Python标准库01 正则表达式(re包)

python正则表达式基础

简单介绍

正则表达式并不是python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。在提供正则表达式的语言里，正则表达式的语法是一样的，区别只在于不同的贬称语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的的部分。

正则表达式进行匹配的流程

正则表达式引擎“编译”<正则表达式>得到正则表达式对象(正则表达式引擎编译表达式字符串得到的对象，包含应如何进行匹配的信息)，正则表达式对象需要匹配的文本进行"匹配"，生成匹配结果(正则表达式对象对文本进行匹配后得到的结果，包含了这次成功匹配的信息，如匹配到的字符串、分组以及在文本中的索引)。

匹配大概过程

正则表达式的大致匹配过程是：一次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有些不同，但也是很好理解的，多看实例多使用几次就能明白。

python支持的正则表达式元字符和语法

语法         说明                                                表达实例        完整匹配的字符串
一般字符     匹配自身                                            abc             abc
.            匹配任意一个字符(除"\n"外)                          a.c             abc
\            转义字符, 使后一个字符改变原来的意思                a\.c            a.c
[...]        字符集(字符类)对应位置可以是字符集中任意一个字符    a[bcd]e         abe  ace  ade
a|b          字符a或字符b   <-等价于-> [ab]
[0-9]        数字0-9其中一个字符
[a-z]        小写字母a-z其中一个字符
[A-Z]        大写字母A-Z其中一个字符
[^m]         不是字符m
---------------------------------------------------------------------------------------------------
\d           数字：[0-9]                                         a\dc            a1c
\D           非数字：[^\d]                                       a\Dc            abc
\s           空白字符：[<空格>\t\r\n\f\v]                        a\sc            a c
\S           非空白字符：[^\s]                                   a\Sc            abc
\w           单词字符：[A-Za-z0-9]                               a\wc            abc
\W           非单词字符：[^\w]                                   a\Wc            a c
-------------------------数量词(重复)------------------------------------------------------
*            匹配前一个字符0次或无限次(>=0)                      abc*            ab  abc abcc abccc ...
+            匹配前一个字符1次或无限次(>=1)                      abc+            abc abcc abccc ...
?            匹配前一个字符0次或1次                              abc?            ab abc
{m}          匹配前一个字符m次                                   ab{2}c          abbc
{m,n}        匹配前一个字符m至n次(m<= >=n); m和n可以省略         ab{1,2}c        abc abbc
*? +? ?? {m,n}?  使* + ? {m,n}变成非贪婪模式
------------------------------边界匹配------------------------------------------------------
^            匹配字符串开头(在多行模式中匹配每一行的开头)
$            匹配字符串末尾(在多行模式中匹配每一行的末尾)
\A           仅匹配字符串开头                                    这几种匹配模式有点疑惑??????
\Z           仅匹配字符串末尾
\b           匹配\w和\W之间
\B           [^\b]
------------------------------逻辑、分组------------------------------------------------------
|            |代表左右表达式任意匹配一个(类似短路或,先匹配左边)  abc|def          abc def
(...)        被括起来的表达式将作为分组, 从表达式左边开始每遇到  (abc){2}         abcabc
             一个分组的左括号'(',编号+1;分组表达式作为一个整体,  a(123|456)c      a123c a456c
             可以后接数量词.表达式中的|仅在该组中有效
(?P<name>...)分组, 除了原有的编号外再指定一个额外的别名          (?P<id>abc){2}   abcabc
\<number>    引用编号为<number>的分组匹配到的字符串              (\d)abc\1        1abc1 5abc5
(?P=name)    引用别名为<name>的分组匹配到的字符串                (?P<id>\d)abc(?P=id) 1abc1 5abc5
------------------------------特殊构造(不作为分组)---------------------------------------------------
(?:...)      (...)的不分组版本, 用于使用'|'或后接数量词          (?:abc){2}        abcabc
(?iLmsux)    iLmsux的每个字符代表一个匹配模式, 只能用在正则的开头(?i)abc           Abc
(?#...)      #后的内容作为注释被忽略                             abc(?#comment)123 abc123
(?=...)      之后的字符串内容需要匹配表达式才能成功匹配,不消耗字符串内容  a(?=\d)  后面是数字的a
(?!...)      之后的字符串内容需要不匹配表达式才能成功匹配,不消耗字符串内容a(?!\d)  后面不是数字的a
(?<=...)     之前的字符串内容需要匹配表达式才能成功匹配,不消耗字符串内容(?<=\d)a   前面不是数字的a
(?<!...)     之前的字符串内容需要不匹配表达式才能成功匹配,不消耗字符串内容(?<!\d)a 前面不是数字的a

 

 

 

参考：

http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

http://www.runoob.com/python/python-reg-expressions.html

http://www.cnblogs.com/PythonHome/archive/2011/11/19/2255459.html

http://www.cnblogs.com/kaituorensheng/p/3489492.html