pythonRegex介紹及使用方法

1.Regex介紹

Regex（RE）是一種小型的、高度專業化的程式設計語言，它內嵌在python中，並通過re模組實現。

    可以為想要匹配的相應字串集指定規則

    該字串集可能包含英文語句、email地址、命令或任何你想搞定的東西

    可以問諸如“這個字串匹配該模式嗎”

    “在這個字串中是否有部分匹配該模式呢”

    你也可以使用RE以各種方式來修改或者分割字串

Regex模式被編譯成一系列的位元組碼，然後由用C編寫的匹配引擎執行

Regex語音相對小型和受限（功能有限）

並非所有字串處理都能用Regex完成

字元匹配：

    一般字元

        大多數字母和字元一般都會和自身匹配

    元字元：

1.[ ]

    常用來指定一個字元集：[abc]; [a-z]; [0-9]

    元字元在字元集中不起作用：[akm$]

    補集匹配不在區間範圍內的字元：[^5] ; [^abc]

2.^

    匹配行首。除非設定MULTILINE標誌，它只是匹配字串的開始。在MULTILINE模式裡，它可以直接匹配字串中的每個換行。

3.$

    匹配行尾，行尾被定義為要麼是字串尾，要麼是一個換行字元後面的任何位置。

4.\

    反斜線後面可以加不同的字元以表示不同的特殊意義

    也可以用於取消所有的元字元：\[] 或 \\

    \d 匹配任何-十進位數；它相當於[0-9]

    \D匹配任何非數字字元，它相當於[^0-9]

    \s匹配任何空白字元，它相當於[\t\n\r\f\v]

    \S匹配任何非空白字元，它相當於[^\t\n\r\f\v]

    \w匹配任何字母數字字元，它相當於[a-zA-Z0-9_]

    \W匹配任何非字母數字字元，它相當於[^a-zA-Z0-9_]

5.重複

    Regex的第一功能是能夠匹配不定長的字元集，另一個功能是你可以指定Regex的一部分重複次數；重複次數放在大括弧裡面

    c{8}表示重複8次c；   \d{8}表示8位元字

6.*

    指定前一個字元可以被匹配0次或多次，而不是只有一次。匹配引擎會試著重複儘可能多的次數（不超過整數界定範圍20億）

7.+

    表示匹配一次或更多次，

    *和+之間的不同：*匹配0或更多次，+匹配一或更多次

8.？

    匹配一次或零次：你可以認為它用於標誌某事物是可選的

    ？家長重複（6，7）後面可以做最小匹配，a*?表示匹配0次a，a+?表示匹配一次a
9.*?, +?, ??

    非貪婪匹配，匹配最少的    

    <*> 會匹配'<H1>title</H1>'整個字串（貪婪匹配），使用 *? 可以只找出 <H1>（非貪婪匹配）

10.{m,n}

    其中m和n都是十進位整數，該限制符的意思是至少有m個重複，至多有n個重複。a\{1,3}b

    忽略m會認為下邊界是0，忽略n認為上邊界是無窮大（實際上是20億）

    {0,}等同於*； {1,}等同於+； {0,1}等同於?;如果可以的話最好用*   +   或?

11. |

    或者，只匹配其中一個運算式，

    A|B，如果 A 匹配了，則不再尋找 B，反之亦然

12.(...)

    匹配括弧中的任意Regex

13.(?#...)

    注釋，忽略括弧內的內容

14.(?=...)

    運算式‘...’之前的字串，

    在字串’ pythonretest ’中 (?=test) 會匹配’ pythonre ’

15.(?!...)

    後面不跟運算式'...'的字串，

    如果’ pythonre ’後面不是字串’ test ’，那麼 (?!test) 會匹配’ pythonre ’

16.(?<=...)

   跟在運算式’…’後面的字串符合括弧之後的Regex

    Regex’ (?<=abc)def ’會在’ abcdef ’中匹配’ def ’

17.(?<!...)

    括弧之後的Regex不跟在’…’的後面

2.如何使用正則表達Regex’ (?<=abc)def ’會在’ abcdef ’中匹配’ def 式    re模組提供了一個Regex引擎的介面，可以讓你將REstring編譯成對象並用它們來進行匹配    編譯Regex：    import re    p = re.compile(規則)    例如：    

>>> r1 = r"\d{3,4}-?\d{8}$">>> p_tel = re.compile(r1)>>> p_tel<_sre.SRE_Pattern object at 0x01BEFA30>>>> p_tel.findall("056179882523")['056179882523']

    re.compile()也可接受可選的標誌參數，常用來實現不同的特殊功能和文法變更。忽略大小寫需要編譯的時候加上re.I

    

>>> c_rel = re.compile(r"ahnu",re.I)>>> c_rel.findall("Ahnu")['Ahnu']>>> 

    Regex執行匹配

    match():決定RE是否在字串剛開始的位置匹配

    search()：掃描字串，找到這個RE匹配的位置

    findall():找到RE匹配的所有子串，並將他們作為一個列表返回

    finditer()：找到RE匹配的所有子串，並將他們做為一個迭代器返回

如果沒有匹配成功，match()和search()方法會返回一個None，如果成功的話，會返回一個matchobject對象

    MatchObject執行個體方法：

    group():返回被RE匹配的字串

    start():返回匹配開始的位置

    end():返回匹配結束的位置

    span():返回一個元組包含匹配（開始，結束）位置

     實際程式中，最常見的方法是將MatchObject儲存在一個變數裡，然後檢查它是否為None

    

p = re.compile(...)m = p.match("string goes here")if m :    print "Match found:",m.group()else:    print"match not found"

    模組層級函數：

    re模組也提供了頂級函數調用如match()、search()、sub()、subn()、split()、sindall()等

   sub和subn是替換函數，

re.sub(pattern, repl, string[, count, flags])

在字串 string 中找到匹配Regex pattern 的所有子串，用另一個字串 repl 進行替換。如果沒有找到匹配 pattern 的串，則返回未被修改的 string。Repl 既可以是字串也可以是一個函數。對於 RegexObject 有：

sub(repl, string[, count=0])

此文法的樣本有：

    

>>> l = "ahnu ahnn ahun sshh ahhh">>> res = "ah..">>> re.sub(res,"python",l)'python python python sshh python'>>> re.subn(res,"python",l)('python python python sshh python', 4)>>> 

    split()是分割函數

    

>>> res = r"[\+\-\*/]">>> l = "1+6-6*7/9">>> re.split(res,l)['1', '6', '6', '7', '9']>>> 

    編譯標誌：

    DOTALL,S:使.匹配包括換行在內的所有字元

    

>>> r1 = r"csvt.net">>> re.findall(r1,"csvt.net")['csvt.net']>>> re.findall(r1,"csvtonet")['csvtonet']>>> re.findall(r1,"csvt\nnet")[]>>> re.findall(r1."csvt\tnet")SyntaxError: invalid syntax>>> re.findall(r1,"csvt\tnet",re.S)['csvt\tnet']>>> 

    IGNORECASE,I:使匹配對大小寫不敏感

    MULTLINE,M:多行匹配，影響^和$

>>> s = """ahnu hellohello ahnuahnu i love lyoui love you ahnu""">>> r = r"^ahnu">>> re.findall(r,s)[]>>> re.findall(r,s,re.M)['ahnu', 'ahnu']>>> 

    VERBOSE,X:能夠使用REs的verbose狀態，忽略空格和#後面的注釋，使之被組織的更清晰易懂

>>> s = """\d{3,4}-?\d{7}""">>> re.findall(s,"05617988252")[]>>> re.findall(s,"05617988252",re.X)['05617988252']>>> 

    LOCALE,L:做本地化識別，匹配本地特殊文法