正则表达式

正则表达式是一个特殊的字符序列，用于检查字符串是否与某种模式匹配

• 正则表达式测试工具

常用匹配规则

模式	描述
\w	匹配字母、数字及下划线
\W	匹配不是字母、数字及下划线的字符
\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	匹配任意非数字的字符
\A	匹配字符串开头
\Z	匹配字符串结尾，如果存在换行，只匹配到换行前的结束字符串
\z	匹配字符串结尾，如果存在换行，同时还会匹配换行符
\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
^	匹配一行字符串的开头
$	匹配一行字符串的结尾
.	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在内的任意字符
[...]	用来表示一组字符，单独列出
[^...]	不在[]中的字符
*	匹配0个或多个表达式
+	匹配1个或多个表达式
？	匹配0个或1个前面的正则表达式定义的片段
{n}	精确匹配n个前面的表达式
{n,m}	精确匹配n到m次由前面正则表达式定义的片段，贪婪方式
a|b	匹配a或b
()	匹配括号内的表达式，也表示一个组

常用正则表达式

• 匹配中文字符

[\u4e00-\u9fa5]

• 匹配双字节字符(包括汉字在内)

[^\x00-\xff]

• 匹配空白行

\n\s*\r

• 匹配网址

[a-zA-z]+://[^\s]*

Python re 模块

match()

• match()方法从字符串起始位置匹配正则表达式(更适合检测某个字符串是否符合某个正则表达式的规制)
• match()方法中第一个参数传正则表达式，第二个参数传入待匹配字符串

re.match('匹配正则表达式',待匹配字符串[,修饰符])

• 若匹配成功，返回SRE_Match对象，该对象有group()和span()两个方法
• group()方法可以输出匹配到的内容
• span()方法可以输出匹配的范围

匹配目标

• ()标记一个字表达式的开始和结束位置，被标记的每个子表达式依次对应一个分组
• 调用group()方法输入分组的索引可提取结果

通用匹配

• .（点）可以匹配任意字符（除换行符"\n"）
• *（星号）表示匹配0或多个表达式
• ?(问号)表示匹配0或1个前面的正则表达式定义的片段，非贪婪方式
• .*组合以贪婪匹配的方式匹配（尽可能多的）任意字符
• .*?组合以非贪婪匹配的方式匹配任意字符

修饰符

正则表达式可指定可选标志修饰符控制匹配模式

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响^和$
re.S	使.匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符，影响\w、\W、\b、\B
re.X	该标志通过给予更灵活的格式以便将正则表达式写得更容易理解

转义匹配

• 用于正则匹配模式的特殊字符前加反斜线（\）表示转义
• 建议使用Python的r前缀（r'str'），以避免考虑转义的问题

search()

• search()方法在匹配时会扫描整个字符串，返回第一个成功匹配的结果

findall()

• findall()方法搜索整个字符串，返回匹配正则表达式的所有内容

sub()

• sub()方法用于修改文本

content = re.sub('被修改字符串'，'替换字符串','原字符串')

compile()

• compile()方法将正则字符串编译成正则表达式对象，便于后续匹配复用