#python之正则表达式
第三方模块 regex , 提供了与标准库
re模块兼容的API接口, 同时还提供了额外的功能和更全面的Unicode支持。
正则表达式语法
正则表达式可以拼接； 如果 A 和 B 都是正则表达式， 那么 AB 也是正则表达式。 通常， 如果字符串 p 匹配 A并且另一个字符串 q 匹配 B, 那么 pq 可以匹配 AB。除非 A 或者 B 包含低优先级操作，A 和 B 存在边界条件；或者命名组引用。
| 特殊字符 | 意义 |
|---|---|
| . | (点) 在默认模式，匹配除了换行的任意字符。如果指定了标签 DOTALL ，它将匹配包括换行符的任意字符。 |
| ^ | 插入符号) 匹配字符串的开头， 并且在 MULTILINE 模式也匹配换行后的首个符号。 |
| $ | 匹配字符串尾或者换行符的前一个字符，在 MULTILINE 模式匹配换行符的前一个字符。foo 匹配 'foo' 和 'foobar' , 但正则 foo$ 只匹配 'foo' |
| * | 对它前面的正则式匹配0到任意次重复， 尽量多的匹配字符串。 ab* 会匹配 'a'， 'ab'， 或者 'a'`后面跟随任意个 |
| + | 对它前面的正则式匹配1到任意次重复。 ab+ 会匹配 'a' 后面跟随1个以上到任意个 'b'，它不会匹配 'a'。 |
| ? | 对它前面的正则式匹配0到1次重复。 ab? 会匹配 'a' 或者 'ab'。 |
*?,+?,?? |
'*', '+'，和 '?' 修饰符都是 贪婪的；它们在字符串进行尽可能多的匹配。有时候并不需要这种行为。如果正则式 <.*> 希望找到 '<a> b <c>'，它将会匹配整个字符串，而不仅是 '<a>'。在修饰符之后添加 ?将使样式以 非贪婪方式或者:dfn:最小 方式进行匹配； 尽量 少 的字符将会被匹配。 使用正则式 <.*?>将会仅仅匹配 '<a>'。 |
| {m} | 对其之前的正则式指定匹配 m 个重复；少于 m 的话就会导致匹配失败。比如， a{6} 将匹配6个 'a' , 但是不能是5个。 |
| {m, n} | 对正则式进行 m 到 n 次匹配，在 m 和 n 之间取尽量多。 比如，a{3,5} 将匹配 3 到 5个 'a'。忽略 m 意为指定下界为0，忽略 n 指定上界为无限次。 比如 a{4,}b 将匹配 'aaaab' 或者1000个 'a' 尾随一个 'b'，但不能匹配 'aaab'。逗号不能省略，否则无法辨别修饰符应该忽略哪个边界。 |
| {m,n}? | 前一个修饰符的非贪婪模式，只匹配尽量少的字符次数。比如，对于 'aaaaaa'， a{3,5} 匹配 5个 'a' ，而 a{3,5}? 只匹配3个 'a'。 |
| \ | 转义特殊字符（允许你匹配 '*', '?', 或者此类其他) |
| [] | 用于表示一个字符集合 |
字符可以单独列出，比如 [amk] 匹配 'a'， 'm'， 或者 'k'。 |
|
可以表示字符范围，通过用 '-' 将两个字符连起来。比如 [a-z] 将匹配任何小写ASCII字符， [0-5][0-9] 将匹配从 00 到 59 的两位数字， [0-9A-Fa-f] 将匹配任何十六进制数位。 如果 - 进行了转义 （比如 [a\-z]）或者它的位置在首位或者末尾（如 [-a] 或 [a-]），它就只表示普通字符 '-'。 |
|
特殊字符在集合中，失去它的特殊含义。比如 [(+*)] 只会匹配这几个文法字符 '(', '+', '*', or ')'。 |
|
不在集合范围内的字符可以通过 取反 来进行匹配。如果集合首字符是 '^' ，所有 不 在集合内的字符将会被匹配，比如 [^5] 将匹配所有字符，除了 '5'， [^^] 将匹配所有字符，除了 '^'. ^ 如果不在集合首位，就没有特殊含义。 |
|
在集合内要匹配一个字符 ']'，有两种方法，要么就在它之前加上反斜杠，要么就把它放到集合首位。比如， [()[\]{}] 和 []()[{}] 都可以匹配括号。 |
|
| (?P\ |
(命名组合）类似正则组合，但是匹配到的子串组在外部是通过定义的 name 来获取的。组合名必须是有效的Python标识符，并且每个组合名只能用一个正则表达式定义，只能定义一次。一个符号组合同样是一个数字组合，就像这个组合没有被命名一样。如果样式是 (?P<quote>['"]).*?(?P=quote) （也就是说，匹配单引号或者双引号括起来的字符串) |
| (?P=name) | 反向引用一个命名组合；它匹配前面那个叫 name 的命名组中匹配到的串同样的字串。 |
| (?=…) | 匹配 … 的内容，但是并不消费样式的内容。这个叫做 lookahead assertion。比如， Isaac (?=Asimov)匹配 'Isaac ' 只有在后面是 'Asimov' 的时候。 |
| (?!=…) | 匹配 … 不符合的情况。这个叫 negative lookahead assertion （前视取反）。比如说， Isaac(?!Asimov) 只有后面 不 是 'Asimov' 的时候才匹配 'Isaac ' 。 |
| (?<=…) | 匹配字符串的当前位置，它的前面匹配 … 的内容到当前位置。这叫:dfn:positive lookbehind assertion（正向后视断定）。 (?<=abc)def 会在 'abcdef' 中找到一个匹配，因为后视会往后看3个字符并检查是否包含匹配的样式。 |
语法示例
1 | import re |