Python正则表达式

元字符

1.匹配元字符：

. 它匹配除了换行字符外的任何字符，在 alternate 模式(re.DOTALL)下它甚至可以匹配换行

^ 匹配行首。除非设置 MULTILINE 标志，它只是匹配字符串的开始。

$ 匹配行尾，行尾被定义为要么是字符串尾，要么是一个换行字符后面的任何位置。

[] 它们常用来指定一个字符类别，所谓字符类别就是你想匹配的一个字符集

\ 反斜杠后面可以加不同的字符以表示不同特殊意义。它也可以用于取消所有的元字符，这样你就可以在模式中匹配它们了

| 可选项，或者 "or" 操作符。

() 一般情况下表示一个记忆组 (remembered group)。你可以利用 re.search 函数返回对象的 groups() 函数获取它的值

2.重复元字符：

* 重复0或N次

+ 重复1或N次

? 重复0或1次

{m,n} 该限定符的意思是至少有 m 个重复，至多到 n 个重复

3.用 "\" 开始的预定义字符集

\d 匹配任何十进制数;它相当于类 [0-9]。

\D 匹配任何非数字字符;它相当于类 [^0-9]。

\s 匹配任何空白字符;它相当于类 [ \t\n\r\f\v]。

\S 匹配任何非空白字符;它相当于类 [^\t\n\r\f\v]。

\w 匹配任何字母数字字符;它相当于类 [a-zA-Z0-9_]。

\W 匹配任何非字母数字字符;它相当于类 [^a-zA-Z0-9_]。

\A 只匹配字符串首。当不在 MULTILINE 模式，\A 和 ^ 实际上是一样的。然而，在 MULTILINE 模式里它们是不同的;\A 只是匹配字符串首，而 ^ 还可以匹配在换行符之后字符串的任何位置。

\Z 只匹配字符串尾。

\b 单词边界。这是个零宽界定符(zero-width assertions)只用以匹配单词的词首和词尾。单词被定义为一个字母数字序列，因此词尾就是用空白符或非字母数字符来标示的。

\B 另一个零宽界定符(zero-width assertions)，它正好同 \b 相反，只在当前位置不在单词边界时匹配。

注：[akm$]将匹配字符"a", "k", "m", 或 "$" 中的任意一个;"$"通常用作元字符，但在字符类别里，其特性被除去，恢复成普通字符。

RegexObject(re)对象常用方法

matchObject=re.match(pattern,string,flag='0') ：决定 RE 是否在字符串刚开始的位置匹配

matchObject=re.search(pattern,string,flag='0')：扫描字符串，找到这个 RE 匹配的位置

tuple=re.findall(pattern,string,flag='0') ： 找到 RE 匹配的所有子串，并把它们作为一个列表返回

matchObjectList=re.finditer(pattern,string)：找到 RE 匹配的所有子串，并把它们作为一个迭代器返回

MatchObject对象的常用方法

findstring = matchObject.group() ：返回被 RE 匹配的字符串

i = matchObject.start() ：返回匹配开始的位置

i = matchObject.end() ：返回匹配结束的位置

start,end = matchObject.span() ：返回一个元组包含匹配 (开始,结束) 的位置

编译标志

DOTALL, S ：使 . 匹配包括换行在内的所有字符

IGNORECASE, I： 使匹配对大小写不敏感

LOCALE, L ：做本地化识别(locale-aware)匹配

MULTILINE, M： 多行匹配，影响 ^ 和 $

VERBOSE, X ：能够使用 REs 的 verbose 状态，使之被组织得更清晰易懂

使用心得

1.先编译后使用：re.compile('pattern')

2.切勿重复编译：放入全局空间或放入cell空间并实例出一个闭包实例