python模块--正则表达式

1     什么是正则？

匹配字符串内容的一种规则

在线测试工具 http://tool.chinaz.com/regex/

 

正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

2     正则表达式的作用

 

（1）     从大段的文字中找到符合规则的内容，如把一个文件中所有的手机号找出来。

一般在爬虫、日志分析中用的较多

（2）     判断某个字符串是否完全符合规则，如验证注册时输入的手机号是否合法，一般

在前端中网页注册中用的较多

 

3     正则表达式的规则

正则表达式只和字符串打交道

4     字符组

[0-9]	匹配数字
[a-z]	匹配小写字母
[A-Z]	匹配大写字母
[a-zA-Z]	匹配大小写字母
[a-zA-Z0-9]	匹配大小写字母+数字
[a-zA-Z0-9_]	匹配数字字母下滑线
[0-9a-fA-F]	可以匹配数字，大小写形式的a~f，用来验证十六进制字符

 

5     元字符

\w	匹配数字字母下划线 ，word关键字 [a-zA-Z0-9_]
\W(大写)	匹配非数字字母下划线
\d	匹配所有的数字     digit     [0-9]
\D(大写)	匹配所有的非数字
\s	匹配所有的空白符  换行符、 制表符 、空格   space  [\n\t  ]
\S(大写)	匹配任意非空字符
\b	表示单词的边界（一个单词结尾的、开头的）
\t	匹配tab制表符
\n	匹配换行符
^	匹配一个字符串的开始
$	匹配一个字符串的结尾
.	表示匹配除了换行符之外的所有字符
a|b	匹配字符a或字符b
()	分组  表示给几个字符加上量词约束的需求的时候,就给这些量词分在一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符 有一些特殊意义的元字符进入字符组里就会恢复本来的意义：（： .  |  [ ] (    )  ）
\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

 放在字符组中的元字符会现原形（     ） .   |   ?  +  *  -  号在中括号中有特殊意义，需要转义

6     量词

{n}	表示 这个量词之前的字符出现n次
{n,}	表示这个量词之前的字符至少出现n次
{n,m}:	表示这个量词之前的字符出现n-m次
？	表示匹配量词之前的字符出现0次或1次，表示可有可无
+	表示匹配量词之前的字符出现1次或多次
*	表示匹配量词之前的字符出现0次或多次

 

7     转义符

如果有特殊意义，加上转义，就会去掉特殊意义，如果没有特殊意义，加上转义，就有特殊意义

8     正则表达式的贪婪与惰性

8.1   贪婪性

会在允许的范围内取最长的结果

所谓贪婪性，就是从头到尾匹配所有满足条件的，然后匹配到尾后在回溯会想要匹配的最后一个数，这样看的结果，实际上前面所有的满足条件的都在最后的结果里，这就是贪婪性

 

8.2   惰性

非贪婪模式/惰性匹配：在量词的后面加上？

例子：

.*?x   匹配任意非换行符字符任意长度 直到遇到x就停止

 

可以参考：http://www.cnblogs.com/Eva-J/articles/7228075.html的正则部分