python --- re模块，,1.正则表达式的元字

python --- re模块，,1.正则表达式的元字

1.正则表达式的元字符有： . \ * + ? ^ $ {} [ ]

. 匹配除换行符以外的任意字符

\ 转义字符，使后一个字符改变原来的意思

* 匹配前面字符0或多次

+ 匹配前面字符1或多次

？匹配一个字符0或多次

^ 匹配字符串开头

$ 匹配字符串结尾

{} {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

[] 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

() 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。

这里需要强调一下反斜杠的作用：

反斜杠后面跟元字符去除特殊功能（即将特殊字符转义成普通字符）

反斜杠后面跟普通字符实现特殊功能 (即预定义字符)

引用序号对应的字组所匹配的字符串

a=re.search(r‘(tina)(fei)haha\2‘,‘tinafeihahafei tinafeihahatina‘).group()print(a)结果：tinafeihahafei

2.预定义字符集：

\d: 表示数字0-9

\D:非数字

\s:匹配任何空白字符[<空格>\t\r\n\f\v]

\S:非空的字符

\w:匹配包括下划线的任何字符[a-zA-Z0-9_]

\W:匹配非字母字符，即匹配特殊字符

\A:匹配字符开头，同^

\z:匹配字符结尾，同$

\b: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\b‘ 可以匹配"never" 中的 ‘er‘，但不能匹配 "verb" 中的 ‘er‘。

\B:和\b相反

这里需要强调一下\b的单词边界的理解：w = re.findall(‘\btina‘,‘tian tinaaaa‘)print(w)s = re.findall(r‘\btina‘,‘tian tinaaaa‘)print(s)v = re.findall(r‘\btina‘,‘tian#tinaaaa‘)print(v)a = re.findall(r‘\btina\b‘,‘tian#tina@aaa‘)print(a)执行结果如下：[][‘tina‘][‘tina‘][‘tina‘]

三.re模块中常用功能函数

1.compile()

编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）

格式：

re.compile(pattern,flags=0)

pattern: 编译时用的表达式字符串。

flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的flags有：

标志	含义
re.S(DOTALL)	使.匹配包括换行在内的所有字符
re.I（IGNORECASE）	使匹配对大小写不敏感
re.L（LOCALE）	做本地化识别（locale-aware)匹配，法语等
re.M(MULTILINE)	多行匹配，影响^和$
re.X(VERBOSE)	该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U	根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B

import rett = "Tina is a good girl, she is cool, clever, and so on..."rr = re.compile(r‘\w*oo\w*‘)print(rr.findall(tt))   #查找所有包含‘oo‘的单词执行结果如下：[‘good‘, ‘cool‘]

2、match()

决定RE是否在字符串刚开始的位置匹配。//注：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符‘$‘

格式：

re.match(pattern, string, flags=0)

print(re.match(‘com‘,‘comwww.runcomoob‘).group())print(re.match(‘com‘,‘Comwww.runcomoob‘,re.I).group())执行结果如下：comcom

3、search()

格式：

re.search(pattern, string, flags=0)

re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None

print(re.search(‘\dcom‘,‘www.4comrunoob.5com‘).group())执行结果如下：4com

*注：match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：

group() 返回被 RE 匹配的字符串start() 返回匹配开始的位置end() 返回匹配结束的位置span() 返回一个元组包含匹配 (开始,结束) 的位置group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。

a. group（）返回re整体匹配的字符串，
b. group (n,m) 返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常
c.groups（）groups() 方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups()不需要参数，返回一个元组，元组中的元就是正则表达式中定义的组。

import rea = "123abc456" print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0))   #123abc456,返回整体 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1))   #123 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2))   #abc print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3))   #456###group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。###

4、findall()

re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。

格式：

re.findall(pattern, string, flags=0)

p = re.compile(r‘\d+‘)print(p.findall(‘o1n2m3k4‘))执行结果如下：[‘1‘, ‘2‘, ‘3‘, ‘4‘]

import rett = "Tina is a good girl, she is cool, clever, and so on..."rr = re.compile(r‘\w*oo\w*‘)print(rr.findall(tt))print(re.findall(r‘(\w)*oo(\w)‘,tt))#()表示子表达式 执行结果如下：[‘good‘, ‘cool‘][(‘g‘, ‘d‘), (‘c‘, ‘l‘)]

5、finditer()

搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。找到 RE 匹配的所有子串，并把它们作为一个迭代器返回。

格式：

re.finditer(pattern, string, flags=0)

iter = re.finditer(r‘\d+‘,‘12 drumm44ers drumming, 11 ... 10 ...‘)for i in iter:    print(i)    print(i.group())    print(i.span())执行结果如下：<_sre.SRE_Match object; span=(0, 2), match=‘12‘>12(0, 2)<_sre.SRE_Match object; span=(8, 10), match=‘44‘>44(8, 10)<_sre.SRE_Match object; span=(24, 26), match=‘11‘>11(24, 26)<_sre.SRE_Match object; span=(31, 33), match=‘10‘>10(31, 33)

6、split()

按照能够匹配的子串将string分割后返回列表。

可以使用re.split来分割字符串，如：re.split(r‘\s+‘, text)；将字符串按空格分割成一个单词列表。

格式：

re.split(pattern, string[, maxsplit])

maxsplit用于指定最大分割次数，不指定将全部分割

print(re.split(‘\d+‘,‘one1two2three3four4five5‘))执行结果如下：[‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘five‘, ‘‘]

print(re.split(‘\d+‘,‘one1two2three3four4five5‘))执行结果如下：[‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘five‘, ‘‘]

python --- re模块