python正則表達式複習1

元字符

. ^ $ * + ? { } [ ] \ | ( )

方括號與特殊字符

[^]:取反
[$]: 去除了元字符含義
[|]：去除元字符含義

\d [0-9]
\D [^0-9]
\s [ \t\n\r\f\v] 匹配所有空字符
\S [^ \t\n\r\f\v] 匹配所有非空字符
\w [a-zA-Z0-9_] 匹配包括下劃線的文字字符
\W [^a-zA-Z0-9_] 取\w的反

\A 匹配開頭， 與^不同之處在於多行時，^代表每行的開頭，而\A就指字符串開頭
\Z 字符串結尾
\b 單詞邊界
\B \b取反

這些特殊含義字符可以放到方括號中[], [\s,\.] 表示可以是空字符，逗號，點

點代表除換行符以外的字符，re.DOTALL 控制點是不是代表所有字符

元字符含義

* 貪婪模式重複匹配 ，零次或者多次
+ 一次或者多次
? 零次或者一次
{m,n} 至少m次，不超過n次
() 分組

* {0,}
+ {1,}
? {0,1}

模式

? 當該字符緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜索的字符串，而默認的貪婪模式則儘可能多的匹配所搜索的字符串。

(pattern) 匹配pattern 並獲取這一匹配。

(?:pattern) 匹配pattern 但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。

(?=pattern) 正向預查，在任何匹配 pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。

(?!pattern) 負向預查，與(?=pattern)作用相反

re模塊

通過編譯好的正則表達式對象，可以間接的提高正則表達式的效率
p = re.compile('ab*', re.IGNORECASE)
p = re.compile('ab*')

正則表達式對象，有4個方法
match()     從字符串開頭匹配
search()    掃描整個字符串，看能否找到匹配項
match和search的區別在於:
match從字符串的開始處匹配，而search是從整個字符串來匹配的，
如re.match('foo', 'seafood')將匹配失敗， re.search('foo', 'seafood')則匹配成功

findall()   找到所有的匹配項，並返回一個列表
finditer()  找到所有匹配項，並返回一個iterator

match對象有4個方法
Method/Attribute    Purpose
group() 返回匹配的字符串
start() 返回匹配字符串的起始位置
end()   返回匹配字符串的結束位置
span()  返回位置對（起始位置，結束位置）

group(0) 所有匹配，默認選項
group('name') 可以給組指定名字
groups() 返回一個匹配的元組

注：加上re.VERBOSE排除註釋，有了註釋的好處就是方便回頭理解正則表達式代碼

    charref = re.compile(r"""
     &[#]                # Start of a numeric entity reference
     (
         0[0-7]+         # Octal form
       | [0-9]+          # Decimal form
       | x[0-9a-fA-F]+   # Hexadecimal form
     )
     ;                   # Trailing semicolon
    """, re.VERBOSE)

修改string的方法

split() 通過匹配項進行分割，分割成list
sub()   找到所有匹配項，並替換
subn()  與sub方法相同，只是返回替換後的字符串和替換的數量

實例

通過match 定位匹配字符串位置

import re
    pattern = 'this'
    text = 'Does this text match the pattern?'
    match = re.search(pattern, text)
    s = match.start()
    e = match.end()

    print 'Found "%s" in "%s" from %d to %d ("%s")' % (match.re.pattern, match.string, s, e, text[s:e])

結果
Found “this” in “Does this text match the pattern?” from 5 to 9 (“this”)

正則表達式對象

# #通過編譯complie方法將一個string變成一個RegexObject即正則表達式對象
    # #使用compile不用去看cache,通過compile可以在加載模塊時預編譯語句因此改變了程序的響應時間
    regexes = [re.compile(p) for p in ['this', 'that']]
    text = 'Does this text match the pattern?'
    print 'Text: %r\n' % text
    for regex in regexes:
        print 'Seeking "%s" ->' % regex.pattern,
        #通過search查找文本
        if regex.search(text):
            print 'match!'
        else:
            print 'no match

’
結果
Text: ‘Does this text match the pattern?’

Seeking “this” -> match!
Seeking “that” -> no match

findall

    # #多個匹配 findall
    text = 'abbaaabbbbaaaaa'
    pattern = 'ab'
    for match in re.findall(pattern, text):
        print 'Found "%s"' % match

結果
Found “ab”
Found “ab”

finditer

# #通過finditer返回一個Match實例，而不是findall中返回的是string
    for match in re.finditer(pattern, text):
        s = match.start()
        e = match.end()
        print 'Found "%s" at %d:%d' % (text[s:e], s, e)

結果
Found “ab” at 0:2
Found “ab” at 5:7

group

import re

    TEST1 = '''
    test.com/geo/search.php?lang=zh-Hans&reallogin=0
    '''

    TEST2 = '''
    /geo/search.php?lang=zh-Hans&reallogin=0
    '''

    TEST3 = '''
    https://test.com/geo/search.php?lang=zh-Hans&reallogin=0
    '''

    URIREX = re.compile('''
       (?P<proto> # http,https:// 協議 可以選擇性出現
       ((http)s?://)?)
       (?P<domain> # 域名匹配 如api.jiayuan.com，每個字段長度不超過63，可以選擇性出現
       ((\w\w{0,61}\w\.)+\w{2,})?)
       (?P<uri> # 匹配uri, 如/impressionSearchAndriod.php，必需包含
       (/[\w,\.,-]{2,})+)
       (?P<param> # 匹配參數 如?lang=zh-Hans&reallogin=0&ver=5.3
       (\?\S+=\S+&?)+)
    ''',  re.VERBOSE)

    # 輸出每個group的值
    for i in xrange(1, 4):
        print '-'*50
        temp = eval("TEST"+str(i))
        print URIREX.search(temp)

        if URIREX.search(temp):
            p = URIREX.search(temp)
            print p.group('proto')
            print p.group('domain')
            print p.group('uri')
            print p.group('param')

結果
————————————————–
<_sre.SRE_Match object at 0x022FA5F8>

test.com
/geo/search.php
?lang=zh-Hans&reallogin=0
————————————————–
<_sre.SRE_Match object at 0x022FA708>

/geo/search.php
?lang=zh-Hans&reallogin=0
————————————————–
<_sre.SRE_Match object at 0x022FA5F8>
https://
test.com
/geo/search.php
?lang=zh-Hans&reallogin=0