Python正则表达式整理

#功能：
#匹配、搜索、替换、分割

re.compile(pattern[, flags])                      编译正则表达式pattern为 `RegexObject` 实例，可以为不同的操作提供方法，如模式匹配搜索或字符串替换等。

re.search(pattern, string[, flags])   扫描字符串string，找到与 pattern匹配的元素，并返回 MatchObject实例，没有找到匹配的元素则返回None  
re.match(pattern, string[, flags])   扫描字符串string，看string是不是与该 pattern匹配，匹配则返回 MatchObject实例，不匹配则返回None
re.split(pattern, string[, maxsplit=0])   扫描字符串string，将与pattern匹配的子串作为分隔符来分割string，可以指定最大分割次数。如果指定0，则表示全部分割。返回值为分割后的字串组成的列表。
re.findall(pattern, string[, flags])  扫描字符串string，将string中所有与pattern匹配的子串以列表的形式返回
*re.finditer(pattern, string[, flags])   扫描字符串string，返回string中所有与pattern匹配的子串的迭代器
re.sub(pattern, repl, string[, count])   扫描字符串string，替换所有与pattern匹配的子串为repl，并可以通过设置count的值来指定最大替换次数，返回替换后的字符串，count为0时替换全部符合pattern的字串
re.subn(pattern, repl, string[, count])   与re.sub()同，只不过返回的是一个元组，元组第一项为替换后的字符串，第二项为替换了的次数
re.escape(string)     将字符串中的non-alphanumerics字符（我已不知道该怎么翻译比较好了）用反义字符的形式显示出来。

Regular Expression Objects
RegexObject.match(string[, pos[, endpos]])
RegexObject.search(string[, pos[, endpos]])
RegexObject.split(string[, maxsplit=0])
RegexObject.findall(string[, pos[, endpos]])
RegexObject.finditer(string[, pos[, endpos]])
RegexObject.sub(repl, string[, count=0])
RegexObject.subn(repl, string[, count=0])
RegexObject.flags
RegexObject.groupindex
RegexObject.pattern

Match Objects
MatchObject.expand(template)   根据一个模版用找到的内容替换模版里的相应位置 。它根据一个模版来用匹配到的内容替换模版中的相应位置，组成一个新的字符串返回。它使用\g<index|name>或 \index 来指示一个组。
MatchObject.group([group1, ...])  获取匹配的组，缺省返回组0,也就是全部值
MatchObject.groups([default])   返回全部的组
MatchObject.start([group])    获取匹配的组的开始位置
MatchObject.end([group])   获取匹配的组的结束位置
MatchObject.span([group])     获取匹配的组的（开始，结束）位置
MatchObject.pos
MatchObject.endpos
MatchObject.lastindex
MatchObject.lastgroup
MatchObject.re
MatchObject.string

pattern: 正则表达式模式
string: 进行操作的字符串对象
flags：可选参数，进行匹配的标志
maxsplit：可选参数，最大分割次数
repl：要替换成的内容
count：可选参数，最大替换次数
pos：可选参数，进行匹配、查找的起始位置
endpos：可选参数，进行匹配、查找的结束位置
group: 可选参数，分组编号，可以为组的名字或数字编号（从1开始算起）

基本元字符：
.  匹配任意单个字符
|  逻辑或操作符
[]  匹配字符集合中的一个字符
[^]对字符集合求非
- 定义一个区间（例如[a-z])
\ 对下一个字符转义

数量元字符
*  匹配前一个字符（子表达式）的零次或多次重复
*？  *的懒惰型版本
+  匹配前一个字符（子表达式）的一次或多次重复
+?  +的懒惰型版本
?  匹配前一个字符（子表达式）的零次或一次重复
{n}  匹配前一个字符（子表达式）的n次重复
{m,n}  匹配前一个字符（子表达式）至少m次重复，至多n次重复
{m,n}?  {m,n}的懒惰型版本，原来能匹配n个旧匹配n个，现在能匹配m个就匹配m个
{n,}  匹配前一个字符（子表达式）n次或更多次重复
{n,}?   {n,}的懒惰型版本

位置元字符
^匹配字符串的开头，多行模式下为每行的开头
\A  匹配字符串开头，单行模式下匹配每一行开头，多行模式下只匹配第一行开头
$   匹配字符串结束，多行模式下为每行的结束
\Z  匹配字符串结束，单行模式下匹配每一行结束，多行模式下只匹配最后一行结束
【\< 匹配单词的开头】
【\> 匹配单词的结束】
\b  匹配单词边界：[^a-zA-Z0-9]
\B  匹配非单词边界：[^\b]

 

以'\'开头的元字符
\d  匹配任何十进制数： [0-9]。
\D  匹配任何非数字字符： [^0-9]。
\s  匹配任何空白字符： [ \t\n\r\f\v]。
\S  匹配任何非空白字符： [^ \t\n\r\f\v]。
\w  匹配任何字母数字字符： [a-zA-Z0-9_]。
\W  匹配任何非字母数字字符： [^a-zA-Z0-9_]。
\b  匹配单词边界：[^a-zA-Z0-9]
\B  匹配非单词边界：[^\b]
\A  匹配字符串起始位置，单行模式下匹配每一行起始位置，多行模式下只匹配第一行起始位置
\Z  匹配字符串结束位置，单行模式下匹配每一行结束位置，多行模式下只匹配最后一行结束位置
\number 匹配组名称相同的字符串。
[\b]  退格符
\c  匹配一个控制字符
\f  换页符
\n  换行符
\r  回车符
\t  制表符(Tab字符)
\v  垂直制表符
\\  匹配一个反斜杠本身
\x  匹配一个十六进制数字
\0  匹配一个八进制数字

flags

DOTALL, S 使 . 匹配包括换行在内的所有字符 
IGNORECASE, I 使匹配对大小写不敏感 
LOCALE, L  做本地化识别（locale-aware）匹配 
MULTILINE, M 多行匹配，影响 ^ 和 $ 
VERBOSE, X 能够使用 REs 的 verbose 状态，使之被组织得更清晰易
UNICODE, U 匹配Unicode字符

回溯引用和前后查找
() 定义一个子表达式
\1 匹配地1个子表达式；\2代表第2个子表达式，依次类推
?= 向前查找
?<= 向后查找
?! 负向查找
?!= 负向后查找
?() 条件(if then)
?()|　条件(if then else)

大小写转换
\E 结束\L或\U转换
\l 把下一个字符转换为小写
\L 把后面的字符转换为小写，直到遇见\E为止
\u 把下一个字符转换为大写
\U 把后面的字符转换为大写，知道遇见\E位置

匹配模式
(?m) 分行匹配模式

 

I IGNORECASE 忽略大小写区别。
L LOCAL 字符集本地化。这个功能是为了支持多语言版本的字符集使用环境的，比如在转义符\w，在英文环境下，它代表[a-zA-Z0-9]，即所以英文字符和数字。如果在一个法语环境下使用，缺省设置下，不能匹配"é" 或 "?"。加上这L选项和就可以匹配了。不过这个对于中文环境似乎没有什么用，它仍然不能匹配中文字符。
M MULTILINE 多行匹配。在这个模式下’^’(代表字符串开头)和’$’(代表字符串结尾)将能够匹配多行的情况，成为行首和行尾标记。比如

>>> s=’123 456\n789 012\n345 678’

>>> rc=re.compile(r’^\d+’) #匹配一个位于开头的数字，没有使用M选项

>>> rc.findall(s)

['123'] #结果只能找到位于第一个行首的’123’

>>> rcm=re.compile(r’^\d+’,re.M) #使用 M 选项

>>> rcm.findall(s)

['123', '789', '345'] #找到了三个行首的数字

同样，对于’$’来说，没有使用M选项，它将匹配最后一个行尾的数字，即’678’，加上以后，就能匹配三个行尾的数字456 012和678了.

>>> rc=re.compile(r’\d+$’)

>>> rcm=re.compile(r’\d+$’,re.M)

>>> rc.findall(s)

['678']

>>> rcm.findall(s)

['456', '012', '678']

 

S DOTALL ‘.’号将匹配所有的字符。缺省情况下’.’匹配除换行符’\n’外的所有字符，使用这一选项以后，’.’就能匹配包括’\n’的任何字符了。

 

U UNICODE \w, \W, \b, \B, \d, \D, \s 和 \S都将使用Unicode。

 

X VERBOSE 这个选项忽略规则表达式中的空白，并允许使用’#’来引导一个注释。这样可以让你把规则写得更美观些。比如你可以把规则

>>> rc = re.compile(r"\d+|[a-zA-Z]+") #匹配一个数字或者单词使用X选项写成：

>>> rc = re.compile(r""" # start a rule\d+ # number| [a-zA-Z]+ # word""", re.VERBOSE)在这个模式下，如果你想匹配一个空格，你必须用'\ '的形式（'\'后面跟一个空格）