正则表达式使用

在 Python 中，使用 re 模块来处理正则表达式

re.match函数

import re
print(re.match('www', 'www.baidu.com').span())  #.span()：获取匹配对象的起始和结束索引，以元组形式返回
print(re.match('com', 'www.baidu.com'))

line = "That is a pig"
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
# (.*?) 表示"非贪婪"模式，只保存第一个匹配到的子串
mobj = re.match(r'(.*) is (.*?) .*', line, re.M|re.I)  #参数 re.M|re.I 表示匹配时忽略大小写（re.I）并支持多行模式（re.M）
if mobj:
  print(mobj.group(0))  # group(0)表示匹配到的整个字符串
  print(mobj.group(1))  # group(1)表示第一个括号匹配到的字符串
  print(mobj.group(2))  # group(2)表示第二个括号匹配到的字符串
else:
  print("No match!")

re.search方法

re.match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回 None，而 re.search 匹配整个字符串，直到找到一个匹配

import re
print(re.match('com', 'www.baidu.com'))
# 与re.match的区别
# re.search()：扫描整个字符串，找到匹配的第一个位置
print(re.search('com', "www.baidu.com").span())

re.sub方法

# re.sub()：替换字符串中的匹配项
phone = "My phone number is 010-12345678"
# 删除number
print(re.sub('number', '', phone))
# 将010替换为86
print(re.sub('010', '86', phone))

re.findall和re.compile方法

# re.findall()：找到所有匹配的字符串
res1 = re.findall(r'\d+', 'www baidu com 123 456')
pattern = re.compile(r'\d+')
res2 = pattern.findall('www baidu com 123')
res3 = pattern.findall("www12baid5u6com123", 0, 10) #匹配指定区间的字符串的数字
print(res1)
print(res2)
print(res3)

正则表达式修饰符 

修饰符	描述
re.I	使匹配对大小写不敏感
re.M	多行匹配，影响 ^ 和 $，使它们匹配字符串的每一行的开头和结尾。
re.S：	使 . 匹配包括换行符在内的任意字符。
re.ASCII	使 \w, \W, \b, \B, \d, \D, \s, \S 仅匹配 ASCII 字符。
re.X	忽略空格和注释，可以更清晰地组织复杂的正则表达式。

正则表达式模式

这个特么太难记了......会用就行吧o(╥﹏╥)o

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	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的任意字符。
[...]	用来匹配所包含的任意一个字符，例如 [amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	匹配n个前面表达式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。
re{ n,}	精确匹配n个前面表达式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re)	匹配的独立模式，省去回溯。
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\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
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	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	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等。	匹配一个换行符。匹配一个制表符, 等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。