python中的正则表达式的使用

符号　　　　　　含义　　　　　　　　　　　　　　　　　　　　　举例说明

.         表示任何单个字符
【】           字符串，对单个字符给出取值范围        [abc]表示a,b,c，[a-z]表示a到z单个字符(或的关系)
[^]       非字符集，对单个字符给出排除范围      　　[^abc]表示非a或b或c的单个字符
*         星号之前的一个字符0次或无限次扩展     　　abc*表示ab,abc,abcc,abccc等等
+          加号之前的一个字符1次或无限次扩展    　　abc+表示abc,abcc,abccc等等
?          问好前的一个字符0次或者1次扩展         abc?表示ab,abc
|         表示左右表达式任意一个                 abc|dcf表示abc或者bcf

{m}          扩展前一个字符m次                    ab{2}c表示abbc
{m,n}      扩展前一个字符m到n次                ab{1,2}c表示abc或者abbc
^          如果没有出现在中括号中                ^abc表示abc且在一个字符串的开头部分
          则表示匹配字符串开头部分

$          匹配字符串结尾                        abc$表示abc且在一个字符串的结尾
()          分组标记，内部只能使用|操作符        (abc)表示abc,(abc)(def)表示abc,def
\d        数字，等价于[0-9]            
\w        单词字符，等价于[A-Za-z0-9_]

例子：
正则表达式                    对应字符串
p(y|yt|yth|ythq)?n            'pn','pyn','pytn','pythn','pythqn'
python+                        'python','pythonn'....
py[th]on                    'pyton','pyhon'
py[^th]?on                    'pyon','pyaon','pybon','pycon'...不能出现t或者h
py{:3}n                        'pn','pyn','pyyn','pyyyn'

经典的正则表达式
^[A-Za-z]+$                    由26个字母组成的字符串(^和$说明匹配整个字符串)
^[A-Za-z0-9]+$                由26个字母和数字组成的字符串
^-?\d+$                        整数形式的字符串
[1-9]\d{5}                    中国境内邮政编码,6位
[\u4e00-\u9fa5]                匹配中文字符(使用utf-8编码定义了中文字符的编码返回)
\d{3}-\d{8}|\d{4}-\d{7}        国内电话号码

如何构造正则表达式
    ip地址字符串形式的正则表达式：
    （ip地址分为4段，每段0~255)
    (([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5].){3}[1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])

re库的基本使用
正则表达式的表示类型
raw string类型(原生字符串类型)
    re库采用raw string类型表示正则表达式，表示为：r'text'
    例如：r'[1-9]\d{5}'
    raw string是指不包含转义字符的字符串
    string类型比较繁琐

常用功能函数：
1、re.search()    在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
    re.search(pattern,string,flags=0)
    pattern:正则表达式的字符串或原生字符串表示
    string:带匹配字符串
    flags:正则表达式使用的标记： re.I 忽略大小写
                               re.M 从每一行的开始部分进行匹配
                               re.S 正则表达式让'.'操作符可以匹配所有字符（默认情况下不能匹配换行符）

2、re.match()    从一个字符串的开始位置起匹配正则表达式,返回match对象
    re.match(pattern,string,flags)

3、re.findall() 搜索字符串，让列表类型返回全部能匹配的子串
    re.findall(pattern,string,flags=0)
        maxsplit:最大分割数，剩余部分作为最后一个元素输出

4、re.split() 把一个字符串按照正则表达式匹配结果进行分割，返回列表类型
    re.split(pattern,string maxsplit=0,flags=0) 匹配到的会被去掉

5、re.finditer() 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是matche对象

6、re.sub() 在一个字符串中替换所有匹配正则表达式的子串，然后返回替代后的字符串
    re.sub(pattern,repl,string,count = 0,flags=0)
        repl:替换匹配字符串的字符串
        count:匹配的最大替换次数

re库的另一种使用方法：
    regex = re.compile(pattern,flags=0)
    将正则表达式的字符串形式编译为正则表达式对象
        pattern：正则表达式的字符串或者原生字符串表示
        flags: 正则表达式使用时的控制标记

    regex对象由上面的六个经常使用的六个函数




match对象的使用：
    可以使用if语句来判断match是否成立
    属性：
        .string       待匹配的文本 也就是输入的等待使用正则表达式进行匹配的文本
        .re           匹配对使用的pattern对象（正则表达式）
        .pos          正则表达式搜索文本的开始位置
        .endpos       正则表达式搜索文本的结束位置

    方法：
        .group(0)    获得匹配后的字符串 返回的是匹配到的第一个字符串
        .start()      匹配字符串在原始字符串中的开始位置
        .end()         匹配字符串在原始字符串中的结束位置
        .span()        返回(.start(),.end()）



            贪婪匹配

re库默认采用贪婪匹配，即输出匹配最长的子串
    match = re.search(r'py.*n','pyanbncndn')
    match.group(0)
    输出结果：'pyanbncndn'
            最小匹配

    match = re.search(r'py.*?n','pyanbncndn')
    match.group(0)
    输出结果：'pyan'


    最小匹配操作符
*?      前一个字符0次或无限次扩展，但此时使用最小匹配
+?        前一个字符1次或无限次扩展，此时使用最小匹配
??        前一个字符0次或者1次扩展，此时使用的是最小匹配
{m:n}?  扩展前一个字符m至n次(含n)，最小匹配