hello cc

python 正则表达式中的特殊符号介绍

Posted on 2014-11-20 17:28  星际海盗  阅读(944)  评论(0)    收藏  举报

ｐｙｔｈｏｎ 2.7.3

　　正则表达式：正则表达式就是根据自己的需要定义字符串而已，

　　定义方法：　s = r'\d{3,4}'    为了与字符串赋值做区分，定义时需要加个 r 。

　　用途　　： 定义好以后可以从其他给定的字符串(如网络数据流，网页代码)中查找与自己定义的字符串相同的字符串'. 如网页数据提取：自定义一个规则将网页中的内容按自己的规则提取出需要的东西。

目前在python 中，正则的使用通过re模块来实现，help(re) 查看详细介绍.

　　可以为想要匹配的相应字符串集指定规则；该字符串集可能包含英文语句、e-mail地址、TeX命令或任何你想搞定的东西。你也可以使用 RE 以各种方式来修改或分割字符串。正则表达式模式被编译成一系列的字节码，然後由用 C 编写的匹配引擎执行。在高级用法中，也许还要仔细留意引擎是如何执行给定 RE ，如何以特定方式编写 RE 以令生产的字节码运行速度更快。

 

############################  元字符　###########################

 一：字符匹配

１．普通字符匹配

　　　　123和123匹配

２．元字符匹配（help(re)中有详细说明）

元字符有以下几类：

1） 代表特殊含义的有：‘\’和‘.’ 两个

2） 有6个是字符类的：\d 、\D、\s、\S、\w、\W

3） 有四个位置类：\b、\B、\A、\Z、以及 (^,$)

4)  重复 的有： *、+、？、{}

5)  用于分组： （）

6)  可选：        |、[]

7) 6个编译选项：I、L、M、S、U、X

分别介绍其含义：

"."  表示任意字符
"^ " 表示字符串的起始、行首：>>>str='123,321,234,432,123'  

　　　　　　　　　　　　　  >>> ss='123' 

　　　　　　　　　　　　　  >>> re.findall(ss,str)    //从str中查找123

　　　　　　　　　　　　　　['123', '123']

　　　　　　　　　　　　　  >>>ss='^123'

　　　　　　　　　　　　　  >>>re.findall(ss,str)

　　　　　　　　　　　　　　['123']    #123是行首的那个

　　　　　　　　　　　　
"$" 表示字符串的结束　　

　　　　　　　　　　　　　 >>>ss='123$'　　将匹配最后的那个123

+ 　　表示匹配一或更多次

＊　　重复匹配０或更多次

？　　表示匹配零次或一次－
*?, +?, ??  符合条件的情况下，匹配的尽可能少//限制*,+,?匹配的贪婪性
{m}      匹配此前的字符，重复m次　　如：r='010-\d{8}' 将表示010-后面需要８个０到９的数字
{m,n}   m到n次，m，n可以省略

举个例子 ‘a.*b’ 表示a开始，b结束的任意字符串
a{5}  匹配连续5个a

[　] 

　》　表示一系列字符  [abcd] 表a，b，c，d 　注：ss = r'a[bcd]ef' ,将表示ss=abef 或acef或adef

　　　　[0-9]　表示0到９　[a]

　》　补集匹配不在区间内的字符：[^123] ,表示将匹配除了123的其它字符

|  A|B 表示A或者B , AB为任意的正则表达式  另外|是非贪婪的如果A匹配，则不找B
(…)  这个括号的作用要结合实例才能理解， 用于提取信息

\d  [0-9] 匹配任何十进制数  [0-9]
\D  非 \d 匹配任何非十进制数　[^0-9]
\s  表示字符 　　[\t\n\r\f\v]
\S  非字符　　    [^\t\n\r\f\v]
\w  匹配任何字母数字字符[a-zA-Z0-9_]     
\W  非 \w

 --------------------------------------

  6 个正则表达式的编译标志：

  • I (IGNORECASE) 用于不区分大小的匹配
  • L (LOCALE) 使得特殊的序列（如词和空格）与语言设置相关
  • M (MULTILINE) 意味着在多行中搜索该模式，这样 ˆ 可以匹配字符串的开始位置和每一个换行符后面的位置，$ 可以匹配每一个换行符前面的位置和字符串的结束位置
  • S (DOTALL) 强制使用点专用字符 (.) 匹配任意字符，包括换行符
  • U (UNICODE) 使得特殊的序列可以感知 Unicode
  • X (VERBOSE) 可以增强您编写的正则表达式的可读性。要一次使用多个标志，只需将它们加在一起即可 — 如 re.compile("Oracle", re.I+re.S+re.M)。

 

M属性介绍：

>>> s = '''
... baidu glgoo cnblogs
... cnblogs
... baidu 163 baidu
... glgoo cnblogs
... '''
>>> r = r'^glgoo'
>>> re.findall(r,s)
[]
>>> re.findall(r,s,re.M)
['glgoo']

 

X属性介绍

>> s = '''
... \d{3,4}
... -?
... \d{8}
... '''
>>> re.findall(s,'321-12345678')
[]
>>> re.findall(s,'321-12345678',re.X)
['321-12345678']

>>>s

'\n\\d{3,4}\n-?\n\\d{8}\n' 

用'''定义的字符串存储时是用\n链接的，

 

hello man