python正则表达式

正则表达式元字符

• 常见

^  匹配字符串的起始位置
$  匹配字符串的结束位置
.  匹配除了换行符以外的任意字符
*  匹配 "*" 前面的表达式任意次
？ 匹配前面的表达式0或1次
+  匹配前面的表达式1或多次
|  对两个匹配条件进行or运算
() 将括号里面视为一组
\  类似于转义字符，在匹配特殊字符时使用：\ 和 '和 "和 ( 和  )
re.match(r'c:\\', 'c:\\a').group(0)   过滤后为 c:\，转义了前面的 \

• 自己可以设条件

{n}  匹配n次
{n,}   最少匹配n次
{n,m}  最少匹配n次，最多m次

• 自带条件

[0-9]  匹配数字
[a-z]  匹配字母
[A-Z]  大写字母
[a-zA-Z0-9]   任意字母和数字
[\u4e00-\u9fa5]   所有中文字符

\u 是 Unicode 转义字符的前缀，用于表示 Unicode 编码的字符。
\u4e00-\u9fa5 是一个 Unicode 范围，表示从 \u4e00 到 \u9fa5 的所有字符。
具体解释：
\u4e00 是汉字“一”（U+4E00）的 Unicode 编码。
\u9fa5 是汉字“龥”（U+9FA5）的 Unicode 编码。
因此，\u4e00-\u9fa5 表示所有常见的汉字字符范围，涵盖了大部分简体和繁体汉字。

• 特殊条件

\d   1个数字字符
\D   1个非数字字符
\w   任意单词字符，包含下划线
\W   任意非单词字符
\s   不可见字符，空格，换行，制表，换页符等
\S   可见字符
\A   字符串开始
\z   字符串结束
\Z   字符串结束，如果换行，只匹配到换行之前的内容
\G   最后匹配完成的位置
\b   单词边界
\B   非单词边界
\n,\t    换行，制表符
\<number>   引用编号位number的组匹配的字符串

• 复杂使用

(?#....)  '#'后的内容作为注释，忽略

(?=....)   目标字符串之后紧跟的字符串，需要匹配 '=' 之后的表达式
(?!....)   目标字符串之后紧跟的字符串，需要不匹配 '=' 之后的表达式

(?<=...)   目标字符串之前紧跟的字符串，需要匹配 '=' 之后的表达式
(?!<...)   目标字符串之前紧跟的字符串，需要不匹配 '=' 之后的表达式

使用

re.match

re.match(pattern, string)
pattern ==>'[a-z]*'     string ==>要过滤的语句  都是字符串

re.match(r'[a-z]*' , 'hello111').group(0)

re.match(r...)
含有转义字符时，在正则表达式前加 "r"

re.compile

re.compile(pattern, flags)

pattern = re.compile(r'[a-z]*']
re.match(pattern, 'hello111').group(0)

区别：
re.match中 type(pattern) = string
re.compile中 type(pattern) = 正则表达式对象

flags 的值

re.I	忽略大小写
re.M	多行模式

pattern1 = re.compile(r'[a-z] + [a-z] +' ,re.I) 
re.match(pattern1, 'Hello paTHon').group(0)   ==>  Hello paTHon