Python正则表达式知识梳理

课下小结 2020-9-10

正则表达式语法

字符与字符类

特殊字符：\ . ^ $ ? + * { } [ ] ( ) |

以上特殊字符要想使用字面值，必须使用\进行转义

字符类

速记法

量词

惰性和贪婪

以上量词都是贪婪模式，会尽可能多的匹配，如果要改为非贪婪模式，通过在量词后面跟随一个?来实现，定义为惰性匹配。

组与捕获

()的作用：

捕获()中正则表达式的内容，以备进一步利用处理，可以通过在左括号后面跟随?:来关闭这个括号的捕获功能。

将正则表达式的一部分内容进行组合，以便使用量词或者|。

反响引用前面()内捕获的内容：

通过编号反向引用：

每一个没有使用?:的小括号都会分配一个编号，从1开始，从左到右递增，可以通过\i引用前面()内表达式捕获的内容。

通过组名反向引用前面小括号内捕获的内容：

可以通过在左括号后面跟随?P<name>,尖括号中放入名称来为一个组起一个别名，后面通过(?P=name)来引用 前面捕获的内容。如(? P<word>\w+)\s+(?P=word)来匹配重复的单词。

注意：

反向引用不能放在字符类[]中使用。

断言与标记

断言不会匹配任何文本，只是对断言所在的文本施加某些约束。

常用断言：

前瞻、回顾的解释

例如：要查找hello，但是hello后面必须是world，正则表达式可以这样写："(hello)\s+(?=world)",用来匹配"hello wangxing"和"hello world"等，但是只能匹配到hello。

条件匹配

(?(id)yes_exp|no_exp):对应id的子表达式如果匹配到内容，则这里匹配yes_exp，否则匹配no_exp。

正则表达式的标志

正则表达式的标志有两种使用方法：

常用的标志

re.compile(r"""
<img\s  +)   #标签的开始
[^>]*?       #不是src的属性
src=         #src属性的开始
(?:
(?P<quote>["'])                #左引号
(?P<image_name>[^\1>]+?)  #图片名字
(?P=quote)                     #右括号
""",re.VERBOSE|re.IGNORECASE)

正则表达式模块

正则表达式处理字符串主要有四大功能

模块使用正则表达式的两种方法

正则表达式对象的常用方法

rx.findall(s,start, end):

返回一个列表，如果正则表达式中没有分组，则列表中包含的是所有匹配的内容，如果正则表达式中有分组，则列表中的每个元素是一个元组，元组中包含子分组中匹配到的内容，但是没有返回整个正则表达式匹配的内容。

rx.finditer(s, start, end):

返回一个可迭代对象。

对可迭代对象进行迭代，每一次返回一个匹配对象，可以调用匹配对象的group()方法查看指定组匹配到的内容，0表示整个正则表达式匹配到的内容。

rx.search(s, start, end):

返回一个匹配对象,倘若没匹配到，就返回None。

search方法只匹配一次就停止，不会继续往后匹配。

rx.match(s, start, end):

如果正则表达式在字符串的起始处匹配，就返回一个匹配对象，否则返回None。

rx.sub(x, s, m):

返回一个字符串。每一个匹配的地方用x进行替换，返回替换后的字符串，如果指定m，则最多替换m次。对于x可以使用/i或者/g<id>id可以是组名或者编号来引用捕获到的内容。

模块方法re.sub(r, x, s, m)中的x可以使用一个函数。此时我们就可以对捕获到的内容推过这个函数进行处理后再替换匹配到的文本。

rx.subn(x, s, m):

与re.sub()方法相同，区别在于返回的是二元组，其中一项是结果字符串，一项是做替换的个数。

rx.split(s, m):分割字符串

返回一个列表。

用正则表达式匹配到的内容对字符串进行分割。

如果正则表达式中存在分组，则把分组匹配到的内容放在列表中每两个分割的中间作为列表的一部分，如：

import re
rx =  re.compile(r"(\d)[a-z]+(\d)")
s =  "ab12dk3klj8jk9jks5"
result =  rx.split(s)
print(result)
#返回['ab1',  '2', '3', 'klj', '8', '9', 'jks5']

rx.flags():正则表达式编译时设置的标志

rx.pattern():正则表达式编译时使用的字符串。

m.group(g, ...)

　返回编号或者组名匹配到的内容，默认或者0表示整个表达式匹配到的内容，如果指定多个，就返回一个元组。

m.groupdict(default)

返回一个字典。字典的键是所有命名的组的组名，值为命名组捕获到的内容。

如果有default参数，则将其作为那些没有参与匹配的组的默认值。

m.groups(default)

返回一个元组。包含所有捕获到内容的子分组，从1开始，如果指定了default值，则这个值作为那些没有捕获到内容的组的值。

m.lastgroup()

匹配到内容的编号最高的捕获组的名称，如果没有或者没有使用名称则返回None(不常用)。

m.lastindex()

匹配到内容的编号最高的捕获组的编号，如果没有就返回None。

m.start(g):

当前匹配对象的子分组是从字符串的那个位置开始匹配的,如果当前组没有参与匹配就返回-1。

m.end(g)

当前匹配对象的子分组是从字符串的那个位置匹配结束的，如果当前组没有参与匹配就返回-1。

m.span()

返回一个二元组，内容分别是m.start(g)和m.end(g)的返回值。

m.re()

产生这一匹配对象的正则表达式。

m.string()

传递给match或者search用于匹配的字符串。

m.pos()

搜索的起始位置。即字符串的开头，或者start指定的位置(不常用)。

m.endpos()

搜索的结束位置。即字符串的末尾位置，或者end指定的位置(不常用)。

总结