re模块下的函数

compile(pattern)：创建模式对象

import re
pat=re.compile('A')
m=pat.search('CBA') #等价于 re.search('A','CBA')
print m
<_sre.SRE_Match object at 0x9d690c8> #匹配到了，返回MatchObject（True）

m=pat.search('CBD')
print m
None #没有匹配到，返回None（False）

search(pattern,string)：在字符串中寻找模式

m = re.search('asd','ASDasd')
print m
<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）
m = re.search('asd','ASDASD')
print m
None #没有匹配到，返回None（False）

match(pattern,string)：在字符串开始处匹配模式

m = re.search('asd','ASDasd')
print m
<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）
m = re.search('asd','ASDASD')
print m
None #没有匹配到，返回None（False）

等价于

pat=re.compile('a')
print pat.match('Aasd')
None
printpat.match('aASD')
<_sre.SRE_Match object at 0xb72cd6e8>

上面的函数返回都可以在if条件语句中进行判断：

if pat.search('asd'):
... print 'OK'
...
OK #找到返回
if re.search('a','ASD'):
... print "OK"
... #没有找到

split(pattern,string)：根据模式分割字符串,返回列表

re.split(',','a,s,d,asd')
['a', 's', 'd', 'asd'] #返回列表

pat = re.compile(',')
pat.split('a,s,d,asd')
['a', 's', 'd', 'asd'] #返回列表

re.split('[, ]+','a , s ,d ,,,,,asd') #正则匹配：[, ]+，后面说明
['a', 's', 'd', 'asd']

re.split('[, ]+','a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数
['a', 's', 'd ,,,,,asd']

pat = re.compile('[, ]+') #正则匹配：[, ]+，后面说明
pat.split('a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数
['a', 's', 'd ,,,,,asd']

findall(pattern,string)：列表形式返回匹配项

re.findall('a','ASDaDFGAa')
['a', 'a'] #列表形式返回匹配到的字符串

pat = re.compile('a')
pat.findall('ASDaDFGAa')
['a', 'a'] #列表形式返回匹配到的字符串

pat = re.compile('[A-Z]+') #正则匹配：'[A-Z]+' 后面有说明
pat.findall('ASDcDFGAa')
['ASD', 'DFGA'] #找到匹配到的字符串

pat = re.compile('[A-Z]')
pat.findall('ASDcDFGAa') #正则匹配：'[A-Z]+' 后面有说明
['A', 'S', 'D', 'D', 'F', 'G', 'A'] #找到匹配到的字符串

pat = re.compile('[A-Za-z]') #正则匹配：'[A-Za-z]+' 匹配所有单词，后面有说明
pat.findall('ASDcDFGAa')
['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a']

sub(pat,repl,string) ：用repl替换 pat匹配项

(留的是中间的，因为中间在中心)

re.sub('a','A','abcasd') #找到a用A替换，后面见和group的配合使用
'AbcAsd'

pat = re.compile('a')
pat.sub('A','abcasd')
'AbcAsd'

pat=re.compile(r'www\.(.*)\..{3}') #正则表达式

#在Python的string前面加上‘r’， 是为了告诉编译器这个string是个raw string，不要转译反斜杠 '\' 。
#例如，\n 在raw string中，是两个字符，\和n， 而不会转译为换行符。
#由于正则表达式和 \ 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上'r'。

#与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。
#假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：
#前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
#Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。
#同样，匹配一个数字的"\\d"可以写成r"\d"。
#有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

#不是说 加了r \就没有转译功能，好乱，就直接记住1句话：
#当一个字符串使用了正则表达式后，最好在前面加上'r'，这样你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观

pat.match('www.dxy.com').group(1)
'dxy'

re.sub(r'www\.(.*)\..{3}',r'\1','hello,www.dxy.com')

pat.sub(r'\1','hello,www.dxy.com')
'hello,dxy'
# r'1' 是第一组的意思
#通过正则匹配找到符合规则的"http://www.dxy.com" ，取得 组1字符串 去替换 整个匹配。


pat=re.compile(r'(\w+) (\w+)') #正则表达式
s='hello world ! hello hz !'

pat.findall('hello world ! hello hz !')
[('hello', 'world'), ('hello', 'hz')]
pat.sub(r'\2 \1',s) #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。
'world hello!hz hello!'

escape(string) ：对字符串里面的特殊字符串进行转义

re.escape('www.dxy.cn')
'www\\.dxy\\.cn' #转义

上面的函数中，只有match、search有group方法，其他的函数没有。

函数的方法

group：获取子模式(组)的匹配项

pat = re.compile(r'www\.(.*)\.(.*)') #用()表示1个组，2个组
m = pat.match('www.dxy.com')
m.group() #默认为0，表示匹配整个字符串
'www.dxy.com'

m.group(1) #返回给定组1匹配的子字符串
'dxy'

m.group(2)
'com'

start：给定组匹配项的开始位置

m.start(2) #组2开始的索引
8

end：给定组匹配项的结束位置

m.end(2) #组2结束的索引
11

span：给定组匹配项的开始结束位置

m.span(2) #组2开始、结束的索引
(8, 11)

正则表达式

元字符

“.” ：通配符,除换行符外的任意的1个字符

pat=re.compile('.')
pat.match('abc')
<_sre.SRE_Match object at 0xb72b6170>
pat.match('abc').group()
'a' #匹配到了首个字符
pat.search('abc').group()
'a'
pat.match('\n').group() #换行符匹配出错
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

“\” : 转义符

pat=re.compile('\.')
pat.search('abc.efg').group() #匹配到.
'.'
pat.findall('abc.efg') #不用group,返回列表
['.']

“[…]” : 字符集合，匹配里面的任意一个元素

>>> pat=re.compile('[abc]')
>>> pat.match('axbycz').group()
'a'
>>> pat.search('axbycz').group()
'a'
>>> pat.findall('axbycz')
['a', 'b', 'c']

“\d” : 数字

>>> pat=re.compile('\d')
>>> pat.search('ax1by2cz3').group() #匹配到第一个数字:1，返回
'1'

>>> pat.match('ax1by2cz3').group() #匹配不到（首个不是）返回None，报错，match匹配字符串头
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> pat.findall('ax1by2cz3') #匹配所有的数字，列表返回
['1', '2', '3']

“\D” : 非数字

>>> pat=re.compile('\D')
>>> pat.match('ax1by2cz3').group()
'a'
>>> pat.search('ax1by2cz3').group()
'a'
>>> pat.findall('ax1by2cz3')
['a', 'x', 'b', 'y', 'c', 'z']

“\s” ：空白字符、 \t、\r、\n、空格

>>> pat=re.compile('\s')
>>> pat.findall('\rax1 \nby2 \tcz3')
['\r', ' ', '\n', ' ', '\t']
>>> pat.search('\rax1 \nby2 \tcz3').group()
'\r'
>>> pat.match('\rax1 \nby2 \tcz3').group()
'\r'

“S” :非空白字符

>>> pat=re.compile('\S')
>>> pat.search('\rax1 \nby2 \tcz3').group()
'a'
>>> pat.findall('\rax1 \nby2 \tcz3')
['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3']

“\w” ：单个的数字和字母，[A-Za-z0-9]

>>> pat=re.compile('\w')
>>> pat.search('1a2b3c').group()
'1'
>>> pat.findall('1a2b3c')
['1', 'a', '2', 'b', '3', 'c']
>>> pat.match('1a2b3c').group()
'1'

“\W”:非单词字符,除数字和字母外

>>> pat=re.compile('\W')
>>> pat.findall('1a2我b3c') #python是用三字节表示一个汉字
['\xe6', '\x88', '\x91']
>>> pat.search('1a2我b3c').group()
'\xe6'

数量词

“*” ：0次或多次

（乘0会变成0）

>>> pat = re.compile('[abc]*')
>>> pat.match('abcabcdefabc').group()
'abcabc' #2次
>>> pat.search('abcabcdefabc').group()
'abcabc' #2次
>>> pat.findall('abcabcdefabc')
['abcabc', '', '', '', 'abc', ''] #2次和1次,因为有0次，所以匹配了''

“+” ：1次或多次

（加0不会变成0）

>>> pat = re.compile('[abc]+')
>>> pat.match('abcdefabcabc').group()
'abc'
>>> pat.search('abcdefabcabc').group()
'abc'
>>> pat.findall('abcdefabcabc')
['abc', 'abcabc']

“?” ：0次或1次，match,search 不会出现none，会出现’ ‘ （因为0次也是符合的）

0次或1次不是指[xxx]这个集合，而是其中的任何的一个字符

>>> pat = re.compile('[abc]?')
>>> pat.match('defabc').group() #0次
''
>>> pat.match('abcdefabc').group()
'a'
>>> pat.search('defabc').group() #0次
''
>>> pat.findall('defabc') #0次和1次
['', '', '', 'a', 'b', 'c', ''] #后面总再加个''

“数量词?” ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）

>>> pat = re.compile('[abc]+') #贪婪模式
>>> pat.match('abcdefabcabc').group() #匹配尽可能多的：abc
'abc'
>>> pat.match('bbabcdefabcabc').group()
'bbabc'
>>> pat.search('dbbabcdefabcabc').group()
'bbabc'
>>> pat.findall('abcdefabcabc')
['abc', 'abcabc']

>>> pat = re.compile('[abc]+?') #非贪婪模式：+?
>>> pat.match('abcdefabcabc').group() #匹配尽可能少的：a、b、c
'a'
>>> pat.search('dbbabcdefabcabc').group()
'b'
>>> pat.findall('abcdefabcabc')
['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']

“{m}” ：匹配字符串出现m次

>>> pat = re.compile('[op]{2}') #o或p出现2次
>>> pat.search('abcooapp').group() #匹配第一次出现的字符串,o比p先出现
'oo'
>>> pat.findall('abcooapp') #匹配出现的所有字符串，列表形式返回
['oo', 'pp']

“{m,n}” ：匹配字符串出现m到n次

>>> pat = re.compile('[op]{2,4}') #o或则p出现2到4次
>>> pat.match('pppabcooapp').group() #匹配开头
'ppp'
>>> pat.search('pppabcooapp').group() #匹配第一次出现
'ppp'
>>> pat.findall('pppabcooapp') #匹配所有
['ppp', 'oo', 'pp']

.group() #匹配第一次出现

边界

“^” ：匹配字符串开头或行头

>>> pat = re.compile('^[abc]') #开头是a、b、c中的任意一个
>>> pat.search('defabc').group()
>>> pat.match('defabc').group() #均找不到
>>> pat.findall('defabc')
[]

>>> pat.search('adefabc').group()
'a'
>>> pat.match('adefabc').group() #开头是a、b、c中的任意一个
'a'
>>> pat.findall('adefabc')
['a']

>>> pat = re.compile('^[abc]+') #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个
>>> pat.findall('cbadefab')
['cba']
>>> pat = re.compile(r'^[abc]+?') #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个
>>> pat.findall('cbadefab')
['c']

“$” ：匹配字符串结尾或则行尾

>>> pat = re.compile('[abc]$')
>>> pat.match('adefAbc').group() #match匹配的是字符串开头，所以查找$的时，总是返回None
>>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个
'c'
>>> pat.findall('adefAbc')
['c']
>>> pat = re.compile('[abc]+$')
>>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个
'bc'
>>> pat.findall('adefAbc')
['bc']

“\A”：匹配字符串开头

>>> pat = re.compile('\A[abc]+')
>>> pat.findall('cbadefab')
['cba']
>>> pat.search('cbadefab').group()
'cba'

“\Z”：匹配字符串结尾

>>> pat = re.compile('[abc]+\Z')
>>> pat.search('cbadefab').group()
'ab'
>>> pat.findall('cbadefab')
['ab']

分组

(…)：分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词

>>> pat=re.compile(r'(a)\w(c)') #\w:单个的数字或字母 [A-Za-z0-9]
>>> pat.match('abcdef').group()
'abc'
>>> pat=re.compile('(a)b(c)') #分2组，匿名分组

>>> pat.match('abcdef').group() #默认返回匹配的字符串
'abc'
>>> pat.match('abcdef').group(1) #取分组1，适用于search
'a'
>>> pat.match('abcdef').group(2) #取分组2，适用于search
'c'
>>> pat.match('abcdef').groups() #取所有分组，元组形式返回
('a', 'c')

<number>：引用编号为<number>的分组匹配到的字符串

>>> pat=re.compile(r'www\.(.*)\..{3}')
>>> pat.match('www.dxy.com').group(1)
'dxy'

“(?P<name>…)” ：在模式里面用()来表示分组（命名分组）,适用于提取目标字符串中的某一些部位。

>>> pat=re.compile(r'(?P<K>a)\w(c)') #分2组：命名分组+匿名分组
>>> pat.search('abcdef').groups() #取所有分组，元组形式返回
('a', 'c')
>>> pat.search('abcdef').group(1) #取分组1，适用于match
'a'
>>> pat.search('abcdef').group(2) #取分组2，适用于match
'c'
>>> pat.search('abcdef').group() #默认返回匹配的字符串
'abc'
>>> pat.search('abcdef').groupdict() #命名分组可以返回一个字典【专有】，匿名分组也没有
{'K': 'a'}

“(?P=name)”：引用别名为<name>的分组匹配到的串

>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)') #(?P=K)引用分组1的值，就是a
>>> pat.search('abcdef').group() #匹配不到，因为完整'a\wca',模式的第4位是a
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> pat.search('abcadef').group() #匹配到，模式的第4位和组1一样,值是c
'abca'
>>> pat.search('abcadef').groups()
('a', 'c')
>>> pat.search('abcadef').group(1)
'a'
>>> pat.search('abcadef').group(2)
'c

“<number>” ：引用分组编号匹配：

>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)\2') #\2引用分组2的值，就是c
>>> pat.findall('Aabcadef') #匹配不到，因为完整'a\wcac',模式的第5位是c
[]
>>> pat.findall('Aabcacdef') #匹配到，模式的第5位和组2一样,值是c
[('a', 'c')]
>>> pat.search('Aabcacdef').groups()
('a', 'c')
>>> pat.search('Aabcacdef').group()
'abcac'
>>> pat.search('Aabcacdef').group(1)
'a'
>>> pat.search('Aabcacdef').group(2)
'c'

特殊构造

(?:…) (…)不分组版本,用于使用 | 或者后接数量词
(?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
(?#…) #号后的内容将作为注释
(?=…) 之后的字符串内容需要匹配表达式才能成功匹配
(?!…) 之后的字符串不匹配表达式才能成功
(?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

“(?:…)” ：()里面有?:表示该()不是分组

>>> pat=re.compile(r'a(?:bc)')
>>> pat.findall('abc')
['abc']
>>> pat.match('abc').groups() #显示不出分组

“(?=…)”：匹配…表达式，返回。对后进行匹配，总是对后面进行匹配

>>> pat=re.compile(r'\w(?=\d)') #匹配表达式\d，返回数字的前一位，\w：单词字符[A-Za-z0-9]
>>> pat.findall('abc1 def1 xyz1')
['c', 'f', 'z']
>>> pat.findall('zhoujy20130628hangzhou') #匹配数字的前一位，列表返回
['y', '2', '0', '1', '3', '0', '6', '2']
>>> pat=re.compile(r'\w+(?=\d)')
>>> pat.findall('abc1,def1,xyz1') #匹配最末数字的前字符串，列表返回
['abc', 'def', 'xyz']
>>> pat.findall('abc21,def31,xyz41')
['abc2', 'def3', 'xyz4']
>>> pat.findall('zhoujy20130628hangzhou')
['zhoujy2013062']
>>> pat=re.compile(r'[A-Za-z]+(?=\d)') #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall('zhoujy20130628hangzhou123') #匹配后面带有数字的字符串，列表返回
['zhoujy', 'hangzhou']
>>> pat.findall('abc21,def31,xyz41')
['abc', 'def', 'xyz']

“(?!…)” 不匹配…表达式，返回。对后进行匹配

>>> pat=re.compile(r'[A-Za-z]+(?!\d)') #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') #匹配后面不是数字的字符串，列表返回
['zhouj', 'hangzho', 'binjian']
>>> pat.findall('abc21,def31,xyz41')
['ab', 'de', 'xy']

“(?<=…)”：匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r'(?<=\d)[A-Za-z]+') #匹配前面是数字的字母
>>> pat.findall('abc21,def31,xyz41')
[]
>>> pat.findall('1abc21,2def31,3xyz41')
['abc', 'def', 'xyz']
>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')
['hangzhou']

“(?<!…)”：不匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r'(?<!\d)[A-Za-z]+') #匹配前面不是数字的字母
>>> pat.findall('abc21,def31,xyz41')
['abc', 'def', 'xyz']
>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')
['zhoujy', 'angzhou', 'binjiang']

“(?(id/name) yes |no)”: 组是否匹配，匹配返回

>>> pat=re.compile(r'a(\d)?bc(?(1)\d)') #no省略了，完整的是a\dbc\d ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字
>>> pat.findall('abc9') #返回组1，但第2位（组1）没有，即返回了''
['']
>>> pat.findall('a8bc9') #完整的模式，返回组1
['8']
>>> pat.match('a8bc9').group()
'a8bc9'
>>> pat.match('a8bc9').group(1)
'8'
>>> pat.findall('a8bc') #第5位不存在，则没有匹配到
[]

“(?iLmsux)”:这里就介绍下i参数：大小写区分匹配

>>> pat=re.compile(r'abc')
>>> pat.findall('abc')
['abc']
>>> pat.findall('ABC')
[]
>>> pat=re.compile(r'(?i)abc') #(?i) 不区分大小写
>>> pat.findall('ABC')
['ABC']
>>> pat.findall('abc')
['abc']
>>> pat.findall('aBc')
['aBc']
>>> pat.findall('aBC')
['aBC']
>>> pat=re.compile(r'abc',re.I) #re.I 作为参数使用，推荐
>>> pat.findall('aBC')
['aBC']
>>> pat.findall('abc')
['abc']
>>> pat.findall('ABC')
['ABC']

Python之re模块

一、正则表达式　　

　　re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，而正则表达式是对字符串进行模糊匹配，提取自己需要的字符串部分，他对所有的语言都通用。注意：

re模块是python独有的
正则表达式所有编程语言都可以使用
re模块、正则表达式是对字符串进行操作

因为，re模块中的方法大都借助于正则表达式，故先学习正则表达式。

（一）常用正则

1、字符组

在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示

正则	待匹配字符	匹配结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符和”待匹配字符”相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有”a”字符，所以不能匹配
[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

2、字符

元字符	匹配内容
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a\|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[…]	匹配字符组中的字符
[^…]	匹配除了字符组中字符的所有字符

3、量词

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

（二）正则表达式的使用

1、. ^ $

正则	待匹配字符	匹配结果	说明
a.	abacad	abacad	匹配所有”a.”的字符
^a.	abacad	ab	只从开头匹配”a.”
a.$	abacad	ad	只匹配结尾的”a.$”

2、* + ? { }

正则	待匹配字符	匹配结果	说明
a.?	abefacgad	ab ac ad	?表示重复零次或一次，即只匹配”a”后面一个任意字符。
a.*	abefacgad	abefacgad	*表示重复零次或多次，即匹配”a”后面0或多个任意字符。
a.+	abefacgad	abefacgad	+表示重复一次或多次，即只匹配”a”后面1个或多个任意字符。
a.{1,2}	abefacgad	abe acg ad	{1,2}匹配1到2次任意字符。

注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

正则	待匹配字符	匹配结果	说明
a.*?	abefacgad	a a a	惰性匹配

3、字符集［］［^］

正则	待匹配字符	匹配结果	说明
a[befcgd]*	abefacgad	abef acg ad	表示匹配”a”后面[befcgd]的字符任意次
a[^f]*	abefacgad	abe acgad	表示匹配一个不是”f”的字符任意次
[\d]	412a3bc	4 1 2 3	表示匹配任意一个数字，匹配到4个结果
[\d]+	412a3bc	412 3	表示匹配任意个数字，匹配到2个结果

4、分组 ()与或｜［^］

　　身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	待匹配字符	匹配结果	说明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]\|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}

5、转义符 \

　　在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的”\n”而不是”换行符”就需要对”\”进行转义，变成’\\’。

　　在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次”\n”,字符串中要写成’\\n’，那么正则里就要写成”\\\\n”,这样就太麻烦了。这个时候我们就用到了r’\n’这个概念，此时的正则是r’\\n’就可以了。

正则	待匹配字符	匹配结果	说明
\n	\n	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹配
\\n	\n	True	转义\之后变成\\，即可匹配
“\\\\n”	‘\\n’	True	如果在python中，字符串中的’\’也需要转义，所以每一个字符串’\’又需要转义一次
r’\\n’	r’\n’	True	在字符串之前加r，让整个字符串不转义

6、贪婪匹配

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

正则	待匹配字符	匹配结果	说明
<.*>	<script>…<script>	<script>…<script>	默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>	<script>…<script>	<script> <script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

几个常用的非贪婪匹配Pattern

*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

.*?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x

就是取前面任意长度的字符，直到一个x出现

二、re模块

（一）常量、属性

1、re.A（re.ASCII）

让\w，\W，\b，\B，\d，\D，\s和\S 执行ASCII-只匹配完整的Unicode匹配代替。这仅对Unicode模式有意义，而对于字节模式则忽略。

2、re.I（re.IGNORECASE）

执行不区分大小写的匹配；类似的表达式也[A-Z]将匹配小写字母。

3、re.L（re.LOCALE）

　　让\w，\W，\b，\B和区分大小写的匹配取决于当前的语言环境。该标志只能与字节模式一起使用。不建议使用此标志，因为语言环境机制非常不可靠，它一次只能处理一种“区域性”，并且仅适用于8位语言环境。默认情况下，Python 3中已为Unicode（str）模式启用了Unicode匹配，并且能够处理不同的语言环境/语言。

4、re.M（re.MULTILINE）

　　指定时，模式字符’^’在字符串的开头和每行的开头（紧随每个换行符之后）匹配；模式字符”在字符串的末尾和每行的末尾（紧接在每个换行符之前）匹配。默认情况下，’^’ 仅在字符串的开头，字符串”在字符串的末尾和每行的末尾（紧接在每个换行符之前）匹配。默认情况下，’^’ 仅在字符串的开头，字符串”的末尾和字符串末尾的换行符（如果有）之前立即匹配。

5、re.S（re.DOTALL）

使’.’特殊字符与任何字符都匹配，包括换行符；没有此标志，’.’将匹配除换行符以外的任何内容。

（二）常用方法

1、re.compile（pattern，flags = 0 ）

将正则表达式模式编译为正则表达式对象，可使用match()，search()以及下面所述的其他方法将其用于匹配

>>> prog = re.compile('\d{2}') # 正则对象

>>> prog.search('12abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.search('12abc').group() # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
'12'

>>> prog.match('123abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.match('123abc').group()
'12'
>>>

2、re.search（pattern，string，flags = 0 ）

　　扫描字符串以查找正则表达式模式产生匹配项的第一个位置，然后返回相应的match对象。None如果字符串中没有位置与模式匹配，则返回；否则返回false。请注意，这与在字符串中的某个点找到零长度匹配不同

#在这个字符串进行匹配，只会匹配一个对象>>> re.search('\w+','abcde').group()
'abcde'
>>> re.search('a','abcde').group()
'a'
>>>

3、re.match（pattern，string，flags = 0 ）

如果字符串开头的零个或多个字符与正则表达式模式匹配，则返回相应的匹配对象。None如果字符串与模式不匹配，则返回；否则返回false。请注意，这与零长度匹配不同。

# 同search,不过在字符串开始处进行匹配，只会匹配一个对象
>>> re.match('a','abcade').group()
'a'
>>> re.match('\w+','abc123de').group()
'abc123de'
>>> re.match('\D+','abc123de').group() #非数字
'abc'
>>>

4、re.fullmatch（pattern，string，flags = 0 ）

如果整个字符串与正则表达式模式匹配，则返回相应的match对象。None如果字符串与模式不匹配，则返回；否则返回false。请注意，这与零长度匹配不同。

>>> re.fullmatch('\w+','abcade').group()
'abcade'
>>> re.fullmatch('abcade','abcade').group()
'abcade'
>>>

5、re.split（pattern，string，maxsplit = 0，flags = 0 ）

　　通过出现模式来拆分字符串。如果在pattern中使用了捕获括号，那么模式中所有组的文本也将作为结果列表的一部分返回。如果maxsplit不为零，则最多会发生maxsplit分割，并将字符串的其余部分作为列表的最后一个元素返回。

>>> re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
['', '', 'cd']
>>> re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9'

如果分隔符中有捕获组，并且该匹配组在字符串的开头匹配，则结果将从空字符串开始。字符串的末尾也是如此：

>>> re.split(r'(\W+)', '...words, words...')
['', '...', 'words', ', ', 'words', '...', '']

6、re.findall（pattern，string，flags = 0 ）

　　以string列表形式返回string中pattern的所有非重叠匹配项。从左到右扫描该字符串，并以找到的顺序返回匹配项。如果该模式中存在一个或多个组，则返回一个组列表；否则，返回一个列表。如果模式包含多个组，则这将是一个元组列表。空匹配项包含在结果中。

>>> re.findall('a', 'This is a beautiful place!')
['a', 'a', 'a']
>>>

7、re.finditer（pattern，string，flags = 0 ）

返回一个迭代器，该迭代器在string类型的RE 模式的所有非重叠匹配中产生匹配对象。从左到右扫描该字符串，并以找到的顺序返回匹配项。空匹配项包含在结果中。

>>> re.finditer('[ab]', 'This is a beautiful place!')
<callable_iterator object at 0x0000000000DCDA90> #迭代器对象
>>> ret=re.finditer('[ab]', 'This is a beautiful place!')
>>> next(ret).group() #查看下一个匹配值
'a'
>>> [i.group() for i in ret] #查看剩下所有匹配的值
['b', 'a', 'a']
>>

8、re.sub（pattern，repl，string，count = 0，flags = 0 ）

　　返回通过用替换repl替换字符串中最左边的不重叠模式所获得的字符串。如果找不到该模式，则返回的字符串不变。 repl可以是字符串或函数；如果是字符串，则处理其中的任何反斜杠转义。即，将其转换为单个换行符，将其转换为回车，依此类推。count参数表示将匹配到的内容进行替换的次数

>>> re.sub('\d', 'S', 'abc12jh45li78', 2) #将匹配到的数字替换成S,替换2个
'abcSSjh45li78'

>>> re.sub('\d', 'S', 'abc12jh45li78') #将匹配到所有的数字替换成S
'abcSSjhSSliSS'
>>

9、re.subn（pattern，repl，string，count = 0，flags = 0 ）

执行与相同的操作sub()，但返回一个元组。(new_string, number_of_subs_made)

>>> re.subn('\d', 'S', 'abc12jh45li78', 3)
('abcSSjhS5li78', 3)
>>>

10、re.escape(pattern)

escape中的所有字符图案，除了ASCII字母，数字和'_'。如果要匹配可能包含正则表达式元字符的任意文字字符串，这将很有用。

>>> re.escape('python.exe\n')
'python\\.exe\\\n'
>>>

11、search（）与match（）方法

Python提供了两种基于正则表达式的原始操作： re.match()仅在字符串的开头匹配，re.search()检查匹配项，在字符串中的任何位置检查匹配项（这是Perl的默认设置）。

>>> re.match("c", "abcdef") #Not match
>>> re.search("c", "abcdef") #match
<_sre.SRE_Match object; span=(2, 3), match='c'>
>>>

以开头的正则表达式’^’可用于search()限制字符串开头的匹配项：

>>> re.match("c", "abcdef") #Not match
>>> re.search("^c", "abcdef") #Not match
>>> re.search("^a", "abcdef") #match
<_sre.SRE_Match object; span=(0, 1), match='a'>
>>>

网络风向标

网络风向标

Python Re 模块超全解读

Python之re模块

一、正则表达式

（一）常用正则

1、字符组

2、字符

3、量词

（二）正则表达式的使用

1、. ^ $

2、* + ? { }

3、字符集［］［^］

4、分组 ()与或｜［^］

5、转义符 \

6、贪婪匹配

二、re模块

（一）常量、属性

1、re.A（re.ASCII）

2、re.I（re.IGNORECASE）

3、re.L（re.LOCALE）

4、re.M（re.MULTILINE）

5、re.S（re.DOTALL）

（二）常用方法

1、re.compile（pattern，flags = 0 ）

2、re.search（pattern，string，flags = 0 ）

3、re.match（pattern，string，flags = 0 ）

4、re.fullmatch（pattern，string，flags = 0 ）

5、re.split（pattern，string，maxsplit = 0，flags = 0 ）

6、re.findall（pattern，string，flags = 0 ）

7、re.finditer（pattern，string，flags = 0 ）

8、re.sub（pattern，repl，string，count = 0，flags = 0 ）

9、re.subn（pattern，repl，string，count = 0，flags = 0 ）

10、re.escape(pattern)

11、search（）与match（）方法

Python之re模块

一、正则表达式

（一）常用正则

1、字符组

2、字符

3、量词

（二）正则表达式的使用

1、. ^ $

2、* + ? { }

3、字符集［］［^］

4、分组 ()与 或 ｜［^］

5、转义符 \

6、贪婪匹配

二、re模块

（一）常量、属性

1、re.A（re.ASCII）

2、re.I（re.IGNORECASE）

3、re.L（re.LOCALE）

4、re.M（re.MULTILINE）

5、re.S（re.DOTALL）

（二）常用方法

1、re.compile（pattern，flags = 0 ）

2、re.search（pattern，string，flags = 0 ）

3、re.match（pattern，string，flags = 0 ）

4、re.fullmatch（pattern，string，flags = 0 ）

5、re.split（pattern，string，maxsplit = 0，flags = 0 ）

6、re.findall（pattern，string，flags = 0 ）

7、re.finditer（pattern，string，flags = 0 ）

8、re.sub（pattern，repl，string，count = 0，flags = 0 ）

9、re.subn（pattern，repl，string，count = 0，flags = 0 ）

10、re.escape(pattern)

11、search（）与match（）方法

一、正则表达式　　

4、分组 ()与或｜［^］