Python正则表达式总结

写在前面

一篇正则小笔记。断断续续看过正则的一些知识，总感觉要记的挺多，每次都随手一写，然后由于使用的机会也不多所以啊永远是看了忘忘了看。

正则表达式是一些由字符和特殊符号组成的字符串，能按照某种模式匹配一系列有相似特征的字符串。Python中通过标准库中的re模块来支持正则表达式。当然，正则表达式并不是python所特有的，在其他语言中也是支持的，其中关于正则表达式的部分是一样的，只是可能调用的一些函数会有简单区别。

正则表达式语法

在实际解决问题中，需要匹配的文本模式有很多，当然这里的语法也就会有很多。下面是一个关于正则表达式的小册子

练习与验证工具

emmmm，掌握一种技能的方式不外乎是反复地练习，如果你也有这个想法，可以试试下面这个正则表达式的练习网站：Regex Golf。

或者你只是想自己尝试一下上面小册子里的语法，可以去这个正则表达式匹配网站进行验证：正则表达式在线验证。

Good Luck！

Python案例

掌握了以上正则表达式的语法以后，当然要结合代码进行应用。在python语言里面，通过re模块进行对正则表达式的支持。

使用re的一般步骤是：

利用compile方法将正则表达式的字符串形式编译为一个Pattern实例；
利用match方法处理文本并获得匹配结果；
使用match实例获得信息，进行其他相应操作。

import re

#将正则表达式编译成一个pattern对象
pattern = re.compile(r'hello.*\!')

#使用pattern匹配文本，获得匹配结果，无法匹配时返回None
match = pattern.match('hello, kaiyuan! Where are you from?')
if match:
    #输出match获得的分组xinx
    print(match.group())

"""
结果应该是
hello，kaiyuan！
"""

re.compile(strPattern[,flag]):

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。

第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。

当然，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)等价于re.compile('(?im)pattern')

flag可选值有：

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）

re.M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）

re.S(DOTALL): 点任意匹配模式，改变'.'的行为

re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定

re.U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性

re.X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：
regex_1 = re.compile(r"""\d +  # 数字部分
                         \.    # 小数点部分
                         \d *  # 小数的数字部分""", re.X)
regex_2 = re.compile(r"\d+\.\d*")

Match

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获得这些信息。

match属性

string: 匹配时使用的文本。

re: 匹配时使用的Pattern对象。

pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。

lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

match方法

group([group1, …]):
获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。

groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。

groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。

start([group]):
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。

end([group]):
返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。

span([group]):
返回(start(group), end(group))。

expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g、\g引用分组，但不能使用编号0。\id与\g是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

Pattern

pattern对象是一个编译好的正则表达式，通过python提供的一些列方法可以对文本进行匹配查找。

pattern不能直接实例化，必须使用re.compile()进行构造

Pattern提供了几个可读属性用于获取表达式的相关信息：

pattern: 编译时用的表达式字符串。

flags: 编译时用的匹配模式。数字形式。

groups: 表达式中分组的数量。

groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

以上~