正则表达式

正则表达式，regular expression, 缩写为regex regexp re等
分类：BRE ERE PCRE python使用SRE

基本语法：
元字符metacharactor
. 匹配任意（除换行符）
[xx] 占一位，匹配括号里任一字符
[^x] 占一位，不匹配括号里任一字符
[a-z] 匹配任一位小写字母
\b 匹配单词边界
\B 不匹配单词的边界
\d ==[0-9]
\D 匹配一位非数字
\s ==[\f\r\n\t\v]匹配一位空白字符
\S 匹配一位非空白字符
\w 匹配[a-zA-Z0-9_]，包括中文的字
\W 匹配\w之外的字符
\ 转义符号，例如 \\ \. \r \n \[ \]

重复
* 前面的正则表达式 重复0或多次
+ 前面的正则表达式 重复1或多次
？前面的正则表达式 重复0或1次
{n} 前面的正则表达式 重复n次
{n,} 前面的正则表达式 至少重复n次
{n,m} 前面的正则表达式 至少重复n到m次

或匹配
x|y 匹配x或y 长的在前 短的在后
分组 捕获
(pattern) 自动分组从1开始
\数字 匹配分组 如 （very）\1 捕获 very very
(?:pattern) 不分组 只改表优先级
（？<name>pattern） 或 (?’name’ exp) 命名分组

断言
(?=exp) 断言后面跟着exp
(?<=exp) 断言前面跟着exp
(?!exp) 断言后面不是exp
(?<!exp) 断言前面不是exp

注释
(?#comment) f(?=oo)(?#这个后断言不捕获)

贪婪和非贪婪
*? 匹配任意次 尽可能少重复
+? 匹配至少1次 尽可能少重复
?? 匹配0或1次 尽可能少重复
{n,}? 匹配至少n次 尽可能少重复
{n,m}? 匹配至少n次 至多m次 尽可能少重复

引擎选项
re.I 忽略大小写
re.M 多行模式 ^行首 $行尾
re.S 单行模式，匹配所有字符包括\n
re.X 忽略表达式中的空白字符，如果要用可以转义

#Python正则表达式 re模块
import re

#re.match(pattern, string, flag=0) 只从头开始

print(re.match(‘www’, ‘awww.runoob.com’))
print(re.match(‘www’, ‘www.runoob.com’).span())

#group(num) groups() 获取小组，返回元组 group(‘name’)取分组

line = “Mei is a nice girl”

matchObj = re.match(r'(.*) is a (?P<ll>\w+) .*’, line, re.M|re.I)

if matchObj:
print(matchObj.group())
print(matchObj.group(1))
print(matchObj.group(‘ll’))
else:
print(“No match!”)

#re.search(pattern, string, flag=0) 扫描整个字符串返回第一个匹配的

print(re.search(‘www’, ‘www.runoob.com’))
print(re.search(‘com’, ‘www.runoob.com’).span())

#re.sub(pattern, repl, string, count=0, flag=0) 替换
# 参数：
# pattern : 正则中的模式字符串。
# repl : 替换的字符串，也可为一个函数。
# string : 要被查找替换的原始字符串。
# count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

phone = “2004-959-559 # 这是国外电话”

#删除字符串中的注释
print(re.sub(r’#.*$’, ”, phone))

#删除非数字字符串
print(re.sub(r’\D’,”,phone))

#repl参数是一个函数

def double(matched):
value = int(matched.group(‘value’))
return str(value * 2)

s = ‘A12D5JHK78’
print(re.sub(‘(?P<value>\d+)’, double, s))

#re.compile 编译正则表达式，给match()和search()使用
# re.compile(pattern[, flags])

pattern = re.compile(r’\d+’)
m = pattern.match(‘one12two’,3)
print(m)
print(m.group())
print(m.start())
print(m.end())
print(m.span())

#findall 匹配所有子串 返回列表
# findall(string[, pos[, endpos]])

pattern = re.compile(r’\d+’)
result1 = pattern.findall(‘gan is 23 tag 45’)
result2 = pattern.findall(‘gan is 23 tag 45’, 0, 10)

print(result1)
print(result2)

#re.finditer 与findall类似，匹配所有子串，返回迭代器
#re.finditer(pattern, string, flag=0)

it = re.finditer(r”\d+”, “12a32bc43jf3″)
print(it)
for match in it:
print(match.group())

#re.split 按照匹配的子串将字符串分割返回列表
#re.split(pattern, string[, maxsplit=0, flags=0])

s = ‘ nike is, a. like/ ‘
print(re.split(‘\W+’, s))

#练习题
#匹配邮箱

emails = ‘test@hot-mail.com is his working-email’
pattern = re.compile(‘\w+[-\.\w]+@[\w-]+(\.[\w-]+)+’)
print(pattern.findall(emails))

#匹配html标记内的内容
alink = ‘<a href=”http://www.baidu.com”>百度</a>’
print(re.findall(‘<[^<>]+>(.*)<[^<>]+>’, alink))

#匹配url
print(re.findall(”’href=[‘”](?P<alink>.*)[‘”]”’, alink))

#匹配二代中国身份证 17位数字+一位检验码
idlist = [
‘321105700101003’,
‘321105197001010030’,
‘11210020170101054X’
]

for id in idlist:
print(re.findall(‘\d{17}[xX\d]|\d{15}’,id)[0])