PythonRegex的使用相關教程

PythonRegex簡單使用,

元字元

1.匹配元字元：

. 它匹配除了換行字元外的任何字元，在 alternate 模式（re.dotaLL）下它甚至可以匹配換行
^ 匹配行首。除非設定 MULTILINE 標誌，它只是匹配字串的開始。
$ 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。
[] 它們常用來指定一個字元類別，所謂字元類別就是你想匹配的一個字元集
\ 反斜線後面可以加不同的字元以表示不同特殊意義。它也可以用於取消所有的元字元，這樣你就可以在模式中匹配它們了
| 可選項，或者 "or" 操作符。
() 一般情況下表示一個記憶組 (remembered group)。你可以利用 re.search 函數返回對象的 groups() 函數擷取它的值

2.重複元字元：

* 重複0或N次
+ 重複1或N次
? 重複0或1次
{m,n} 該限定符的意思是至少有 m 個重複，至多到 n 個重複

3.用 "\" 開始的預定義字元集

\d 匹配任何十進位數；它相當於類 [0-9]。
\D 匹配任何非數字字元；它相當於類 [^0-9]。
\s 匹配任何空白字元；它相當於類 [ \t\n\r\f\v]。
\S 匹配任何非空白字元；它相當於類 [^\t\n\r\f\v]。
\w 匹配任何字母數字字元；它相當於類 [a-zA-Z0-9_]。
\W 匹配任何非字母數字字元；它相當於類 [^a-zA-Z0-9_]。
\A 只匹配字串首。當不在 MULTILINE 模式，\A 和 ^ 實際上是一樣的。然而，在 MULTILINE 模式裡它們是不同的；\A 只是匹配字串首，而 ^ 還可以匹配在分行符號之後字串的任何位置。
\Z 只匹配字串尾。
\b 單詞邊界。這是個零寬界定符（zero-width assertions）只用以匹配單詞的詞首和詞尾。單詞被定義為一個字母數字序列，因此詞尾就是用空白符或非字母數字元來標示的。
\B 另一個零寬界定符（zero-width assertions），它正好同 \b 相反，只在當前位置不在單詞邊界時匹配。

註：[akm$]將匹配字元"a", "k", "m", 或 "$" 中的任意一個；"$"通常用作元字元，但在字元類別裡，其特性被除去，恢複成一般字元。

RegexObject(re)對象常用方法

matchObject=re.match(pattern,string,flag='0')：決定 RE 是否在字串剛開始的位置匹配
matchObject=re.search(pattern,string,flag='0')：掃描字串，找到這個 RE 匹配的位置
tuple=re.findall(pattern,string,flag='0') ：找到 RE 匹配的所有子串，並把它們作為一個列表返回
matchObjectList=re.finditer(pattern,string)：找到 RE 匹配的所有子串，並把它們作為一個迭代器返回

MatchObject對象的常用方法

findstring = matchObject.group() ：返回被 RE 匹配的字串
i = matchObject.start() ：返回匹配開始的位置
i = matchObject.end() ：返回匹配結束的位置
start,end = matchObject.span() ：返回一個元組包含匹配 (開始,結束) 的位置

編譯標誌

DOTALL, S ：使 . 匹配包括換行在內的所有字元
IGNORECASE, I： 使匹配對大小寫不敏感
LOCALE, L ：做本地化識別（locale-aware）匹配
MULTILINE, M： 多行匹配，影響 ^ 和 $
VERBOSE, X ：能夠使用 REs 的 verbose 狀態，使之被組織得更清晰易懂

使用心得

1.先編譯後使用：re.compile('pattern')

2.切勿重複編譯：放入全域空間或放入cell空間並執行個體出一個閉包執行個體