正則表達式--import--re--string

--********************************************************************************************************************************

--import------import string 模塊---Python 字符串內置函數--------字符串方法是從python1.6到2.0慢慢加進來的——它們也被加到了Jython中--

--********************************************************************************************************************************

這些方法實現了string模塊的大部分方法，如下表所示列出了目前字符串內建支持的方法，所有的方法都包含了對Unicode的支持，有一些甚至是專門用於Unicode的。

string.capitalize() 把字符串的第一個字符大寫

string.center(width) 返回一個原字符串居中,並使用空格填充至長度 width 的新字符串

string.count(str, beg=0, end=len(string)) 返回 str 在 string 裏面出現的次數，如果 beg 或者 end 指定則返回指定範圍內 str 出現的次數

string.decode(encoding='UTF-8', errors='strict') 以 encoding 指定的編碼格式解碼 string，如果出錯默認報一個 ValueError 的異常，除非 errors 指定的是 'ignore' 或者'replace'

string.encode(encoding='UTF-8', errors='strict') 以 encoding 指定的編碼格式編碼 string，如果出錯默認報一個ValueError 的異常，除非 errors 指定的是'ignore'或者'replace'

string.endswith(obj, beg=0, end=len(string)) 檢查字符串是否以 obj 結束，如果beg 或者 end 指定則檢查指定的範圍內是否以 obj 結束，如果是，返回 True,否則返回 False.

string.expandtabs(tabsize=8) 把字符串 string 中的 tab 符號轉爲空格，tab 符號默認的空格數是 8。

string.find(str, beg=0, end=len(string)) 檢測 str 是否包含在 string 中，如果 beg 和 end 指定範圍，則檢查是否包含在指定範圍內，如果是返回開始的索引值，否則返回-1

string.format() 格式化字符串

string.index(str, beg=0, end=len(string)) 跟find()方法一樣，只不過如果str不在 string中會報一個異常.

string.isalnum() 如果 string 至少有一個字符並且所有字符都是字母或數字則返回 True,否則返回 False

string.isalpha() 如果 string 至少有一個字符並且所有字符都是字母則返回 True,否則返回 False

string.isdecimal() 如果 string 只包含十進制數字則返回 True 否則返回 False. isdecimal()方法檢查字符串是否只包含十進制字符。這種方法只存在於unicode對象。

string.isdigit() 如果 string 只包含數字則返回 True 否則返回 False.

string.islower() 如果 string 中包含至少一個區分大小寫的字符，並且所有這些(區分大小寫的)字符都是小寫，則返回 True，否則返回 False

string.isnumeric() 如果 string 中只包含數字字符，則返回 True，否則返回 False

string.isspace() 如果 string 中只包含空格，則返回 True，否則返回 False.

string.istitle() 如果 string 是標題化的(見 title())則返回 True，否則返回 False

string.isupper() 如果 string 中包含至少一個區分大小寫的字符，並且所有這些(區分大小寫的)字符都是大寫，則返回 True，否則返回 False

string.swapcase() 翻轉 string 中的大小寫

string.upper() 轉換 string 中的小寫字母爲大寫

string.join(seq) 以 string 作爲分隔符，將 seq 中所有的元素(的字符串表示)合併爲一個新的字符串

string.ljust(width) 返回一個原字符串左對齊,並使用空格填充至長度 width 的新字符串

string.lower() 轉換 string 中所有大寫字符爲小寫.

string.maketrans(intab, outtab]) maketrans() 方法用於創建字符映射的轉換表，對於接受兩個參數的最簡單的調用方式，第一個參數是字符串，表示需要轉換的字符，第二個參數也是字符串表示轉換的目標。

max(str) 返回字符串 str 中最大的字母。

min(str) 返回字符串 str 中最小的字母。

string.partition(str) 有點像 find()和 split()的結合體,從 str 出現的第一個位置起,把字符串 string 分成一個 3 元素的元組 (string_pre_str,str,string_post_str),如果 string 中不包含str 則 string_pre_str == string.

string.replace(str1, str2, num=string.count(str1)) 把 string 中的 str1 替換成 str2,如果 num 指定，則替換不超過 num 次.

string.rfind(str, beg=0,end=len(string) ) 類似於 find()函數，不過是從右邊開始查找.

string.rindex( str, beg=0,end=len(string)) 類似於 index()，不過是從右邊開始.

string.rjust(width) 返回一個原字符串右對齊,並使用空格填充至長度 width 的新字符串

string.rpartition(str) 類似於 partition()函數,不過是從右邊開始查找.

string.split(str="", num=string.count(str)) 以 str 爲分隔符切片 string，如果 num有指定值，則僅分隔 num 個子字符串

string.splitlines([keepends]) 按照行('\r', '\r\n', \n')分隔，返回一個包含各行作爲元素的列表，如果參數 keepends 爲 False，不包含換行符，如果爲 True，則保留換行符。

string.startswith(obj, beg=0,end=len(string)) 檢查字符串是否是以 obj 開頭，是則返回 True，否則返回 False。如果beg 和 end 指定值，則在指定範圍內檢查.

string.title() 返回"標題化"的 string,就是說所有單詞都是以大寫開始，其餘字母均爲小寫(見 istitle())

string.translate(str, del="") 根據 str 給出的表(包含 256 個字符)轉換 string 的字符,要過濾掉的字符放到 del 參數中

string.zfill(width) 返回長度爲 width 的字符串，原字符串 string 右對齊，前面填充0

string.lstrip() 截掉 string 左邊的/空格

string.rstrip() 刪除 string 字符串末尾的空格.

string.strip([obj]) 在 string 上執行 lstrip()和 rstrip()

--********************************************************************************************************************************

--import------import re 模塊---Python 正則表達式-------------re的主要功能函數包括: compile, search, match, split, findall(finditer), sub(subn)---------------------------------

--********************************************************************************************************************************

Regular Expression 正則表達式）提供各種正則表達式的匹配操作，在文本解析、複雜字符串分析和信息提取時是一個非常有用的工具，下面我主要總結了re的常用方法

使用python的re模塊，儘管不能滿足所有複雜的匹配情況，但足夠在絕大多數情況下能夠有效地實現對複雜字符串的分析並提取出相關信息。python 會將正則表達式轉化爲字節碼，利用 C 語言的匹配引擎進行深度優先的匹配。

import re

print re.__doc__

可以查詢re模塊的功能信息，下面會結合幾個例子說明。

pattern 匹配的正則表達式

string 要匹配的字符串。

flags 標誌位，用於控制正則表達式的匹配方式(是否區分大小寫，多行匹配等)

--re.match(pattern, string[, flags=0])------嘗試從字符串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none--只在字符串的開始位置嘗試匹配正則表達式，也就是隻報告從位置 0 開始的匹配情況

匹配成功re.match方法返回一個匹配的對象，否則返回None。

如果字符串string的開頭和正則表達式pattern匹配的話，返回一個相應的MatchObject的實例，否則返回None

--re.search(pattern, string[, flags=0])------搜索了一個靜態字符串---掃描整個字符串並返回第一個成功的匹配。匹配成功re.search方法返回一個匹配的對象，否則返回None--掃描整個字符串來查找匹配。如果想要搜索整個字符串來尋找匹配，應當用 search() 注意: 要在字符串的任意位置搜索的話，需要使用上面的search()。

掃描string，看是否有個位置可以匹配正則表達式pattern。如果找到了，就返回一個MatchObject的實例，否則返回None，注意這和找到長度爲0的子串含義是不一樣的。搜索過程受flags的影響。

--re.split(pattern, string[, maxsplit=0])------將字符串分片將字符串在 RE 匹配的地方分片並生成一個列表用匹配pattern的子串來分割string，如果pattern裏使用了圓括號，那麼被pattern匹配到的串也將作爲返回值列表的一部分。

`RegexObject` 的 split() 方法在 RE 匹配的地方將字符串分片，將返回列表。它同字符串的 split() 方法相似但提供更多的定界符；split()只支持空白符和固定字符串。就象你預料的那樣，也有一個模塊級的 re.split() 函數。

可以將字符串匹配正則表達式的部分割開並返回一個列表

通過正則表達式將字符串分片。如果捕獲括號在 RE 中使用，那麼它們的內容也會作爲結果列表的一部分返回。如果 maxsplit 非零，那麼最多隻能分出 maxsplit 個分片。

你可以通過設置 maxsplit 值來限制分片數。當 maxsplit 非零時，最多只能有 maxsplit 個分片，字符串的其餘部分被做爲列表的最後部分返回。在下面的例子中，定界符可以是非數字字母字符的任意序列。

如果maxsplit不爲0，則最多被分割爲maxsplit個子串，剩餘部分將整個地被返回。

>>> re.split('\W+', 'Words, words, words.') ['Words', 'words', 'words', '']

>>> re.split('(\W+)', 'Words, words, words.') ['Words', ', ', 'words', ', ', 'words', '.', '']

>>> re.split('\W+', 'Words, words, words.', 1) ['Words', 'words, words.']

>>> re.split('(\W+)', '...words, words...') ['', '...', 'words', ', ', 'words', '...', ''] 如果正則有圓括號，並且可以匹配到字符串的開始位置的時候，返回值的第一項，會多出一個空字符串。匹配到字符結尾也是同樣的道理

>>> re.split('x*', 'foo') ['foo'] 注意，split不會被零長度的正則所分割

>>> re.split("(?m)^$", "foo\n\nbar\n") ['foo\n\nbar\n']

--re.findall(pattern, string[, flags])------在字符串中找到正則表達式所匹配的所有子串，並組成一個列表返回以列表的形式返回string裏匹配pattern的不重疊的子串。string會被從左到右依次掃描，返回的列表也是從左到右一次匹配到的。如果pattern裏含有組的話，那麼會返回匹配到的組的列表；如果pattern裏有多個組，那麼各組會先組成一個元組，然後返回值將是一個元組的列表。

由於這個函數不會涉及到MatchObject之類的概念，所以，對新手來說，應該是最好理解也最容易使用的一個函數了。下面就此來舉幾個簡單的

>>> re.findall('\w+', 'hello, world!') ['hello', 'world']

#這個返回的就是元組的列表

>>> re.findall('(\d+)\.(\d+)\.(\d+)\.(\d+)', 'My IP is 192.168.0.2, and your is 192.168.0.3.') [('192', '168', '0', '2'), ('192', '168', '0', '3')]

--re.finditer(pattern, string[, flags])------和findall()類似，但返回的是MatchObject的實例的迭代器。

在字符串中找到正則表達式所匹配的所有子串，並組成一個迭代器返回。同樣 RegexObject 有:

>>> for m in re.finditer('\w+', 'hello, world!'):

... print m.group()

...

hello

world

--re.sub(pattern, repl, string, count=0, flags=0)------修改替換字符串中的匹配項。找到 RE 匹配的所有子串，並將其用一個不同的字符串替換在字符串 string 中找到匹配正則表達式 pattern 的所有子串，用另一個字符串 repl 進行替換。如果沒有找到匹配 pattern 的串，則返回未被修改的 string。Repl 既可以是字符串也可以是一個函數。

替換，將string裏，匹配pattern的部分，用repl替換掉，最多替換count次（剩餘的匹配將不做處理），然後返回替換後的字符串。如果string裏沒有可以匹配pattern的串，將被原封不動地返回。repl可以是一個字符串，也可以是一個函數（也可以參考我以前的例子）。如果repl是個字符串，則其中的反斜杆會被處理過，比如 \n 會被轉成換行符，反斜杆加數字會被替換成相應的組，比如 \6 表示pattern匹配到的第6個組的內容。

pattern : 正則中的模式字符串。

repl : 替換的字符串，也可爲一個函數。

string : 要被查找替換的原始字符串。

count : 模式匹配後替換的最大次數，默認 0 表示替換所有的匹配。

>>> re.sub(r'def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*$\s*$:',

... r'static PyObject*\npy_\1(void)\n{',

... 'def myfunc():')

'static PyObject*\npy_myfunc(void)\n{'

如果repl是個函數，每次pattern被匹配到的時候，都會被調用一次，傳入一個匹配到的MatchObject對象，需要返回一個字符串，在匹配到的位置，就填入返回的字符串。

>>> def dashrepl(matchobj):

... if matchobj.group(0) == '-': return ' '

... else: return '-'

>>> re.sub('-{1,2}', dashrepl, 'pro----gram-files') 'pro--gram files'

>>> re.sub('x*', '-', 'abcxxd') '-a-b-c-d-' 零長度的匹配也會被替換

特殊地，在替換字符串裏，如果有\g這樣的寫法，將匹配正則的命名組（前面介紹過的，(?P...)這樣定義出來的東西）。\g這樣的寫法，也是數字的組，也就是說，\g<2>一般和\2是等效的，但是萬一你要在\2後面緊接着寫上字面意義的0，你就不能寫成\20了（因爲這代表第20個組），這時候必須寫成\g<2>0，另外，\g<0>代表匹配到的整個子串。

>>> re.sub('-(\d+)-', '-\g<1>0\g<0>', 'a-11-b-22-c') 'a-110-11-b-220-22-c'

sub(replacement, string[, count = 0])

返回的字符串是在字符串中用 RE 最左邊不重複的匹配來替換。如果模式沒有發現，字符將被沒有改變地返回。

可選參數 count 是模式匹配後替換的最大次數；count 必須是非負整數。缺省值是 0 表示替換所有的匹配。

這裏有個使用 sub() 方法的簡單例子。它用單詞 "colour" 替換顏色名。

#!python

>>> p = re.compile( '(blue|white|red)')

>>> p.sub( 'colour', 'blue socks and red shoes')

'colour socks and colour shoes'

>>> p.sub( 'colour', 'blue socks and red shoes', count=1)

'colour socks and red shoes'

subn() 方法作用一樣，但返回的是包含新字符串和替換執行次數的兩元組。

#!python

>>> p = re.compile( '(blue|white|red)')

>>> p.subn( 'colour', 'blue socks and red shoes') ('colour socks and colour shoes', 2)

>>> p.subn( 'colour', 'no colours at all') ('no colours at all', 0) 空匹配只有在它們沒有緊挨着前一個匹配時纔會被替換掉。

#!python

>>> p = re.compile('x*')

>>> p.sub('-', 'abxd') '-a-b-d-'

#!python

>>> p = re.compile('x*')

>>> p.sub('-', 'abxd') '-a-b-d-'

#!python

>>> p = re.compile(r'"W+')

>>> p.split('This is a test, short and sweet, of split().') ['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']

>>> p.split('This is a test, short and sweet, of split().', 3) ['This', 'is', 'a', 'test, short and sweet, of split().']

有時，你不僅對定界符之間的文本感興趣，也需要知道定界符是什麼。如果捕獲括號在 RE 中使用，那麼它們的值也會當作列表的一部分返回。比較下面的調用:

#!python

>>> p = re.compile(r'"W+')

>>> p2 = re.compile(r'("W+)')

>>> p.split('This is a test.') ['This', 'is', 'a', 'test', '']

>>> p2.split('This is a test.') ['This', ' ', 'is', ' ', 'a', ' ', 'test', '.', '']

模塊級函數 re.split() 將 RE 作爲第一個參數，其他一樣。

#!python

>>> re.split('["W]+', 'Words, words, words.') ['Words', 'words', 'words', '']

>>> re.split('(["W]+)', 'Words, words, words.') ['Words', ', ', 'words', ', ', 'words', '.', '']

>>> re.split('["W]+', 'Words, words, words.', 1) ['Words', 'words, words.']

如果替換的是一個字符串，任何在其中的反斜槓都會被處理。""n" 將會被轉換成一個換行符，""r"轉換成回車等等。未知的轉義如 ""j" 則保持原樣。逆向引用，如 ""6"，被 RE 中相應的組匹配而被子串替換。這使你可以在替換後的字符串中插入原始文本的一部分。

這個例子匹配被 "{" 和 "}" 括起來的單詞 "section"，並將 "section" 替換成 "subsection"。

#!python

>>> p = re.compile('section{ ( [^}]* ) }', re.VERBOSE)

>>> p.sub(r'subsection{"1}','section{First} section{second}')

'subsection{First} subsection{second}'

還可以指定用 (?P<name>...) 語法定義的命名組。""g<name>" 將通過組名 "name" 用子串來匹配，並且 ""g<number>" 使用相應的組號。所以 ""g<2>" 等於 ""2"，但能在替換字符串裏含義不清，如 ""g<2>0"。（""20" 被解釋成對組 20 的引用，而不是對後面跟着一個字母 "0" 的組 2 的引用。）

#!python

>>> p = re.compile('section{ (?P<name> [^}]* ) }', re.VERBOSE)

>>> p.sub(r'subsection{"1}','section{First}') 'subsection{First}'

>>> p.sub(r'subsection{"g<1>}','section{First}') 'subsection{First}'

>>> p.sub(r'subsection{"g<name>}','section{First}') 'subsection{First}'

替換也可以是一個甚至給你更多控制的函數。如果替換是個函數，該函數將會被模式中每一個不重複的匹配所調用。在每個調用時，函數被作爲 `MatchObject` 的匹配函屬，並可以使用這個信息去計算預期的字符串並返回它。

在下面的例子裏，替換函數將十進制翻譯成十六進制:

#!python

>>> def hexrepl( match ):

"Return the hex string for a decimal number"

value = int( match.group() )

return hex(value)

>>> p = re.compile(r'"d+')

>>> p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')

'Call 0xffd2 for printing, 0xc000 for user code.'

當使用模塊級的 re.sub() 函數時，模式作爲第一個參數。模式也許是一個字符串或一個 `RegexObject`；如果你需要指定正則表達式標誌，你必須要麼使用 `RegexObject` 做第一個參數，或用使用模式內嵌修正器，如 sub("(?i)b+", "x", "bbbb BBBB") returns 'x x'。

常見問題

正則表達式對一些應用程序來說是一個強大的工具，但在有些時候它並不直觀而且有時它們不按你期望的運行。本節將指出一些最容易犯的常見錯誤。

使用字符串方式

有時使用 re 模塊是個錯誤。如果你匹配一個固定的字符串或單個的字符類，並且你沒有使用 re 的任何象 IGNORECASE 標誌的功能，那麼就沒有必要使用正則表達式了。字符串有一些方法是對固定字符串進行操作的，它們通常快很多，因爲都是一個個經過優化的C 小循環，用以代替大的、更具通用性的正則表達式引擎。

舉個用一個固定字符串替換另一個的例子；如，你可以把 "deed" 替換成 "word"。re.sub() seems like the function to use for this, but consider the replace() method. 注意 replace() 也可以在單詞裏面進行替換，可以把 "swordfish" 變成 "sdeedfish",不過 RE 也是可以做到的。（爲了避免替換單詞的一部分，模式將寫成 "bword"b，這是爲了要求 "word" 兩邊有一個單詞邊界。這是個超出替換能力的工作）。

另一個常見任務是從一個字符串中刪除單個字符或用另一個字符來替代它。你也許可以用象 re.sub('"n',' ',S) 這樣來實現，但 translate() 能夠實現這兩個任務，而且比任何正則表達式操作起來更快。

總之，在使用 re 模塊之前，先考慮一下你的問題是否可以用更快、更簡單的字符串方法來解決。

match() vs search()

match() 函數只檢查 RE 是否在字符串開始處匹配，而 search() 則是掃描整個字符串。記住這一區別是重要的。記住，match() 只報告一次成功的匹配，它將從 0 處開始；如果匹配不是從 0 開始的，match() 將不會報告它。

#!python

>>> print re.match('super', 'superstition').span() (0, 5)

>>> print re.match('super', 'insuperable') None

另一方面，search() 將掃描整個字符串，並報告它找到的第一個匹配。

#!python

>>> print re.search('super', 'superstition').span() (0, 5)

>>> print re.search('super', 'insuperable').span() (2, 7)

有時你可能傾向於使用 re.match()，只在RE的前面部分添加 .* 。請儘量不要這麼做，最好採用 re.search() 代替之。正則表達式編譯器會對 REs 做一些分析以便可以在查找匹配時提高處理速度。一個那樣的分析機會指出匹配的第一個字符是什麼；舉個例子，模式 Crow 必須從 "C" 開始匹配。分析機可以讓引擎快速掃描字符串以找到開始字符，並只在 "C" 被發現後纔開始全部匹配。

添加 .* 會使這個優化失敗，這就要掃描到字符串尾部，然後回溯以找到 RE 剩餘部分的匹配。使用 re.search() 代替。

--re.subn(pattern, repl, string[, count, flags])------與 sub() 相同，但返回新的字符串和替換次數該函數的功能和 sub() 相同，但它還返回新的字符串以及替換的次數。同樣 RegexObject 有:

跟上面的sub()函數一樣，只是它返回的是一個元組 (新字符串, 匹配到的次數)

，還是用例子說話:

>>> re.subn('-(\d+)-', '-\g<1>0\g<0>', 'a-11-b-22-c')

('a-110-11-b-220-22-c', 2)

--re.escape(string) 把string中，除了字母和數字以外的字符，都加上反斜杆。

>>> print re.escape('abc123_@#$') abc123\_\@\#\$

exception re.error

如果字符串不能被成功編譯成正則表達式或者正則表達式在匹配過程中出錯了，都會拋出此異常。但是如果正則表達式沒有匹配到任何文本，是不會拋出這個異常的。

--re.compile(pattern[, flags]) 把一個正則表達式pattern編譯成正則對象，以便可以用正則對象的match和search方法。把正則表達式語法轉化成正則表達式對象

得到的正則對象的行爲（也就是模式）可以用flags來指定，值可以由幾個下面的值OR得到。

以下兩段內容在語法上是等效的:

prog = re.compile(pattern)

result = prog.match(string)

result = re.match(pattern, string)

區別是，用了re.compile以後，正則對象會得到保留，這樣在需要多次運用這個正則對象的時候，效率會有較大的提升。再用上面用過的例子來演示一下，用相同的正則匹配相同的字符串，執行100萬次，就體現出compile的效率了（數據來自我那1.86G CPU的神舟本本）:

>>> timeit.timeit(

... setup='''import re; reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')''',

... stmt='''reg.match('<h1>xxx</h1>')''',

... number=1000000)

1.2062149047851562

>>> timeit.timeit(

... setup='''import re''',

... stmt='''re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h1>')''',

... number=1000000)

4.4380838871002197

--正則表達式--修飾符---可選標誌-----編譯標誌----讓你可以修改正則表達式的一些運行方式。在 re 模塊中標誌可以使用兩個名字，一個是全名如 IGNORECASE，一個是縮寫，一字母形式如 I。（如果你熟悉 Perl 的模式修改，一字母形式使用同樣的字母；例如 re.VERBOSE的縮寫形式是 re.X。）多個標誌可以通過按位 OR-ing 它們來指定。如 re.I | re.M 被設置成 I 和 M 標誌:

flags定義，編譯本RE時，指定的標誌位，如果未指定任何標誌位，則爲0。

正則表達式可以包含一些可選標誌修飾符來控制匹配的模式。

修飾符被指定爲一個可選的標誌。

多個標誌可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設置成 I 和 M 標誌:

re.I re.IGNORECASE 讓正則表達式忽略大小寫，這樣一來，[A-Z]也可以匹配小寫字母了。此特性和locale無關。

字符類和字符串匹配字母時忽略大小寫。舉個例子，[A-Z]也可以匹配小寫字母，Spam 可以匹配 "Spam", "spam", 或 "spAM"。這個小寫字母並不考慮當前位置。

re.L re.LOCALE 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境做本地化識別（locale-aware）匹配讓\w、\W、\b、\B、\s和\S依賴當前的locale。

影響 \w, \W, \b, 和 \B，這取決於當前的本地化設置。 locales 是 C 語言庫中的一項功能，是用來爲需要考慮不同語言的編程提供幫助的。舉個例子，如果你正在處理法文文本，你想用 \w+ 來匹配文字，但 \w 只匹配字符類 [A-Za-z]；它並不能匹配 "é" 或 "?"。如果你的系統配置適當且本地化設置爲法語，那麼內部的 C 函數將告訴程序 "é" 也應該被認爲是一個字母。當在編譯正則表達式時使用 LOCALE 標誌會得到用這些 C 函數來處理 \w 後的編譯對象；這會更慢，但也會象你希望的那樣可以用 \w+ 來匹配法文文本。

re.M re.MULTILINE 多行匹配，影響 ^ 和 $的行爲，指定了以後，'^'會增加匹配每行的開始（也就是換行符後的位置）；'$'會增加匹配每行的結束（也就是換行符前的位置）。

(此時 ^ 和 $ 不會被解釋; 它們將在 4.1 節被介紹.) 使用 "^" 只匹配字符串的開始，而 $ 則只匹配字符串的結尾和直接在換行前（如果有的話）的字符串結尾。當本標誌指定後， "^" 匹配字符串的開始和字符串中每行的開始。同樣的， $ 元字符匹配字符串結尾和字符串中每行的結尾（直接在每個換行之前）。

re.S re.DOTALL ' . '並且包括換行符在內的任意字符（注意: ' . '不包括換行符）

影響'.'的行爲，平時'.'匹配除換行符以外的所有字符，指定了本標誌以後，也可以匹配換行符。

使 . 匹配包括換行在內的所有字符使 "." 特殊字符完全匹配任何字符，包括換行；沒有這個標誌， "." 匹配除了換行外的任何字符。

re.U re.UNICODE 讓\w、\W、\b、\B、\d、\D、\s和\S依賴Unicode庫。根據Unicode字符集解析字符。這個標誌影響 \w, \W, \b, \B.

表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字符屬性數據庫

re.X re.VERBOSE 能夠使用 REs 的 verbose 狀態，使之被組織得更清晰易懂運用這個標誌，你可以寫出可讀性更好的正則表達式: 除了在方括號內的和被反斜槓轉義的以外的所有空白字符，都將被忽略，而且每行中，一個正常的井號後的所有字符也被忽略，這樣就可以方便地在正則表達式內部寫註釋了。也就是說，下面兩個正則表達式是等效的:

該標誌通過給予你更靈活的格式以便你將正則表達式寫得更易於理解。當該標誌被指定時，在 RE 字符串中的空白符被忽略，除非該空白符在字符類中或在反斜槓之後；這可以讓你更清晰地組織和縮進 RE。它也可以允許你將註釋寫入 RE，這些註釋會被引擎忽略；註釋用 "#"號來標識，不過該符號不能在字符串或反斜槓之後。

a = re.compile(r"""\d + # the integral part

\. # the decimal point

\d * # some fractional digits""", re.X)

b = re.compile(r"\d+\.\d*")

我通常更喜歡使用編譯對象，甚至它只用一次，but few people will be as much of a purist about this as I am。

舉個例子，這裏有一個使用 re.VERBOSE 的 RE；看看讀它輕鬆了多少？

#!python

charref = re.compile(r"""

&[[]] # Start of a numeric entity reference

(

[0-9]+[^0-9] # Decimal form

| 0[0-7]+[^0-7] # Octal form

| x[0-9a-fA-F]+[^0-9a-fA-F] # Hexadecimal form

)

""", re.VERBOSE)

沒有 verbose 設置， RE 會看起來象這樣:

--正則對象---由re.compile()返回。它有如下的屬性和方法------這幾個函數，都和模塊的相應函數一致。

pos是開始搜索的位置，默認爲0。

endpos是搜索的結束位置，如果endpos比pos還小的話，結果肯定是空的。也就是說只有pos 到 endpos-1 位置的字符串將會被搜索。

match(string[, pos[, endpos]]) 作用和模塊的match()函數類似，區別就是後面兩個參數。

search(string[, pos[, endpos]]) 作用和模塊的search()函數類似，pos和endpos參數和上面的match()函數類似。

findall(string[, pos[, endpos]])

finditer(string[, pos[, endpos]])

sub(repl, string[, count=0])

subn(repl, string[, count=0])

split(string [, maxsplit = 0])

>>> pattern = re.compile("o")

>>> pattern.match("dog") # 開始位置不是o，所以不匹配

>>> pattern.match("dog", 1) # 第二個字符是o，所以匹配

<_sre.SRE_Match object at ...>

>>> pattern = re.compile("o", re.S|re.U)

>>> pattern.flags

--比較詳細Python正則表達式操作指南(re使用)

Python 自1.5版本起增加了re 模塊，它提供 Perl 風格的正則表達式模式。Python 1.5之前版本則是通過 regex 模塊提供 Emecs 風格的模式。Emacs 風格模式可讀性稍差些，而且功能也不強，因此編寫新代碼時儘量不要再使用 regex 模塊，當然偶爾你還是可能在老代碼裏發現其蹤影。

就其本質而言，正則表達式（或 RE）是一種小型的、高度專業化的編程語言，（在Python中）它內嵌在Python中，並通過 re 模塊實現。使用這個小型語言，你可以爲想要匹配的相應字符串集指定規則；該字符串集可能包含英文語句、e-mail地址、TeX命令或任何你想搞定的東西。然後你可以問諸如“這個字符串匹配該模式嗎？”或“在這個字符串中是否有部分匹配該模式呢？”。你也可以使用 RE 以各種方式來修改或分割字符串。

正則表達式模式被編譯成一系列的字節碼，然後由用 C 編寫的匹配引擎執行。在高級用法中，也許還要仔細留意引擎是如何執行給定 RE ，如何以特定方式編寫 RE 以令生產的字節碼運行速度更快。本文並不涉及優化，因爲那要求你已充分掌握了匹配引擎的內部機制。

正則表達式語言相對小型和受限（功能有限），因此並非所有字符串處理都能用正則表達式完成。當然也有些任務可以用正則表達式完成，不過最終表達式會變得異常複雜。碰到這些情形時，編寫 Python 代碼進行處理可能反而更好；儘管 Python 代碼比一個精巧的正則表達式要慢些，但它更易理解。

簡單模式

我們將從最簡單的正則表達式學習開始。由於正則表達式常用於字符串操作，那我們就從最常見的任務: 字符匹配下手。

有關正則表達式底層的計算機科學上的詳細解釋（確定性和非確定性有限自動機），你可以查閱編寫編譯器相關的任何教科書。

字符匹配

大多數字母和字符一般都會和自身匹配。例如，正則表達式 test 會和字符串“test”完全匹配。（你也可以使用大小寫不敏感模式，它還能讓這個 RE 匹配“Test”或“TEST”；稍後會有更多解釋。）

這個規則當然會有例外；有些字符比較特殊，它們和自身並不匹配，而是會表明應和一些特殊的東西匹配，或者它們會影響到 RE 其它部分的重複次數。本文很大篇幅專門討論了各種元字符及其作用。

這裏有一個元字符的完整列表；其含義會在本指南餘下部分進行討論。

. ^ $ * + ? { [ ] \ | ( )

我們首先考察的元字符是"[" 和 "]"。它們常用來指定一個字符類別，所謂字符類別就是你想匹配的一個字符集。字符可以單個列出，也可以用“-”號分隔的兩個給定字符來表示一個字符區間。例如，[abc] 將匹配"a", "b", 或 "c"中的任意一個字符；也可以用區間[a-c]來表示同一字符集，和前者效果一致。如果你只想匹配小寫字母，那幺 RE 應寫成 [a-z].

元字符在類別裏並不起作用。例如，[akm$]將匹配字符"a", "k", "m", 或 "$" 中的任意一個；"$"通常用作元字符，但在字符類別裏，其特性被除去，恢復成普通字符。

你可以用補集來匹配不在區間範圍內的字符。其做法是把"^"作爲類別的首個字符；其它地方的"^"只會簡單匹配 "^"字符本身。例如，[^5] 將匹配除 "5" 之外的任意字符。

也許最重要的元字符是反斜槓"""。做爲 Python 中的字符串字母，反斜槓後面可以加不同的字符以表示不同特殊意義。它也可以用於取消所有的元字符，這樣你就可以在模式中匹配它們了。舉個例子，如果你需要匹配字符 "[" 或 """，你可以在它們之前用反斜槓來取消它們的特殊意義: "[ 或 ""。

一些用 """ 開始的特殊字符所表示的預定義字符集通常是很有用的，象數字集，字母集，或其它非空字符集。下列是可用的預設特殊字符:

這樣特殊字符都可以包含在一個字符類中。如，["s,.]字符類將匹配任何空白字符或","或"."。

本節最後一個元字符是 . 。它匹配除了換行字符外的任何字符，在 alternate 模式（re.DOTALL）下它甚至可以匹配換行。"." 通常被用於你想匹配“任何字符”的地方。

重複

正則表達式第一件能做的事是能夠匹配不定長的字符集，而這是其它能作用在字符串上的方法所不能做到的。不過，如果那是正則表達式唯一的附加功能的話，那麼它們也就不那麼優秀了。它們的另一個功能就是你可以指定正則表達式的一部分的重複次數。

我們討論的第一個重複功能的元字符是 *。* 並不匹配字母字符 "*"；相反，它指定前一個字符可以被匹配零次或更多次，而不是隻有一次。

舉個例子，ca*t 將匹配 "ct" (0 個 "a" 字符), "cat" (1 個 "a"), "caaat" (3 個 "a" 字符)等等。RE 引擎有各種來自 C 的整數類型大小的內部限制，以防止它匹配超過2億個 "a" 字符；你也許沒有足夠的內存去建造那麼大的字符串，所以將不會累計到那個限制。

象 * 這樣地重複是“貪婪的”；當重複一個 RE 時，匹配引擎會試着重複儘可能多的次數。如果模式的後面部分沒有被匹配，匹配引擎將退回並再次嘗試更小的重複。

一步步的示例可以使它更加清晰。讓我們考慮表達式 a[bcd]*b。它匹配字母 "a"，零個或更多個來自類 [bcd]中的字母，最後以 "b" 結尾。現在想一想該 RE 對字符串 "abcbd" 的匹配。

Step Matched Explanation

1 a a 匹配模式

2 abcbd 引擎匹配 [bcd]*，並盡其所能匹配到字符串的結尾

3 Failure 引擎嘗試匹配 b，但當前位置已經是字符的最後了，所以失敗

4 abcb 退回，[bcd]*嘗試少匹配一個字符。

5 Failure 再次嘗次b，但在當前最後一位字符是"d"。

6 abc 再次退回，[bcd]*只匹配 "bc"。

7 abcb 再次嘗試 b ，這次當前位上的字符正好是 "b"

RE 的結尾部分現在可以到達了，它匹配 "abcb"。這證明了匹配引擎一開始會盡其所能進行匹配，如果沒有匹配然後就逐步退回並反覆嘗試 RE 剩下來的部分。直到它退回嘗試匹配 [bcd] 到零次爲止，如果隨後還是失敗，那麼引擎就會認爲該字符串根本無法匹配 RE 。

另一個重複元字符是 +，表示匹配一或更多次。請注意 * 和 + 之間的不同；＊匹配零或更多次，所以根本就可以不出現，而 + 則要求至少出現一次。用同一個例子，ca+t 就可以匹配 "cat" (1 個 "a")， "caaat" (3 個 "a")，但不能匹配 "ct"。

還有更多的限定符。問號 ? 匹配一次或零次；你可以認爲它用於標識某事物是可選的。例如: home-?brew 匹配 "homebrew" 或 "home-brew"。

最複雜的重複限定符是 {m,n}，其中 m 和 n 是十進制整數。該限定符的意思是至少有 m 個重複，至多到 n 個重複。舉個例子，a/{1,3}b 將匹配 "a/b"，"a//b" 和 "a///b"。它不能匹配 "ab" 因爲沒有斜槓，也不能匹配 "a////b" ，因爲有四個。

你可以忽略 m 或 n；因爲會爲缺失的值假設一個合理的值。忽略 m 會認爲下邊界是 0，而忽略 n 的結果將是上邊界爲無窮大 -- 實際上是先前我們提到的 2 兆，但這也許同無窮大一樣。

細心的讀者也許注意到其他三個限定符都可以用這樣方式來表示。 {0,} 等同於 *，{1,} 等同於 +，而{0,1}則與 ? 相同。如果可以的話，最好使用 *，+，或?。很簡單因爲它們更短也再容易懂。

使用正則表達式

現在我們已經看了一些簡單的正則表達式，那麼我們實際在 Python 中是如何使用它們的呢？ re 模塊提供了一個正則表達式引擎的接口，可以讓你將 REs 編譯成對象並用它們來進行匹配。

編譯正則表達式

正則表達式被編譯成 `RegexObject` 實例，可以爲不同的操作提供方法，如模式匹配搜索或字符串替換。

#!python

>>> import re

>>> p = re.compile('ab*')

>>> print p

<re.RegexObject instance at 80b4150>

re.compile() 也接受可選的標誌參數，常用來實現不同的特殊功能和語法變更。我們稍後將查看所有可用的設置，但現在只舉一個

#!python

>>> p = re.compile('ab*', re.IGNORECASE)

RE 被做爲一個字符串發送給 re.compile()。REs 被處理成字符串是因爲正則表達式不是 Python 語言的核心部分，也沒有爲它創建特定的語法。（應用程序根本就不需要 REs，因此沒必要包含它們去使語言說明變得臃腫不堪。）而 re 模塊則只是以一個 C 擴展模塊的形式來被 Python 包含，就象 socket 或 zlib 模塊一樣。

將 REs 作爲字符串以保證 Python 語言的簡潔，但這樣帶來的一個麻煩就是象下節標題所講的。

反斜槓的麻煩

在早期規定中，正則表達式用反斜槓字符 (""") 來表示特殊格式或允許使用特殊字符而不調用它的特殊用法。這就與 Python 在字符串中的那些起相同作用的相同字符產生了衝突。

讓我們舉例說明，你想寫一個 RE 以匹配字符串 ""section"，可能是在一個 LATEX 文件查找。爲了要在程序代碼中判斷，首先要寫出想要匹配的字符串。接下來你需要在所有反斜槓和元字符前加反斜槓來取消其特殊意義。

字符階段

\section 要匹配的字符串

\\section 爲 re.compile 取消反斜槓的特殊意義

"\\\\section" 爲字符串取消反斜槓

簡單地說，爲了匹配一個反斜槓，不得不在 RE 字符串中寫 '\\'，因爲正則表達式中必須是 "\\"，而每個反斜槓按 Python 字符串字母表示的常規必須表示成 "\\"。在 REs 中反斜槓的這個重複特性會導致大量重複的反斜槓，而且所生成的字符串也很難懂。

解決的辦法就是爲正則表達式使用 Python 的 raw 字符串表示；在字符串前加個 "r" 反斜槓就不會被任何特殊方式處理，所以 r"\n" 就是包含"\" 和 "n" 的兩個字符，而 "\n" 則是一個字符，表示一個換行。正則表達式通常在 Python 代碼中都是用這種 raw 字符串表示。

常規字符串 Raw 字符串

"ab*" r"ab*"

"\\\\section" r"\\section"

"\\w+\\s+\\1" r"\w+\s+\1"

執行匹配

一旦你有了已經編譯了的正則表達式的對象，你要用它做什麼呢？`RegexObject` 實例有一些方法和屬性。這裏只顯示了最重要的幾個，如果要看完整的列表請查閱 Python Library Reference

方法/屬性作用

group() 返回被 RE 匹配的字符串

start() 返回匹配開始的位置

end() 返回匹配結束的位置

span() 返回一個元組包含匹配 (開始,結束) 的位置

試試這些方法不久就會清楚它們的作用了:

match() 決定 RE 是否在字符串剛開始的位置匹配

search() 掃描字符串，找到這個 RE 匹配的位置

findall() 找到 RE 匹配的所有子串，並把它們作爲一個列表返回

finditer() 找到 RE 匹配的所有子串，並把它們作爲一個迭代器返回

如果沒有匹配到的話，match() 和 search() 將返回 None。如果成功的話，就會返回一個 `MatchObject` 實例，其中有這次匹配的信息: 它是從哪裏開始和結束，它所匹配的子串等等。

你可以用採用人機對話並用 re 模塊實驗的方式來學習它。如果你有 Tkinter 的話，你也許可以考慮參考一下 Tools/scripts/redemo.py，一個包含在 Python 發行版裏的示範程序。

首先，運行 Python 解釋器，導入 re 模塊並編譯一個 RE:

#!python

Python 2.2.2 (#1, Feb 10 2003, 12:57:01)

>>> import re

>>> p = re.compile('[a-z]+')

>>> p

<_sre.SRE_Pattern object at 80c3c28>

現在，你可以試着用 RE 的 [a-z]+ 去匹配不同的字符串。一個空字符串將根本不能匹配，因爲 + 的意思是 “一個或更多的重複次數”。在這種情況下 match() 將返回 None，因爲它使解釋器沒有輸出。你可以明確地打印出 match() 的結果來弄清這一點。

#!python

>>> p.match("")

>>> print p.match("")

None

現在，讓我們試着用它來匹配一個字符串，如 "tempo"。這時，match() 將返回一個 MatchObject。因此你可以將結果保存在變量裏以便後面使用。

#!python

>>> m = p.match( 'tempo')

>>> print m

<_sre.SRE_Match object at 80c4f68>

現在你可以查詢 `MatchObject` 關於匹配字符串的相關信息了。MatchObject 實例也有幾個方法和屬性；最重要的那些如下所示:

--使用group(num) 或 groups() 匹配對象函數來獲取匹配表達式

group(num=0) 匹配的整個表達式的字符串， group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。

group() 可以一次輸入多個組號，在這種情況下，它將返回一個包含那些組所對應值的元組。

groups() 返回一個包含所有小組字符串的元組，從 1 到所含的小組號

作用: 在字符串中查找匹配正則表達式模式的位置，返回 MatchObject 的實例，如果沒有找到匹配的位置，則返回 None。

#!python

>>> m.group() 'tempo'

>>> m.start(), m.end() (0, 5)

>>> m.span() (0, 5)

group() 返回 RE 匹配的子串。start() 和 end() 返回匹配開始和結束時的索引。span() 則用單個元組把開始和結束時的索引一起返回。因爲匹配方法檢查到如果 RE 在字符串開始處開始匹配，那麼 start() 將總是爲零。然而， `RegexObject` 實例的 search 方法掃描下面的字符串的話，在這種情況下，匹配開始的位置就也許不是零了。

#!python

>>> print p.match('::: message') None

>>> m = p.search('::: message') ; print m

<re.MatchObject instance at 80c9650>

>>> m.group() 'message'

>>> m.span() (4, 11)

在實際程序中，最常見的作法是將 `MatchObject` 保存在一個變量裏，然後檢查它是否爲 None，通常如下所示:

#!python

p = re.compile( ... )

m = p.match( 'string goes here' )

if m:

print 'Match found: ', m.group()

else:

print 'No match'

兩個 `RegexObject` 方法返回所有匹配模式的子串。findall()返回一個匹配字符串行表:

#!python

>>> p = re.compile('\d+')

>>> p.findall('12 drummers drumming, 11 pipers piping, 10 lords a-leaping')

['12', '11', '10']

findall() 在它返回結果時不得不創建一個列表。在 Python 2.2中，也可以用 finditer() 方法。

#!python

>>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...')

>>> iterator

<callable-iterator object at 0x401833ac>

>>> for match in iterator:

... print match.span()

...

(0, 2)

(22, 24)

(29, 31)

#!python

>>> print p.match('::: message')

None

>>> m = p.search('::: message') ; print m

<re.MatchObject instance at 80c9650>

>>> m.group() 'message'

>>> m.span() (4, 11)

本模塊提供了和Perl裏的正則表達式類似的功能，不關是正則表達式本身還是被搜索的字符串，都可以是Unicode字符，這點不用擔心，python會處理地和Ascii字符一樣漂亮。

正則表達式使用反斜杆（\）來轉義特殊字符，使其可以匹配字符本身，而不是指定其他特殊的含義。這可能會和python字面意義上的字符串轉義相沖突，這也許有些令人費解。比如，要匹配一個反斜杆本身，你也許要用'\\\\'來做爲正則表達式的字符串，因爲正則表達式要是\\，而字符串裏，每個反斜杆都要寫成\\。

你也可以在字符串前加上 r 這個前綴來避免部分疑惑，因爲 r 開頭的python字符串是 raw 字符串，所以裏面的所有字符都不會被轉義，比如r'\n'這個字符串就是一個反斜杆加上一字母n，而'\n'我們知道這是個換行符。因此，上面的'\\\\'你也可以寫成r'\\'，這樣，應該就好理解很多了。可以看下面這段:

>>> import re

>>> s = '\x5c' #0x5c就是反斜杆

>>> print s

>>> re.match('\\\\', s) #這樣可以匹配

<_sre.SRE_Match object at 0xb6949e20>

>>> re.match(r'\\', s) #這樣也可以

<_sre.SRE_Match object at 0x80ce2c0>

>>> re.match('\\', s) #但是這樣不行

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

File "/usr/lib/python2.6/re.py", line 137, in match

return _compile(pattern, flags).match(string)

File "/usr/lib/python2.6/re.py", line 245, in _compile

raise error, v # invalid expression

sre_constants.error: bogus escape (end of line)

>>>

另外值得一提的是，re模塊的方法，大多也就是RegexObject對象的方法，兩者的區別在於執行效率。這個在最後再展開吧。

>>> re.findall('(foo.$)', 'foo1\nfoo2\n') ['foo2']

>>> re.findall('(foo.$)', 'foo1\nfoo2\n', re.MULTILINE) ['foo1', 'foo2']

>>> re.findall('($)', 'foo\n') ['', '']

*?， +?， ??

從前面的描述可以看到'*'，'+'和'?'都是貪婪的，但這也許並不是我們說要的，所以，可以在後面加個問號，將策略改爲非貪婪，只匹配儘量少的RE。示例，體會兩者的區別:

>>> re.findall('<(.*)>', '<H1>title</H1>') ['H1>title</H1']

>>> re.findall('<(.*?)>', '<H1>title</H1>') ['H1', '/H1']

--正則表達式--模式

模式字符串使用特殊的語法來表示一個正則表達式:

字母和數字表示他們自身。一個正則表達式模式中的字母和數字匹配同樣的字符串。

多數字母和數字前加一個反斜槓時會擁有不同的含義。

標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義。

反斜槓本身需要使用反斜槓轉義。

由於正則表達式通常都包含反斜槓，所以你最好使用原始字符串來表示它們。模式元素(如 r'\t'，等價於 '\\t')匹配相應的特殊字符。

下表列出了正則表達式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標誌參數，某些模式元素的含義會改變。

正則表達式語法

正則表達式（RE）指定一個與之匹配的字符集合；本模塊所提供的函數，將可以用來檢查所給的字符串是否與指定的正則表達式匹配。

正則表達式可以被連接，從而形成新的正則表達式；例如A和B都是正則表達式，那麼AB也是正則表達式。一般地，如果字符串p與A匹配，q與B匹配的話，那麼字符串pq也會與AB匹配，但A或者B裏含有邊界限定條件或者命名組操作的情況除外。也就是說，複雜的正則表達式可以用簡單的連接而成。

正則表達式可以包含特殊字符和普通字符，大部分字符比如'A'，'a'和'0'都是普通字符，如果做爲正則表達式，它們將匹配它們本身。由於正則表達式可以連接，所以連接多個普通字符而成的正則表達式last也將匹配'last'。（後面將用不帶引號的表示正則表達式，帶引號的表示字符串）

下面就來介紹正則表達式的特殊字符:

--更多的元字符----零寬界定符（zero-width assertions）。它們並不會使引擎在處理字符串時更快;相反，它們根本就沒有對應任何字符，只是簡單的成功或失敗。

舉個例子， "b 是一個在單詞邊界定位當前位置的界定符（assertions），這個位置根本就不會被 "b 改變。這意味着零寬界定符（zero-width assertions）將永遠不會被重複，因爲如果它們在給定位置匹配一次，那麼它們很明顯可以被匹配無數次。

. 點號在普通模式，匹配任意字符，除了換行符外

如果指定了re.DOTALL標記，匹配包括換行符的任意字符

$ 美元號，匹配一個字符串的結尾或者字符串最後面的換行符，在 MULTILINE 模式下，也匹配任意一行的行尾。也就是說，普通模式下，foo.$去搜索'foo1\nfoo2\n'只會找到'foo2′，但是在 MULTILINE 模式，還能找到 ‘foo1′，而且就用一個 $ 去搜索'foo\n'的話，會找到兩個空的匹配: 一個是最後的換行符，一個是字符串的結尾，演示:

$ 匹配字符串的末尾

$ 匹配行尾，行尾被定義爲要麼是字符串尾，要麼是一個換行字符後面的任何位置。匹配一個 "$"，使用 "$ 或將其包含在字符類中，如[$]。

下面的例子只匹配 "class" 整個單詞；而當它被包含在其他單詞中時不匹配。

匹配一個 "$"，使用 \$ 或將其包含在字符類中，如[$]。

^ 尖尖號未設置MULTILINE 標誌，只是匹配字符串的開始

在 MULTILINE 模式下，也可以直接匹配字符串中的每個換行（匹配行首）也將匹配任意一個新行的開始

如果你只希望匹配在行首單詞 "From"，那幺 RE 將用 ^From。

'^hello'匹配'helloworld'而不匹配'aaaahellobbb'

* 星號 0 個或多個字符指定將前面的RE重複0次或者任意多次，而且總是試圖儘量多次地匹配。（貪婪匹配）

+ 加號 1 個或多個字符（貪婪匹配）指定將前面的RE重複1次或者任意多次，而且總是試圖儘量多次地匹配。

? 問號 0 個或多個字符（貪婪匹配）指定將前面的RE重複0次或者1次，如果有的話，也儘量匹配1次。

| 或 A|B,或運算

<*>匹配<title>chinaunix</title>

*?,+?,?? 以上三個取第一個匹配結果（非貪婪匹配） <*>匹配<title>

{m,n} 對於前一個字符重複m到n次，{m}亦可 a{6}匹配6個a、a{2,4}匹配2到4個a

{m,n}? 對於前一個字符重複m到n次，並取儘可能少 ‘aaaaaa'中a{2,4}只會匹配2個

"\\" 特殊字符轉義或者特殊序列

[] 表示一個字符集 [0-9]、[a-z]、[A-Z]、[^0]

(...) 匹配括號中任意表達式

(?#...) 註釋，可忽略

(?=...) Matches if ... matches next, but doesn't consume the string. '(?=test)' 在hellotest中匹配hello

(?!...) Matches if ... doesn't match next. '(?!=test)' 若hello後面不爲test，匹配hello

(?<=...) Matches if preceded by ... (must be fixed length). '(?<=hello)test' 在hellotest中匹配test

(?<!...) Matches if not preceded by ... (must be fixed length). '(?<!hello)test' 在hellotest中不匹配test

{m} m是一個數字，指定將前面的RE重複m次。

{m,n} m和n都是數字，指定將前面的RE重複m到n次，例如a{3,5}匹配3到5個連續的a。注意，如果省略m，將匹配0到n個前面的RE；如果省略n，將匹配n到無窮多個前面的RE；當然中間的逗號是不能省略的，不然就變成前面那種形式了。

{m,n}? 前面說的{m,n}，也是貪婪的，a{3,5}如果有5個以上連續a的話，會匹配5個，這個也可以通過加問號改變。a{3,5}?如果可能的話，將只匹配3個a。

'\' 反斜杆，轉義'*'，'?'等特殊字符，或者指定一個特殊序列（下面會詳述）

由於之前所述的原因，強烈建議用raw字符串來表述正則。

[] 方括號，用於指定一個字符的集合。可以單獨列出字符，也可以用'-'連接起止字符以表示一個範圍。特殊字符在中括號裏將失效，比如[akm$]就表示字符'a'，'k'，'m'，或'$'，在這裏$也變身爲普通字符了。[a-z]匹配任意一個小寫字母，[a-zA-Z0-9]匹配任意一個字母或數字。如果你要匹配']'或'-'本身，你需要加反斜杆轉義，或者是將其置於中括號的最前面，比如[]]可以匹配']'

你還可以對一個字符集合取反，以匹配任意不在這個字符集合裏的字符，取反操作用一個'^'放在集合的最前面表示，放在其他地方的'^'將不會起特殊作用。例如[^5]將匹配任意不是'5'的字符；[^^]將匹配任意不是'^'的字符。

注意: 在中括號裏，+、*、(、)這類字符將會失去特殊含義，僅作爲普通字符。反向引用也不能在中括號內使用。

(...) 匹配圓括號裏的RE匹配的內容，並指定組的開始和結束位置。組裏面的內容可以被提取，也可以採用\number這樣的特殊序列，被用於後續的匹配。要匹配字面意義上的'('和')'，可以用反斜杆轉義: $、$，或是包含在反括號內: [(]、[)]。

(?...) 這是一個表達式的擴展符號。'?'後的第一個字母決定了整個表達式的語法和含義，除了(?P...)以外，表達式不會產生一個新的組。下面介紹幾個目前已被支持的擴展:

(?iLmsux) 'i'、'L'、'm'、's'、'u'、'x'裏的一個或多個字母。表達式不匹配任何字符，但是指定相應的標誌: re.I(忽略大小寫)、re.L(依賴locale)、re.M(多行模式)、re.S(.匹配所有字符)、re.U(依賴Unicode)、re.X(詳細模式)。關於各個模式的區別，下面會有專門的一節來介紹的。使用這個語法可以代替在re.compile()的時候或者調用的時候指定flag參數。

例如，上面舉過的例子，可以改寫成這樣（和指定了re.MULTILINE是一樣的效果）:

>>> re.findall('(?m)(foo.$)', 'foo1\nfoo2\n') ['foo1', 'foo2']

另外，還要注意(?x)標誌如果有的話，要放在最前面。

(?:...) 匹配內部的RE所匹配的內容，但是不建立組。

(?P<name>...) 和普通的圓括號類似，但是子串匹配到的內容將可以用命名的name參數來提取。組的name必須是有效的python標識符，而且在本表達式內不重名。命名了的組和普通組一樣，也用數字來提取，也就是說名字只是個額外的屬性。

演示一下:

>>> m=re.match('(?P<var>[a-zA-Z_]\w*)', 'abc=123')

>>> m.group('var') 'abc'

>>> m.group(1) 'abc' (?P=name)

匹配之前以name命名的組裏的內容。

演示一下:

>>> re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h2>') #這個不匹配

>>> re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h1>') #這個匹配

<_sre.SRE_Match object at 0xb69588e0>

(?#...) 註釋，圓括號裏的內容會被忽略。

(?=...) 如果 ... 匹配接下來的字符，纔算匹配，但是並不會消耗任何被匹配的字符。例如 Isaac (?=Asimov) 只會匹配後面跟着 'Asimov' 的 'Isaac '，這個叫做“前瞻斷言”。

(?!...) 和上面的相反，只匹配接下來的字符串不匹配 ... 的串，這叫做“反前瞻斷言”。

(?<=...) 只有噹噹前位置之前的字符串匹配 ... ，整個匹配纔有效，這叫“後顧斷言”。字符串'abcdef'可以匹配正則(?<=abc)def，因爲會後向查找3個字符，看是否爲abc。所以內置的子RE，需要是固定長度的，比如可以是abc、a|b，但不能是a*、a{3,4}。注意這種RE永遠不會匹配到字符串的開頭。舉個例子，找到連字符（'-'）後的單詞:

>>> m = re.search('(?<=-)\w+', 'spam-egg')

>>> m.group(0) 'egg'

(?<!...)

同理，這個叫做“反後顧斷言”，子RE需要固定長度的，含義是前面的字符串不匹配 ... 整個纔算匹配。

(?(id/name)yes-pattern|no-pattern)

如有由id或者name指定的組存在的話，將會匹配yes-pattern，否則將會匹配no-pattern，通常情況下no-pattern也可以省略。例如: (<)?(\w+@\w+(?:\.\w+)+)(?(1)>)可以匹配 '<[email protected]>' 和 '[email protected]'，但是不會匹配 '<[email protected]'。

下面列出以'\'開頭的特殊序列。如果某個字符沒有在下面列出，那麼RE的結果會只匹配那個字母本身，比如，\$只匹配字面意義上的'$'。

#\u2076\和u2084分別是上標的6和下標的4，屬於unicode的DIGIT

>>> unistr = u'\u2076\u2084abc'

>>> print unistr ??abc

>>> print re.findall('\d+', unistr, re.U)[0]

[...] 用來表示一組字符,單獨列出: [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個或多個的表達式。

re+ 匹配1個或多個的表達式。

re? 匹配0個或1個由前面的正則表達式定義的片段，非貪婪方式

re{ n}

re{ n,} 精確匹配n個前面表達式。

re{ n, m} 匹配 n 到 m 次由前面的正則表達式定義的片段，貪婪方式

a| b 匹配a或b

(re) G匹配括號內的表達式，也表示一個組

(?imx) 正則表達式包含三種可選標誌: i, m, 或 x 。隻影響括號中的區域。

(?-imx) 正則表達式關閉 i, m, 或 x 可選標誌。隻影響括號中的區域。

(?: re) 類似 (...), 但是不表示一個組

(?imx: re) 在括號中使用i, m, 或 x 可選標誌

(?-imx: re) 在括號中不使用i, m, 或 x 可選標誌

(?#...) 註釋.

(?= re) 前向肯定界定符。如果所含正則表達式，以 ... 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含表達式已經嘗試，匹配引擎根本沒有提高；模式的剩餘部分還要嘗試界定符的右邊。

(?! re) 前向否定界定符。與肯定界定符相反；當所含表達式不能在字符串當前位置匹配時成功

(?> re) 匹配的獨立模式，省去回溯。

--字符匹配--字符類

python 匹配 "python".

[Pp]ython 匹配 "Python" 或 "python"

rub[ye] 匹配 "ruby" 或 "rube"

[aeiou] 匹配中括號內的任意一個字母

[0-9] 匹配任何數字，類似於 [0123456789]

[a-z] 匹配任何小寫字母

[A-Z] 匹配任何大寫字母

[a-zA-Z0-9] 匹配任何字母及數字

[^aeiou] 除了aeiou字母以外的所有字符

[^0-9] 匹配除了數字外的字符

--特殊字符類

. 匹配除 "\n" 之外的任何單個字符。要匹配包括 '\n' 在內的任何字符，請使用象 '[.\n]' 的模式。

\d 匹配一個數字字符。等價於 [0-9] 匹配任意數字匹配任何十進制數未指定UNICODE標誌時，匹配數字，等效於: [0-9]。指定了UNICODE標誌時，還會匹配其他Unicode庫裏描述爲字符串的符號。便於理解，舉個例子（好不容易找的例子啊，呵呵）:

\D 匹配任何非數字字符；相當於[^0-9] 匹配任意非數字匹配一個非數字字符。等價於 [^0-9] 和\d相反，不多說了。

\s 匹配任何空白字符，包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。

\s 匹配任意空白字符，等價於 [\t\n\r\f] 當未指定UNICODE和LOCALE這兩個標誌位時，匹配任何空白字符，等效於[ \t\n\r\f\v]。如果指定了LOCALE，則還要加LOCALE相關的空白字符；如果指定了UNICODE，還要加上UNICODE空白字符，如較常見的空寬度連接空格（\uFEFF）、零寬度非連接空格(\u200B)等。

\S 匹配任意非空白字符:[^\t\n\r\r\v] 匹配任何非空白字符；它相當於類 [^ "t"n"r"f"v] 和\s相反，也不多說。

\S 匹配任意非空字符等價於 [^ \f\n\r\t\v]。

\w 匹配任意數字和字母及下劃線（包括下劃線的任何單詞字符。等價於'[A-Za-z0-9_]'）當未指定UNICODE和LOCALE這兩個標誌位時，等效於[a-zA-Z0-9_]。當指定了LOCALE時，爲[0-9_]加上當前LOCAL指定的字母。當指定了UNICODE時，爲[0-9_]加上UNICODE庫裏的所有字母。

\W 匹配任意非數字和字母:[^a-zA-Z0-9]

\W 匹配任何非字母數字字符；它相當於類 [^a-zA-Z0-9_]。

\W 匹配非字母數字及下劃線（任何非單詞字符。等價於 '[^A-Za-z0-9_]'）和\w相反，不多說。

\A 只在字符串開始進行匹配只匹配字符串的開始匹配字符串開始

\Z 只在字符串結尾進行匹配只匹配字符串的結尾匹配字符串結束，如果是存在換行，只匹配到換行前的結束字符串。c

\z 匹配字符串結束

\G 匹配最後匹配完成的位置。

\b 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。

\b 匹配位於開始或結尾的空字符串

\b 匹配單詞邊界（包括開始和結束），這裏的“單詞”，是指連續的字母、數字和下劃線組成的字符串。注意，\b的定義是\w和\W的交界，所以精確的定義有賴於UNICODE和LOCALE這兩個標誌位。

\B 匹配不位於開始或結尾的空字符串匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。和\b相反，\B匹配非單詞邊界。

也依賴於UNICODE和LOCALE這兩個標誌位。

\A 只匹配字符串首。當不在 MULTILINE 模式，\A 和 ^ 實際上是一樣的。然而，在 MULTILINE 模式裏它們是不同的；\A 只是匹配字符串首，而 ^ 還可以匹配在換行符之後字符串的任何位置。

\Z Matches only at the end of the string. 只匹配字符串尾。

\b 單詞邊界。這是個零寬界定符（zero-width assertions）只用以匹配單詞的詞首和詞尾。單詞被定義爲一個字母數字序列，因此詞尾就是用空白符或非字母數字符來標示的。

\n, \t, 等. 匹配一個換行符。匹配一個製表符。等

\1...\9 匹配第n個分組的內容。

\10 匹配第n個分組的內容，如果它經匹配。否則指的是八進制字符碼的表達式。

\number 匹配number所指的組相同的字符串。組的序號從1開始。例如: (.+) \1可以匹配'the the'和'55 55'，但不匹配'the end'。這種序列在一個正則表達式裏最多可以有99個，如果number以0開頭，或是有3位以上的數字，就會被當做八進制表示的字符了。同時，這個也不能用於方括號內。

"A 只匹配字符串首。當不在 MULTILINE 模式，"A 和 ^ 實際上是一樣的。然而，在 MULTILINE 模式裏它們是不同的；"A 只是匹配字符串首，而 ^ 還可以匹配在換行符之後字符串的任何位置。

"Z Matches only at the end of the string. 只匹配字符串尾。

"b 單詞邊界。這是個零寬界定符（zero-width assertions）只用以匹配單詞的詞首和詞尾。單詞被定義爲一個字母數字序列，因此詞尾就是用空白符或非字母數字符來標示的。

#!python

charref = re.compile("&#([0-9]+[^0-9]"

"|0[0-7]+[^0-7]"

"|x[0-9a-fA-F]+[^0-9a-fA-F])")

在上面的例子裏，Python 的字符串自動連接可以用來將 RE 分成更小的部分，但它比用 re.VERBOSE 標誌時更難懂。

--使用組來檢索被匹配的文本部分。

我通常更喜歡使用編譯對象，甚至它只用一次，but few people will be as much of a purist about this as I am。

--零基礎寫python爬蟲之神器正則表達式

內容太多，很多圖片 http://www.jb51.net/article/57150.htm

正則表達式是一個特殊的字符序列，它能幫助方便的檢查一個字符串是否與某種模式匹配。

Python 自1.5版本起增加了re 模塊，它提供 Perl 風格的正則表達式模式。

re 模塊使 Python 語言擁有全部的正則表達式功能。

compile 函數根據一個模式字符串和可選的標誌參數生成一個正則表達式對象。該對象擁有一系列方法用於正則表達式匹配和替換。

re 模塊也提供了與這些方法功能完全一致的函數，這些函數使用一個模式字符串做爲它們的第一個參數。

--模塊級函數

你不一定要產生一個 `RegexObject` 對象然後再調用它的方法；re 模塊也提供了頂級函數調用如 match()、search()、sub() 等等。這些函數使用 RE 字符串作爲第一個參數，而後面的參數則與相應 `RegexObject` 的方法參數相同，返回則要麼是 None 要麼就是一個 `MatchObject` 的實例。

#!python

>>> print re.match(r'From\s+', 'Fromage amk')

None

>>> re.match(r'From\s+', 'From amk Thu May 14 19:12:10 1998')

<re.MatchObject instance at 80c5978>

Under the hood, 這些函數簡單地產生一個 RegexOject 並在其上調用相應的方法。它們也在緩存裏保存編譯後的對象，因此在將來調用用到相同 RE 時就會更快。

你將使用這些模塊級函數，還是先得到一個 `RegexObject` 再調用它的方法呢？如何選擇依賴於怎樣用 RE 更有效率以及你個人編碼風格。如果一個 RE 在代碼中只做用一次的話，那麼模塊級函數也許更方便。如果程序包含很多的正則表達式，或在多處複用同一個的話，那麼將全部定義放在一起，在一段代碼中提前編譯所有的 REs 更有用。從標準庫中看一個例子，這是從 xmllib.py 文件中提取出來的:

#!python

ref = re.compile( )

entityref = re.compile( )

charref = re.compile( )

starttagopen = re.compile( )

--詳解Python裏使用正則表達式的ASCII模式

ASCII(American Standard Code for Information Interchange)，是一種單字節的編碼。這篇文章主要介紹了Python裏使用正則表達式的ASCII模式,需要的朋友可以參考下

計算機世界裏一開始只有英文，而單字節可以表示256個不同的字符，可以表示所有的英文字符和許多的控制符號。不過ASCII只用到了其中的一半（\x80以下），這也是MBCS得以實現的基礎。

目前，基本上都使用python3來開發了，但是有時爲了兼容舊的python2的代碼，在正則表達式裏主要是字符串的表示方式不同了，在python3裏是使用Unicode來表示字符串和正則表達式，而在python2裏是使用ASCII來表示的，所以在python3裏怎麼樣設置才兼容舊的方式呢？其實可以通過ASCII的標誌來解決，如下面的

#python 3.6

#蔡軍生

#http://blog.csdn.net/caimouse/article/details/51749579

import re

text = u'Fran?ais z?oty ?sterreich'

pattern = r'\w+'

ascii_pattern = re.compile(pattern, re.ASCII)

unicode_pattern = re.compile(pattern)

print('Text :', text)

print('Pattern :', pattern)

print('ASCII :', list(ascii_pattern.findall(text)))

print('Unicode :', list(unicode_pattern.findall(text)))

結果輸出如下:

Text : Fran?ais z?oty ?sterreich

Pattern : \w+

ASCII : ['Fran', 'ais', 'z', 'oty', 'sterreich']

Unicode : ['Fran?ais', 'z?oty', '?sterreich']

總結

以上所述是小編給大家介紹的詳解Python裏使用正則表達式的ASCII模式，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回覆大家的。在此也非常感謝大家對腳本之家網站的支持！

--Python 匹配任意字符（包括換行符）的正則表達式寫法

想使用正則表達式來獲取一段文本中的任意字符,寫出如下匹配規則:

(.*) 結果運行之後才發現，無法獲得換行之後的文本。於是查了一下手冊，才發現正則表達式中，“.”(點符號)匹配的是除了換行符“\n”以外的所有字符。

以下爲正確的正則表達式匹配規則:

([\s\S]*)

同時，也可以用 “([\d\D]*)”、“([\w\W]*)” 來表示。 Web技術之家_www.waweb.cn

在文本文件裏, 這個表達式可以匹配所有的英文

/[ -~]/

--Python正則表達式匹配ip地址實例

本文實例講述了正則表達式匹配ip地址實例。代碼結構非常簡單易懂。分享給大家供大家參考。

主要實現代碼如下:

import re

reip = re.compile(r'(?<![\.\d])(?:\d{1,3}\.){3}\d{1,3}(?![\.\d])')

for ip in reip.findall(line):

print "ip>>>", ip

--python中如何正確使用正則表達式的詳細模式（Verbose mode expression)

許多程序設計語言都支持利用正則表達式進行字符串操作，python自然也不例外，下面這篇文章主要給大家介紹了關於在python中如何正確使用正則表達式的詳細模式（Verbose mode expression)的相關資料，需要的朋友可以參考借鑑，下面來一起看看吧。

簡單介紹

正則表達式並不是Python的一部分。正則表達式是用於處理字符串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表達式的語言裏，正則表達式的語法都是一樣的，區別只在於不同的編程語言實現支持的語法數量不同；但不用擔心，不被支持的語法通常是不常用的部分。如果已經在其他語言裏使用過正則表達式，只需要簡單看一看就可以上手了。

下圖展示了使用正則表達式進行匹配的流程:

正則表達式的大致匹配過程是: 依次拿出表達式和文本中的字符比較，如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。

引言

當大家寫的正則表達式比較長，比較複雜時，發現經常會寫錯，或者很難維護，遇到這種情況怎麼辦呢？這個不用急，聰明的設計人員早已經想到這種情況了，提供了一種叫做詳細模式（Verbose mode expression）。當你使用這種模式時，可以給正則表達式添加註釋，這樣在維護時就不會像看天書了，同時也可以添加額外的空格，進行對齊排版。

緊湊模式的

import re

address = re.compile('[\w\d.+-]+@([\w\d.]+\.)+(com|org|edu)')

candidates = [

u'[email protected]',

]

for candidate in candidates:

match = address.search(candidate)

print('{:<30} {}'.format(

candidate, 'Matches' if match else 'No match')

)

詳細模式的修改之後:

#python 3.6

#蔡軍生

#http://blog.csdn.net/caimouse/article/details/51749579

import re

address = re.compile(

'''''

[\w\d.+-]+ # username

([\w\d.]+\.)+ # domain name prefix

(com|org|edu) # TODO: support more top-level domains

''',

re.VERBOSE)

candidates = [

u'[email protected]',

]

for candidate in candidates:

match = address.search(candidate)

print('{:<30} {}'.format(

candidate, 'Matches' if match else 'No match'),

)

結果輸出如下:

[email protected] Matches

[email protected] No match

參數解釋: X VERBOSE

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

--python中如何使用正則表達式的非貪婪模式示例

作者: caimouse 字體: [增加減小] 類型: 轉載時間: 2017-10-09 我要評論

貪婪與非貪婪模式影響的是被量詞修飾的子表達式的匹配行爲，下面這篇文章主要給大家介紹了關於python中如何使用正則表達式的非貪婪模式的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習具有一定的參考學習價值，需要的朋友們下面來一起看看吧。

前言

本文主要給大家介紹了關於python使用正則表達式的非貪婪模式的相關內容，分享出來供大家參考學習，下面話不多說了，來一起詳細的介紹吧。

在正則表達式裏，什麼是正則表達式的貪婪與非貪婪匹配

如: String str="abcaxc";

　　Patter p="ab*c";

貪婪匹配:正則表達式一般趨向於最大長度匹配，也就是所謂的貪婪匹配。如上面使用模式p匹配字符串str，結果就是匹配到: abcaxc(ab*c)。

非貪婪匹配: 就是匹配到結果就好，就少的匹配字符。如上面使用模式p匹配字符串str，結果就是匹配到: abc(ab*c)。

解決這個問題，可以採用:

正則引擎默認是貪婪的，當出現"*"時,它會盡量去匹配儘可能長的字符串。

一個用於修正以上問題的可能方案是用"*"的惰性代替貪婪性。你可以在"*"後面緊跟一個問號"?"來達到這一點

這告訴正則引擎，儘可能少的重複上一個字符。

如下面的

#python 3. 6

#蔡軍生

#http://blog.csdn.net/caimouse/article/details/51749579

from re_test_patterns import test_patterns

test_patterns(

'abbaabbba',

[('ab*?', 'a followed by zero or more b'),

('ab+?', 'a followed by one or more b'),

('ab??', 'a followed by zero or one b'),

('ab{3}?', 'a followed by three b'),

('ab{2,3}?', 'a followed by two to three b')],

)

輸出結果如下:

'ab*?' (a followed by zero or more b)

'abbaabbba'

'a'

...'a'

....'a'

........'a'

'ab+?' (a followed by one or more b)

'abbaabbba'

'ab'

....'ab'

'ab??' (a followed by zero or one b)

'abbaabbba'

'a'

...'a'

....'a'

........'a'

'ab{3}?' (a followed by three b)

'abbaabbba'

....'abbb'

'ab{2,3}?' (a followed by two to three b)

'abbaabbba'

'abb'

....'abb'

總結

--python如何使用正則表達式的前向、後向搜索及前向搜索否定模式

這篇文章主要給大家介紹了關於python如何使用正則表達式的前向、後向搜索及前向搜索否定模式的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面來一起看看吧。

前言

在許多的情況下，很多要匹配內容是一起出現，或者一起不出現的。比如《》，< >，這樣的括號，不存在使用半個的情況。因此，在正則表達式裏也有一致性的判斷，要麼兩個尖括號一起出現，要麼一個也不要出現。怎麼樣來實現這種判斷呢？針對這種情況得引入新的正則表達式的語法: (?=pattern)，這個語法它會向前搜索或者向後搜索相關內容，如果不會出現就不能匹配。不過，這個匹配不會消耗任何輸入的字符，它只是查看一下。

例子如下:

#python 3.6

#蔡軍生

#http://blog.csdn.net/caimouse/article/details/51749579

import re

address = re.compile(

'''''

# A name is made up of letters, and may include "."

# for title abbreviations and middle initials.

((?P<name>

([\w.,]+\s+)*[\w.,]+

)

\s+

) # name is no longer optional

# LOOKAHEAD

# Email addresses are wrapped in angle brackets, but only

# if both are present or neither is.

(?= (<.*>$) # remainder wrapped in angle brackets

([^<].*[^>]$) # remainder *not* wrapped in angle brackets

)

<? # optional opening angle bracket

# The address itself: [email protected]

(?P<email>

[\w\d.+-]+ # username

([\w\d.]+\.)+ # domain name prefix

(com|org|edu) # limit the allowed top-level domains

)

>? # optional closing angle bracket

''',

re.VERBOSE)

candidates = [

u'First Last <[email protected]>',

u'No Brackets [email protected]',

u'Open Bracket <[email protected]',

u'Close Bracket [email protected]>',

]

for candidate in candidates:

print('Candidate:', candidate)

match = address.search(candidate)

if match:

print(' Name :', match.groupdict()['name'])

print(' Email:', match.groupdict()['email'])

else:

print(' No match')

結果輸出如下:

Candidate: First Last <[email protected]>

Name : First Last

Email: [email protected]

Candidate: No Brackets [email protected]

Name : No Brackets

Email: [email protected]

Candidate: Open Bracket <[email protected]

No match

Candidate: Close Bracket [email protected]>

No match

python裏使用正則表達式的前向搜索否定模式

上面學習前向搜索或後向搜索模式(?=pattern)，這個模式裏看到有等於號=，它是表示一定相等，其實前向搜索模式裏，還有不相等的判斷。比如你需要識別EMAIL地址: [email protected]，這個EMAIL地址大多數是不需要回復的，所以我們要把這個EMAIL地址識別出來，並且丟掉它。怎麼辦呢？這時你就需要使用前向搜索否定模式，它的語法是這樣: (?!pattern)，這裏的感嘆號就是表示非，不需要的意思。比如遇到這樣的字符串: [email protected]，它會判斷noreply@是否相同，如果相同，就丟掉這個模式識別，不再匹配。

例子如下:

#python 3.6

#蔡軍生

#http://blog.csdn.net/caimouse/article/details/51749579

import re

address = re.compile(

'''''

# An address: [email protected]

# Ignore noreply addresses

(?!noreply@.*$)

[\w\d.+-]+ # username

([\w\d.]+\.)+ # domain name prefix

(com|org|edu) # limit the allowed top-level domains

''',

re.VERBOSE)

candidates = [

u'[email protected]',

]

for candidate in candidates:

print('Candidate:', candidate)

match = address.search(candidate)

if match:

print(' Match:', candidate[match.start():match.end()])

else:

print(' No match')

結果輸出如下:

Candidate: [email protected]

Match: [email protected]

Candidate: [email protected]

No match

總結

實例 1

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import re

print(re.match('www', 'www.runoob.com').span()) # 在起始位置匹配

print(re.match('com', 'www.runoob.com')) # 不在起始位置匹配

以上實例運行輸出結果爲:

(0, 3)

None

實例 2

#!/usr/bin/python

import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:

print "matchObj.group() : ", matchObj.group()

print "matchObj.group(1) : ", matchObj.group(1)

print "matchObj.group(2) : ", matchObj.group(2)

else:

print "No match!!"

以上實例執行結果如下:

matchObj.group() : Cats are smarter than dogs

matchObj.group(1) : Cats

matchObj.group(2) : smarter

實例 1

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import re

print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配

print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配

以上實例運行輸出結果爲:

(0, 3)

(11, 14)

實例 2

#!/usr/bin/python

import re

line = "Cats are smarter than dogs";

searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)

if searchObj:

print "searchObj.group() : ", searchObj.group()

print "searchObj.group(1) : ", searchObj.group(1)

print "searchObj.group(2) : ", searchObj.group(2)

else:

print "Nothing found!!"

以上實例執行結果如下:

searchObj.group() : Cats are smarter than dogs

searchObj.group(1) : Cats

searchObj.group(2) : smarter

re.match與re.search的區別

re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

匹配之搜索

python提供了兩種基於正則表達式的操作: 匹配（match）從字符串的開始檢查字符串是否個正則匹配。而搜索（search）檢查字符串任意位置是否有匹配的子串（perl默認就是如此）。

注意，即使search的正則以'^'開頭，match和search也還是有許多不同的。

>>> re.match("c", "abcdef") # 不匹配

>>> re.search("c", "abcdef") # 匹配

<_sre.SRE_Match object at ...>

模塊的屬性和方法

groups RE所含有的組的個數。

groupindex 一個字典，定義了命名組的名字和序號之間的關係。

這個正則有3個組，如果匹配到，第一個叫區號，最後一個叫分機號，中間的那個未命名

>>> pattern = re.compile("(?P<quhao>\d+)-(\d+)-(?P<fenjihao>\d+)")

>>> pattern.groups

>>> pattern.groupindex

{'fenjihao': 3, 'quhao': 1}

pattern

建立本RE的原始字符串，相當於源代碼了，呵呵。

還是上面這個正則，可以看到，會原樣返回:

>>> print pattern.pattern

(?P<quhao>\d+)-(\d+)-(?P<fenjihao>\d+)

Match對象

re.MatchObject被用於布爾判斷的時候，始終返回True，所以你用 if 語句來判斷某個 match() 是否成功是安全的。

它有以下方法和屬性:

expand(template)

用template做爲模板，將MatchObject展開，就像sub()裏的行爲一樣，看

>>> m = re.match('a=(\d+)', 'a=100')

>>> m.expand('above a is \g<1>') 'above a is 100'

>>> m.expand(r'above a is \1') 'above a is 100'

--group([group1, ...]) 返回一個或多個子組。如果參數爲一個，就返回一個子串；如果參數有多個，就返回多個子串註冊的元組。如果不傳任何參數，效果和傳入一個0一樣，將返回整個匹配。如果某個groupN未匹配到，相應位置會返回None。如果某個groupN是負數或者大於group的總數，則會拋出IndexError異常。

>>> m = re.match(r"(\w+) (\w+)", "Isaac Newton, physicist")

>>> m.group(0) # 整個匹配 'Isaac Newton'

>>> m.group(1) # 第一個子串 'Isaac'

>>> m.group(2) # 第二個子串 'Newton'

>>> m.group(1, 2) # 多個子串組成的元組 ('Isaac', 'Newton')

如果有其中有用(?P...)這種語法命名過的子串的話，相應的groupN也可以是名字字符串。例如:

>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")

>>> m.group('first_name') 'Malcolm'

>>> m.group('last_name') 'Reynolds'

如果某個組被匹配到多次，那麼只有最後一次的數據，可以被提取到:

>>> m = re.match(r"(..)+", "a1b2c3") # 匹配到3次

>>> m.group(1) # 返回的是最後一次 'c3'

--groups([default]) 返回一個由所有匹配到的子串組成的元組。default參數，用於給那些沒有匹配到的組做默認值，它的默認值是None

>>> m = re.match(r"(\d+)\.(\d+)", "24.1632")

>>> m.groups() ('24', '1632')

default的作用:

>>> m = re.match(r"(\d+)\.?(\d+)?", "24")

>>> m.groups() # 第二個默認是None

('24', None)

>>> m.groups('0') # 現在默認是0了

('24', '0')

--groupdict([default]) 返回一個包含所有命名組的名字和子串的字典，default參數，用於給那些沒有匹配到的組做默認值，它的默認值是None，例如:

>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")

>>> m.groupdict() {'first_name': 'Malcolm', 'last_name': 'Reynolds'}

start([group])

end([group]) 返回的是: 被組group匹配到的子串在原字符串中的位置。如果不指定group或group指定爲0，則代表整個匹配。如果group未匹配到，則返回 -1。

對於指定的m和g，m.group(g)和m.string[m.start(g):m.end(g)]等效。

注意: 如果group匹配到空字符串，m.start(group)和m.end(group)將相等。

例如:

>>> m = re.search('b(c?)', 'cba')

>>> m.start(0) 1

>>> m.end(0) 2

>>> m.start(1) 2

>>> m.end(1) 2

下面是一個把email地址裏的“remove_this”去掉的

>>> email = "tony@tiremove_thisger.net"

>>> m = re.search("remove_this", email)

>>> email[:m.start()] + email[m.end():]

'[email protected]'

--span([group]) 返回一個元組: (m.start(group), m.end(group))

pos 就是傳給RE對象的search()或match()方法的參數pos，代表RE開始搜索字符串的位置。

endpos 就是傳給RE對象的search()或match()方法的參數endpos，代表RE搜索字符串的結束位置。

lastindex 最後一次匹配到的組的數字序號，如果沒有匹配到，將得到None。例如: (a)b、((a)(b))和((ab))正則去匹配'ab'的話，得到的lastindex爲1。而用(a)(b)去匹配'ab'的話，得到的lastindex爲2。

lastgroup 最後一次匹配到的組的名字，如果沒有匹配到或者最後的組沒有名字，將得到None。

re 得到本Match對象的正則表達式對象，也就是執行search()或match()的對象。

string 傳給search()或match()的字符串。

後面的例子就略了吧，文中已經加了很多我自己的例子了，需要更多例子的話，參照英文原文吧(https://docs.python.org/2/library/re.html)。

正則表達式是一個複雜的主題。本文能否有助於你理解呢？那些部分是否不清晰，或在這兒沒有找到你所遇到的問題？如果是那樣的話，請將建議發給作者以便改進

#!python

>>> p = re.compile(r'\W+')

>>> p.split('This is a test, short and sweet, of split().') ['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']

>>> p.split('This is a test, short and sweet, of split().', 3) ['This', 'is', 'a', 'test, short and sweet, of split().']

#!python

>>> p = re.compile(r'\W+')

>>> p2 = re.compile(r'(\W+)')

>>> p.split('This... is a test.') ['This', 'is', 'a', 'test', '']

>>> p2.split('This... is a test.') ['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']

模塊級函數 re.split() 將 RE 作爲第一個參數，其他一樣。

#!python

>>> re.split('[\W]+', 'Words, words, words.') ['Words', 'words', 'words', '']

>>> re.split('([\W]+)', 'Words, words, words.') ['Words', ', ', 'words', ', ', 'words', '.', '']

>>> re.split('[\W]+', 'Words, words, words.', 1) ['Words', 'words, words.']

實例

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import re

phone = "2004-959-559 # 這是一個國外電話號碼"

num = re.sub(r'#.*$', "", phone) # 刪除字符串中的 Python註釋

print "電話號碼是: ", num

num = re.sub(r'\D', "", phone) # 刪除非數字(-)的字符串

print "電話號碼是 : ", num

以上實例執行結果如下:

電話號碼是: 2004-959-559

電話號碼是 : 2004959559

repl 參數是一個函數

以下實例中將字符串中的匹配的數字乘於 2:

實例

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import re

# 將匹配的數字乘於 2

def double(matched):

value = int(matched.group('value'))

return str(value * 2)

s = 'A23G4HFD567'

print(re.sub('(?P<value>\d+)', double, s))

執行輸出結果爲:

A46G8HFD1134

實例

#!/usr/bin/python

import re

line = "Cats are smarter than dogs";

matchObj = re.match( r'dogs', line, re.M|re.I)

if matchObj:

print "match --> matchObj.group() : ", matchObj.group()

else:

print "No match!!"

matchObj = re.search( r'dogs', line, re.M|re.I)

if matchObj:

print "search --> matchObj.group() : ", matchObj.group()

else:

print "No match!!"

以上實例運行結果如下:

No match!!

search --> matchObj.group() : dogs

當用這個特殊序列時你應該記住這裏有兩個微妙之處。第一個是 Python 字符串和正則表達式之間最糟的衝突。在 Python 字符串裏，"\b" 是反斜槓字符，ASCII值是8。如果你沒有使用 raw 字符串時，那麼 Python 將會把 "\b" 轉換成一個回退符，你的 RE 將無法象你希望的那樣匹配它了。下面的例子看起來和我們前面的 RE 一樣，但在 RE 字符串前少了一個 "r" 。

#!python

>>> p = re.compile('\bclass\b')

>>> print p.search('no class at all') None

>>> print p.search('\b' + 'class' + '\b')

<re.MatchObject instance at 80c3ee0>

第二個在字符類中，這個限定符（assertion）不起作用，\b 表示回退符，以便與 Python 字符串兼容。

\B 另一個零寬界定符（zero-width assertions），它正好同 \b 相反，只在當前位置不在單詞邊界時匹配。

分組

你經常需要得到比 RE 是否匹配還要多的信息。正則表達式常常用來分析字符串，編寫一個 RE 匹配感興趣的部分並將其分成幾個小組。舉個例子，一個 RFC-822 的頭部用 ":" 隔成一個頭部名和一個值，這就可以通過編寫一個正則表達式匹配整個頭部，用一組匹配頭部名，另一組匹配頭部值的方式來處理。

組是通過 "(" 和 ")" 元字符來標識的。 "(" 和 ")" 有很多在數學表達式中相同的意思；它們一起把在它們裏面的表達式組成一組。舉個例子，你可以用重複限制符，象 *, +, ?, 和 {m,n}，來重複組裏的內容，比如說(ab)* 將匹配零或更多個重複的 "ab"。

#!python

>>> p = re.compile('(ab)*')

>>> print p.match('ababababab').span() (0, 10)

組用 "(" 和 ")" 來指定，並且得到它們匹配文本的開始和結尾索引；這就可以通過一個參數用 group()、start()、end() 和 span() 來進行檢索。組是從 0 開始計數的。組 0 總是存在；它就是整個 RE，所以 `MatchObject` 的方法都把組 0 作爲它們缺省的參數。稍後我們將看到怎樣表達不能得到它們所匹配文本的 span。

#!python

>>> p = re.compile('(a)b')

>>> m = p.match('ab')

>>> m.group() 'ab'

>>> m.group(0) 'ab'

小組是從左向右計數的，從1開始。組可以被嵌套。計數的數值可以能過從左到右計算打開的括號數來確定。

#!python

>>> p = re.compile('(a(b)c)d')

>>> m = p.match('abcd')

>>> m.group(0) 'abcd'

>>> m.group(1) 'abc'

>>> m.group(2) 'b'

group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。

#!python

>>> m.group(2,1,2) ('b', 'abc', 'b')

The groups() 方法返回一個包含所有小組字符串的元組，從 1 到所含的小組號。

#!python

>>> m.groups() ('abc', 'b')

模式中的逆向引用允許你指定先前捕獲組的內容，該組也必須在字符串當前位置被找到。舉個例子，如果組 1 的內容能夠在當前位置找到的話，"1 就成功否則失敗。記住 Python 字符串也是用反斜槓加數據來允許字符串中包含任意字符的，所以當在 RE 中使用逆向引用時確保使用 raw 字符串。

例如，下面的 RE 在一個字符串中找到成雙的詞。

#!python

>>> p = re.compile(r'("b"w+)"s+"1')

>>> p.search('Paris in the the spring').group()

'the the'

象這樣只是搜索一個字符串的逆向引用並不常見 -- 用這種方式重複數據的文本格式並不多見 -- 但你不久就可以發現它們用在字符串替換上非常有用。

--無捕獲組和命名組

精心設計的 REs 也許會用很多組，既可以捕獲感興趣的子串，又可以分組和結構化 RE 本身。在複雜的 REs 裏，追蹤組號變得困難。有兩個功能可以對這個問題有所幫助。它們也都使用正則表達式擴展的通用語法，因此我們來看看第一個。

Perl 5 對標準正則表達式增加了幾個附加功能，Python 的 re 模塊也支持其中的大部分。選擇一個新的單按鍵元字符或一個以 "\" 開始的特殊序列來表示新的功能，而又不會使 Perl 正則表達式與標準正則表達式產生混亂是有難度的。如果你選擇 "&" 做爲新的元字符，舉個例子，老的表達式認爲 "&" 是一個正常的字符，而不會在使用 \& 或 [&] 時也不會轉義。

Perl 開發人員的解決方法是使用 (?...) 來做爲擴展語法。"?" 在括號後面會直接導致一個語法錯誤，因爲 "?" 沒有任何字符可以重複，因此它不會產生任何兼容問題。緊隨 "?" 之後的字符指出擴展的用途，因此 (?=foo)

Python 新增了一個擴展語法到 Perl 擴展語法中。如果在問號後的第一個字符是 "P"，你就可以知道它是針對 Python 的擴展。目前有兩個這樣的擴展: (?P<name>...) 定義一個命名組，(?P=name) 則是對命名組的逆向引用。如果 Perl 5 的未來版本使用不同的語法增加了相同的功能，那麼 re 模塊也將改變以支持新的語法，這是爲了兼容性的目的而保持的 Python 專用語法。

現在我們看一下普通的擴展語法，我們回過頭來簡化在複雜 REs 中使用組運行的特性。因爲組是從左到右編號的，而且一個複雜的表達式也許會使用許多組，它可以使跟蹤當前組號變得困難，而修改如此複雜的 RE 是十分麻煩的。在開始時插入一個新組，你可以改變它之後的每個組號。

首先，有時你想用一個組去收集正則表達式的一部分，但又對組的內容不感興趣。你可以用一個無捕獲組: (?:...) 來實現這項功能，這樣你可以在括號中發送任何其他正則表達式。

#!python

>>> m = re.match("([abc])+", "abc")

>>> m.groups()

('c',)

>>> m = re.match("(?:[abc])+", "abc")

>>> m.groups()

()

除了捕獲匹配組的內容之外，無捕獲組與捕獲組表現完全一樣；你可以在其中放置任何字符，可以用重複元字符如 "*" 來重複它，可以在其他組（無捕獲組與捕獲組）中嵌套它。(?:...) 對於修改已有組尤其有用，因爲你可以不用改變所有其他組號的情況下添加一個新組。捕獲組和無捕獲組在搜索效率方面也沒什麼不同，沒有哪一個比另一個更快。

其次，更重要和強大的是命名組；與用數字指定組不同的是，它可以用名字來指定。

命令組的語法是 Python 專用擴展之一: (?P<name>...)。名字很明顯是組的名字。除了該組有個名字之外，命名組也同捕獲組是相同的。`MatchObject` 的方法處理捕獲組時接受的要麼是表示組號的整數，要麼是包含組名的字符串。命名組也可以是數字，所以你可以通過兩種方式來得到一個組的信息:

#!/usr/bin/python

import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:

print "matchObj.group() : ", matchObj.group()

print "matchObj.group(1) : ", matchObj.group(1)

print "matchObj.group(2) : ", matchObj.group(2)

else:

print "No match!!"

正則表達式:

r'(.*) are (.*?) .*'

解析:

首先，這是一個字符串，前面的一個 r 表示字符串爲非轉義的原始字符串，讓編譯器忽略反斜槓，也就是忽略轉義字符。但是這個字符串裏沒有反斜槓，所以這個 r 可有可無。

(.*) 第一個匹配分組，.* 代表匹配除換行符之外的所有字符。

(.*?) 第二個匹配分組，.*? 後面多個問號，代表非貪婪模式，也就是說只匹配符合條件的最少字符

後面的一個 .* 沒有括號包圍，所以不是分組，匹配效果和第一個一樣，但是不計入匹配結果中。

matchObj.group() 等同於 matchObj.group(0)，表示匹配到的完整文本字符

matchObj.group(1) 得到第一組匹配結果，也就是(.*)匹配到的

matchObj.group(2) 得到第二組匹配結果，也就是(.*?)匹配到的

因爲只有匹配結果中只有兩組，所以如果填 3 時會報錯。

--前向界定符--包括--前向肯定界定符 + 後向肯定界定符

另一個零寬界定符（zero-width assertion）是前向界定符。

(?=...) 前向肯定界定符。如果所含正則表達式，以 ... 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含表達式已經嘗試，匹配引擎根本沒有提高；模式的剩餘部分還要嘗試界定符的右邊。

(?!...) 前向否定界定符。與肯定界定符相反；當所含表達式不能在字符串當前位置匹配時成功

通過示範在哪前向可以成功有助於具體實現。考慮一個簡單的模式用於匹配一個文件名，並將其通過 "." 分成基本名和擴展名兩部分。如在 "news.rc" 中，"news" 是基本名，"rc" 是文件的擴展名。

匹配模式非常簡單:

.*[.].*$ 注意 "." 需要特殊對待，因爲它是一個元字符；我把它放在一個字符類中。另外注意後面的 $; 添加這個是爲了確保字符串所有的剩餘部分必須被包含在擴展名中。這個正則表達式匹配

"foo.bar"、"autoexec.bat"、 "sendmail.cf" 和 "printers.conf"。

現在，考慮把問題變得複雜點；如果你想匹配的擴展名不是 "bat" 的文件名？一些不正確的嘗試:

.*[.][^b].*$ 上面的第一次去除 "bat" 的嘗試是要求擴展名的第一個字符不是 "b"。這是錯誤的，因爲該模式也不能匹配 "foo.bar"。

.*[.]([^b]..|.[^a].|..[^t])$ 當你試着修補第一個解決方法而要求匹配下列情況之一時表達式更亂了: 擴展名的第一個字符不是 "b"; 第二個字符不是 "a"；或第三個字符不是 "t"。這樣可以接受 "foo.bar" 而拒絕 "autoexec.bat"，但這要求只能是三個字符的擴展名而不接受兩個字符的擴展名如 "sendmail.cf"。我們將在努力修補它時再次把該模式變得複雜。

.*[.]([^b].?.?|.[^a]?.?|..?[^t]?)$ 在第三次嘗試中，第二和第三個字母都變成可選，爲的是允許匹配比三個字符更短的擴展名，如 "sendmail.cf"。

該模式現在變得非常複雜，這使它很難讀懂。更糟的是，如果問題變化了，你想擴展名不是 "bat" 和 "exe"，該模式甚至會變得更復雜和混亂。

前向否定把所有這些裁剪成:

.*[.](?!bat$).*$

前向的意思: 如果表達式 bat 在這裏沒有匹配，嘗試模式的其餘部分；如果 bat$ 匹配，整個模式將失敗。後面的 $ 被要求是爲了確保象 "sample.batch" 這樣擴展名以 "bat" 開頭的會被允許。

將另一個文件擴展名排除在外現在也容易；簡單地將其做爲可選項放在界定符中。下面的這個模式將以 "bat" 或 "exe" 結尾的文件名排除在外。

.*[.](?!bat$|exe$).*$

--貪婪 vs 不貪婪

當重複一個正則表達式時，如用 a*，操作結果是儘可能多地匹配模式。當你試着匹配一對對稱的定界符，如 HTML 標誌中的尖括號時這個事實經常困擾你。匹配單個 HTML 標誌的模式不能正常工作，因爲 .* 的本質是“貪婪”的

#!python

>>> s = '<html><head><title>Title</title>'

>>> len(s)

>>> print re.match('<.*>', s).span()

(0, 32)

>>> print re.match('<.*>', s).group()

<html><head><title>Title</title>

RE 匹配在 "<html>" 中的 "<"，.* 消耗掉子符串的剩餘部分。在 RE 中保持更多的左，雖然 > 不能匹配在字符串結尾，因此正則表達式必須一個字符一個字符地回溯，直到它找到 > 的匹配。最終的匹配從 "<html" 中的 "<" 到 "</title>" 中的 ">",這並不是你所想要的結果。

在這種情況下，解決方案是使用不貪婪的限定符 *?、+?、?? 或 {m,n}?，儘可能匹配小的文本。在上面的例子裏， ">" 在第一個 "<" 之後被立即嘗試，當它失敗時，引擎一次增加一個字符，並在每步重試 ">"。這個處理將得到正確的結果:

#!python

>>> print re.match('<.*?>', s).group()

<html>

注意用正則表達式分析 HTML 或 XML 是痛苦的。變化混亂的模式將處理常見情況，但 HTML 和 XML 則是明顯會打破正則表達式的特殊情況；當你編寫一個正則表達式去處理所有可能的情況時，模式將變得非常複雜。象這樣的任務用 HTML 或 XML 解析器。

不用 re.VERBOSE

現在你可能注意到正則表達式的表示是十分緊湊，但它們非常不好讀。中度複雜的 REs 可以變成反斜槓、圓括號和元字符的長長集合，以致於使它們很難讀懂。

在這些 REs 中，當編譯正則表達式時指定 re.VERBOSE 標誌是有幫助的，因爲它允許你可以編輯正則表達式的格式使之更清楚。

re.VERBOSE 標誌有這麼幾個作用。在正則表達式中不在字符類中的空白符被忽略。這就意味着象 dog | cat 這樣的表達式和可讀性差的 dog|cat 相同，但 [a b] 將匹配字符 "a"、"b" 或空格。另外，你也可以把註釋放到 RE 中；註釋是從 "#" 到下一行。當使用三引號字符串時，可以使 REs 格式更加乾淨:

#!python

pat = re.compile(r"""

\s* # Skip leading whitespace

(?P<header>[^:]+) # Header name

\s* : # Whitespace, and a colon

(?P<value>.*?) # The header's value -- *? used to

# lose the following trailing whitespace

\s*$ # Trailing whitespace to end-of-line

""", re.VERBOSE)

這個要難讀得多:

#!python

pat = re.compile(r"\s*(?P<header>[^:]+)\s*:(?P<value>.*?)\s*$")

反饋

正則表達式是一個複雜的主題。本文能否有助於你理解呢？那些部分是否不清晰，或在這兒沒有找到你所遇到的問題？如果是那樣的話，請將建議發給作者以便改進。

描述正則表達式最全面的書非Jeffrey Friedl 寫的《精通正則表達式》莫屬，該書由O'Reilly 出版。可惜該書只專注於 Perl 和 Java 風格的正則表達式，不含任何 Python 材料，所以不足以用作Python編程時的參考。（第一版包含有 Python 現已過時的 regex 模塊，自然用處不大）。

#!python

ref = re.compile( ... )

entityref = re.compile( ... )

charref = re.compile( ... )

starttagopen = re.compile( ... )

#!python

>>> p = re.compile(r'(?P<word>\b\w+\b)')

>>> m = p.search( '(((( Lots of punctuation )))' )

>>> m.group('word') 'Lots'

>>> m.group(1) 'Lots'

命名組是便於使用的，因爲它可以讓你使用容易記住的名字來代替不得不記住的數字。這裏有一個來自 imaplib 模塊的 RE

#!python

InternalDate = re.compile(r'INTERNALDATE "'

r'(?P<day>[ 123][0-9])-(?P<mon>[A-Z][a-z][a-z])-'

r'(?P<year>[0-9][0-9][0-9][0-9])'

r' (?P<hour>[0-9][0-9]):(?P<min>[0-9][0-9]):(?P<sec>[0-9][0-9])'

r' (?P<zonen>[-+])(?P<zoneh>[0-9][0-9])(?P<zonem>[0-9][0-9])'

r'"')

很明顯，得到 m.group('zonem') 要比記住得到組 9 要容易得多。

因爲逆向引用的語法，象 (...)\1 這樣的表達式所表示的是組號，這時用組名代替組號自然會有差別。還有一個 Python 擴展: (?P=name) ，它可以使叫 name 的組內容再次在當前位置發現。正則表達式爲了找到重複的單詞，(\b\w+)\s+\1 也可以被寫成 (?P<word>\b\w+)\s+(?P=word):

#!python

>>> p = re.compile(r'(?P<word>\b\w+)\s+(?P=word)')

>>> p.search('Paris in the the spring').group()

'the the'

------python---正則表達式------示例------

#!python

>>> print re.search('^From', 'From Here to Eternity')

<re.MatchObject instance at 80c1520>

>>> print re.search('^From', 'Reciting From Memory') None

#!python

>>> print re.search('}$', '{block}')

<re.MatchObject instance at 80adfa8>

>>> print re.search('}$', '{block} ')

None

>>> print re.search('}$', '{block}"n')

<re.MatchObject instance at 80adfa8>

#!python

>>> p = re.compile(r'"bclass"b')

>>> print p.search('no class at all')

<re.MatchObject instance at 80c8f28>

>>> print p.search('the declassified algorithm')

None

>>> print p.search('one subclass is')

None

例: 最基本的用法，通過re.RegexObject對象調用

#!/usr/bin/env python

import re

r1 = re.compile(r'world')

if r1.match('helloworld'):

print 'match succeeds'

else:

print 'match fails'

if r1.search('helloworld'):

print 'search succeeds'

else:

print 'search fails'

說明一下: r是raw(原始)的意思。因爲在表示字符串中有一些轉義符，如表示回車'\n'。如果要表示\表需要寫爲'\\'。但如果我就是需要表示一個'\'+'n'，不用r方式要寫爲:'\\n'。但使用r方式則爲r'\n'這樣清晰多了。

例: 設置flag

#r2 = re.compile(r'n$', re.S)

#r2 = re.compile('\n$', re.S)

r2 = re.compile('World$', re.I)

if r2.search('helloworld\n'):

print 'search succeeds'

else:

print 'search fails'

例: 直接調用

if re.search(r'abc','helloaaabcdworldn'):

print 'search succeeds'

else:

print 'search fails'

例: 簡單分析ip

#!/usr/bin/env python

import re

r1 = re.compile('W+')

print r1.split('192.168.1.1')

print re.split('(W+)', '192.168.1.1')

print re.split('(W+)', '192.168.1.1', 1)

結果如下:

['192', '168', '1', '1']

['192', '.', '168', '.', '1', '.', '1']

['192', '.', '168.1.1']

例: 查找[]包括的內容（貪婪和非貪婪查找）

#!/usr/bin/env python

import re

r1 = re.compile('([.*])')

print re.findall(r1, "hello[hi]heldfsdsf[iwonder]lo")

r1 = re.compile('([.*?])')

print re.findall(r1, "hello[hi]heldfsdsf[iwonder]lo")

print re.findall('[0-9]{2}',"fdskfj1323jfkdj")

print re.findall('([0-9][a-z])',"fdskfj1323jfkdj")

print re.findall('(?=www)',"afdsfwwwfkdjfsdfsdwww")

print re.findall('(?<=www)',"afdsfwwwfkdjfsdfsdwww")

例:

#!/usr/bin/env python

import re

p = re.compile('(one|two|three)')

print p.sub('num', 'one word two words three words apple', 2)

首先，運行 Python 解釋器，導入 re 模塊並編譯一個 RE:

#!python

Python 2.2.2 (#1, Feb 10 2003, 12:57:01)

>>> import re

>>> p = re.compile('[a-z]+')

>>> p

<_sre.SRE_Pattern object at 80c3c28>

#!python

>>> p.match("")

>>> print p.match("")

None

現在，讓我們試着用它來匹配一個字符串，如 "tempo"。這時，match() 將返回一個 MatchObject。因此你可以將結果保存在變量裏以便後面使用。

#!python

>>> m = p.match( 'tempo')

>>> print m

<_sre.SRE_Match object at 80c4f68>

現在你可以查詢 `MatchObject` 關於匹配字符串的相關信息了。MatchObject 實例也有幾個方法和屬性

正則表達式--import--re--string

985 碩士程序員，空窗 4 個月沒有 Offer！

一文搞懂 Spring 循環依賴

賽博鬥地主——使用大語言模型扮演Agent智能體玩牌類遊戲。

VScode右鍵打開(添加到右鍵)

記一次 .NET某工控視覺自動化系統卡死分析

pip 管理包

數學--import--math--cmath--random--PIL--

數據庫--import MySQLdb--cx_ora

oracle歷史知識備註 spool的設置安全-權限-Oracle自帶用戶

中國金融牌照大全

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結