gè)模式字符串做為它們的第一個(gè)參數(shù)。

字符與字符類

特殊字符：.^$?+*{}|

以上特殊字符要想使用字面值，必須使用\進(jìn)行轉(zhuǎn)義

字符類

• 包含在[]中的一個(gè)或者多個(gè)字符被稱為字符類，字符類在匹配時(shí)如果沒(méi)有指定量詞則只會(huì)匹配其中的一個(gè)。
• 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(gè)字符
• 左方括號(hào)后跟隨一個(gè)^{，表示否定一個(gè)字符類，比如[}0-9]表示可以匹配一個(gè)任意非數(shù)字的字符。
• 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(gè)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(gè)字符，則表示-本身。
• 字符類內(nèi)部可以使用速記法，比如\d \s \w

速記法

• . 可以匹配除換行符之外的任何字符，如果有re.DOTALL標(biāo)志，則匹配任意字符包括換行
• \d 匹配一個(gè)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(gè)
• \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(gè)
• \W匹配Unicode非單子字符

量詞

• ? 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} 匹配前面表達(dá)式m次
• {m,} 匹配前面表達(dá)式至少m次
• {,n} 匹配前面的正則表達(dá)式最多n次
• {m,n} 匹配前面的正則表達(dá)式至少m次，最多n次

注意點(diǎn)：
以上量詞都是貪婪模式，會(huì)盡可能多的匹配，如果要改為非貪婪模式，通過(guò)在量詞后面跟隨一個(gè)?來(lái)實(shí)現(xiàn)

組與捕獲

()的作用：

• 捕獲()中正則表達(dá)式的內(nèi)容以備進(jìn)一步利用處理，可以通過(guò)在左括號(hào)后面跟隨?:來(lái)關(guān)閉這個(gè)括號(hào)的捕獲功能
• 將正則表達(dá)式的一部分內(nèi)容進(jìn)行組合，以便使用量詞或者|反向引用前面()內(nèi)捕獲的內(nèi)容：
• 通過(guò)組號(hào)反向引用
• 每一個(gè)沒(méi)有使用?:的小括號(hào)都會(huì)分配一個(gè)組好，從1開始，從左到右遞增，可以通過(guò)\i引用前面()內(nèi)表

達(dá)式捕獲的內(nèi)容

• 通過(guò)組名反向引用前面小括號(hào)內(nèi)捕獲的內(nèi)容
  可以通過(guò)在左括號(hào)后面跟隨?P,尖括號(hào)中放入組名來(lái)為一個(gè)組起一個(gè)別名，后面通過(guò)(?P=name)來(lái)引用 前面捕獲的內(nèi)容。如(? P\w+)\s+(?P=word)來(lái)匹配重復(fù)的單詞。

注意點(diǎn)：
反向引用不能放在字符類[]中使用。

斷言與標(biāo)記

斷言不會(huì)匹配任何文本，只是對(duì)斷言所在的文本施加某些約束

常用斷言：

• \b匹配單詞的邊界，放在字符類[]中則表示backspace
• \B匹配非單詞邊界，受ASCII標(biāo)記影響
• \A 在起始處匹配
• ^ 在起始處匹配，如果有MULTILINE標(biāo)志，則在每個(gè)換行符后匹配
• \Z 在結(jié)尾處匹配
• $ 在結(jié)尾處匹配，如果有MULTILINE標(biāo)志，則在每個(gè)換行符前匹配
• (?=e) 正前瞻
• (?!e) 負(fù)前瞻
• (?<=e) 正回顧
• (?<!e) 負(fù)回顧

條件匹配

(?(id)yes_exp|no_exp)：對(duì)應(yīng)id的子表達(dá)式如果匹配到內(nèi)容，則這里匹配yes_exp，否則匹配no_exp

正則表達(dá)式的標(biāo)志

正則表達(dá)式的標(biāo)志有兩種使用方法

• 通過(guò)給compile方法傳入標(biāo)志參數(shù)，多個(gè)標(biāo)志使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)

• 通過(guò)在正則表達(dá)式前面添加(?標(biāo)志)的方法給正則表達(dá)式添加標(biāo)志，如(?ms)#[\da-z]{6}\b
  常用的標(biāo)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(dá)式忽略大小寫

• re.M或者re.MULTILINE 多行匹配，使每個(gè)^在每個(gè)回車后，每個(gè)$在每個(gè)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(dá)式跨越多行，也可以添加注釋，但是空白需要使用\s或者[ ]來(lái)表示，因?yàn)槟J(rèn)的空白不再解釋。如：

re.compile(r"""<img\s +)   #標(biāo)簽的開始[^>]*?  #不是src的屬性src=    #src屬性的開始(?:(?P<quote>["']) #左引號(hào)(?P<image_name>[^\1>]+?)    #圖片名字(?P=quote)  #右括號(hào)""",re.VERBOSE|re.IGNORECASE)

正則表達(dá)式處理字符串主要有四大功能

• 匹配 查看一個(gè)字符串是否符合正則表達(dá)式的語(yǔ)法，一般返回true或者false
• 獲取 正則表達(dá)式來(lái)提取字符串中符合要求的文本
• 替換 查找字符串中符合正則表達(dá)式的文本，并用相應(yīng)的字符串替換
• 分割 使用正則表達(dá)式對(duì)字符串進(jìn)行分割。

Python中re模塊使用正則表達(dá)式的兩種方法

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