Python 正则表达式 re

字符串匹配

[asd] 就是要匹配任何字符 a, s, d，但如果想匹配 a b c d e …… x y z 是不是要把所有的都写一遍？当然不是了，这个我们可以写成 [a-z] 就行了，- 就是用来表示一个范围，再比如表示数字 1 至 9，可以写成 [1-9] 。

上面说的是包含的字符范围，如果想匹配不包含的范围要怎么做？这就要用到元字符 ^，比如匹配除了 n, u, 3 之外的字符，可以写成 [^nu3]。

还有一点需要注意，在 [ ] 中的元字符会作为普通字符匹配，比如 [$+] 就会匹配 $, +。

最后说下元字符 \，它的意义是用于转义所有元字符，也就是去掉元字符的特殊性，比如 \{\$\\，其实就是匹配字串 {, $, \。

特殊字符

上面说了 [a-z] 可以匹配所有小写字母，[0-9] 用来匹配所有数字，这样已经够简单了，还有更简单的几种特殊范围表达方式。

上面这些特殊序列可以包含在字符类中，比如 [\s\d,] 即匹配任何空白字符，数字和 ,。

重复匹配 * + ？{m,n}

只是做到匹配字符串集合，肯定是不够的，它还有个更大的优势，那就是可以指定某一部分字符是重复的，并且可以指定重复的次数。

先说第一个表示重复的元字符 *，它用来指定前面一个字符可以重复0次或者多次。

比如 ap*le 将会匹配 apple,appple,ale 等等。

这里当重复正则时，匹配引擎会尝试尽可能多的重复它。当发现模式的后续部分不匹配，则匹配引擎将会回退并以较少的重复次数再次尝试。

另一个重复的元字符 +，它用来表示前一个字符可重复1次或多次。它跟 * 相比，其实就是少了一个重复0次，也就是上面 ap*le 换成 ap+le 不会出现匹配到 ale。

第三个元字符就是 ?，它用来表示前一个字符可重复0次或1次，把上面的例子换成 ap?le，其实就是两个字符串 ale 或 aple。

最后一个复杂些就是 {m,n}，这个表示前一个字符可重复次数是一个区间，也就是最少重复m次，最多重复n次。

例如 ap{2,3}le将会匹配 apple,appple 两个字符串，其他都不会匹配。

编译

对！你没看错，如果想使用正则表达式，首先得要把它编译成模式对象。编译成对象后，它就可以使用各种操作方法了，比如字串匹配查询或替换等。

Python 编译的方法是 re.compile('正则表达式')，比如 re.compile('ap?le')。

当然也可以传一些特殊的参数，比如忽略大小写，那上面的编译方法就可以写成 re.compile('ap?le', re.IGNORECASE)，这样在匹配字串时就可以忽略大小写了。

那除了这个还有别的参数吗？有，下面我把一部分常用的参数列出来，对了参数还可以简写，比如刚才使用的 re.IGNORECASE 可以简写成 re.I，这样就方便多了。

以下是常用编译参数：

实例：去掉字串中的中文

>>> import re
>>> p = re.compile(r'[\u4e00-\u9fa5]')
>>> en = re.sub(pattern, '', "I love 东南 SEU.")
>>> print(en)
I love  SEU.
>>> print(en.replace("  "," "))
I love SEU.
>>> 

查找匹配

其实上面说的编译都只是在做准备，准备接下来要介绍的，正则表达式最重要的查询匹配。

常用匹配方法：

   match()：当是从字符串的开头开始匹配时使用，如匹配不上返回None；

   search()：通过扫描字符串，来匹配字符串任意位置，如匹配不上返回None；

   findall()：这个方法返回的是个列表，即所有匹配上的字符串列表；

   finditer()：这个和 findall() 相同，只是不是返回列表，而是一个 iterator。

import re
ret = re.compile('[0-9]+') 
ret.match("apple")    // 返回 None   
ret.match("12189")   // 返回 <re.Match object; span=(0, 5), match='12189'>
ret.match("121ab")   // 返回 <re.Match object; span=(0, 3), match='121'>

摘抄混分......