正则表达式学习

正则表达式学习

Python re模块

re常量

常量即表示不可更改的变量，一般用于做标记。

1. IGNORECASE

   • 语法： re.IGNORECASE 或简写为 re.I
   • 作用： 进行忽略大小写匹配。

2. ASCII

   • 语法： re.ASCII 或简写为 re.A
   • 作用： 顾名思义，ASCII表示ASCII码的意思，让 \w, \W, \b, \B, \d, \D, \s 和 \S 只匹配ASCII，而不是Unicode。

3. DOTALL

   • 语法： re.DOTALL 或简写为 re.S
   • 作用： DOT表示.，ALL表示所有，连起来就是.匹配所有，包括换行符\n。默认模式下.是不能匹配行符\n的。

4. MULTILINE

   • 语法： re.MULTILINE 或简写为 re.M

   • 作用： 多行模式，当某字符串中有换行符\n，默认模式下是不支持换行符特性的，比如：行开头 和 行结尾，而多行模式下是支持匹配行开头的。

     正则表达式中^表示匹配行的开头，默认模式下它只能匹配字符串的开头；而在多行模式下，它还可以匹配 换行符\n后面的字符。

     注意：正则语法中^匹配行开头、\A匹配字符串开头，单行模式下它两效果一致，多行模式下\A不能识别\n。

5. VERBOSE

   • 语法： re.VERBOSE 或简写为 re.X
   • 作用： 详细模式，可以在正则表达式中加注解！

6. LOCALE（不常用）

   • 语法： re.LOCALE 或简写为 re.L
   • 作用： 由当前语言区域决定 \w, \W, \b, \B 和大小写敏感匹配，这个标记只能对byte样式有效。这个标记官方已经不推荐使用，因为语言区域机制很不可靠，它一次只能处理一个 “习惯”，而且只对8位字节有效。

7. UNICODE

   • 语法： re.UNICODE 或简写为 re.U
   • 作用： 与 ASCII 模式类似，匹配unicode编码支持的字符，但是 Python 3 默认字符串已经是Unicode，所以有点冗余。

8. DEBUG

   • 语法： re.DEBUG
   • 作用： 显示编译时的debug信息。

9. TEMPLATE

   • 语法： re.TEMPLATE 或简写为 re.T
   • 作用：源码注释中写着：disable backtracking(禁用回溯)

re函数

查找匹配项

• search：查找任意位置的匹配项
• match：必须从字符串开头匹配
• fullmatch：整个字符串与正则匹配

查找多个匹配项

• findall：从字符串任意位置查找，返回一个列表
• finditer：从字符串任意位置查找，返回一个迭代器

分割

• re.split(pattern, string, maxsplit=0, flags=0) 函数：用 pattern 分开 string ， maxsplit表示最多进行分割次数， flags表示模式，既re常量

替换

• re.sub(pattern, repl, string, count=0, flags=0) 函数参数讲解：repl替换掉string中被pattern匹配的字符， count表示最大替换次数，flags表示正则表达式的常量。
• re.subn(pattern, repl, string, count=0, flags=0) 函数与 re.sub函数 功能一致，只不过返回一个元组 (字符串, 替换次数)。

编译正则对象

以下将正则表达式的样式编译为一个 正则表达式对象

• compile函数
• template函数

其他

• **re.escape(pattern)**：可以转义正则表达式中具有特殊含义的字符，比如：. 或者 *
• re.purge() ：清除 正则表达式缓存

参考链接

Python正则表达式，这一篇就够了！ - 知乎 (zhihu.com)

---

匹配模式

多种匹配模式

实例	描述
[Pp]ython	匹配 “Python” 或 “python”。
rub[ye]	匹配 “ruby” 或 “rube”。
[abcdef]	匹配中括号内的任意一个字母。
[0-9]	匹配任何数字。类似于 [0123456789]。
[a-z]	匹配任何小写字母。
[A-Z]	匹配任何大写字母。
[a-zA-Z0-9]	匹配任何字母及数字。
[^au]	除了au字母以外的所有字符。
[^0-9]	匹配除了数字外的字符。

---

实例	描述
.	匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式。
?	匹配一个字符零次或一次，另一个作用是非贪婪模式
+	匹配1次或多次
*	匹配0次或多次
\b	匹配一个长度为0的子串
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
\W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。
\b	匹配一个长度为0的子串