1. 正则表达式基础

1.1. 简单介绍

    正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。

    下图展示了使用正则表达式进行匹配的流程：  http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

    正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解的，看下图中的示例以及自己多使用几次就能明白。

    下图列出了Python支持的正则表达式元字符和语法：

    1.”.“匹配任意除换行符以外的字符

    >>> string = "abafsdafd\nafdasfd"         #包含换行符
　　>>> string1 = "adfasdfadfasdfwer12345656耿"     #不包含换行符
　　>>> import re  
　　>>> m = re.search(".+",string)           #验证是否可以匹配换行符
　　>>> m.group()
　　‘abafsdafd‘

    >>> n = re.search(".+",string1)
　　>>> n.group()
　　‘adfasdfadfasdfwer12345656耿‘
    从上面输出结果可以看出，”.“是匹配任意除了换行符的字符。遇到"\n"换行符即终止匹配。

    2.”\"转义字符

    转义字符，使后一个字符改变原来的意思。如果字符串中有*号需要匹配，可以使用\*或者字符集[*],"a\.c"代表匹配a.c  "a\\c"代表匹配a\c

    >>> str_num = "22.567979mafdasdf"
　　>>> m = re.search("\d+\.\d+",str_num)
　　>>> m.group()
　　‘22.567979‘
    我们知道，"."在python中代表的含义是除了"\n"之外的所有字符，如果这里不进行转义的话，匹配出来的就是任意非"\n"字符，因此要使用"\"进行转义。

    >>> string = "dfafdasfd\fafdasfda"
　　>>> string
　　‘dfafdasfd\x0cafdasfda‘
    在python中，如果字符串中包含"\"，有时候会显示不出来，或者修改后面的内容，把别人改变了，这个不知道在Linux平台上是怎么回事。

    3.[...]字符集（字符类）   
    [...]：字符集（字符类）对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出[0,1,2,3,4,5,6,7,8,9]，也可以给出范围[0-9]。第一个字符集如果是^表示取反，如[^abc]表示不是abc的其他字符。

    所有的特殊字符在字符集中都失去其原有的特殊意义。在字符集中如果要使用]、或^，可以在前面加上"\"反斜杠，或把]\、-放在第一个字符，把^放在非第一个字符。

    >>> string = "dafdafdasf[adfas^fad"

    >>> m = re.search("[a-z]+\[",string)
　　>>> m.group()
　　‘dafdafdasf[‘
    从上面脚本可以看出，如果要匹配[要在前面加上"\"转义字符。

    >>> m = re.search("\w+[[]",string)      （1）在字符集中匹配"["
　　>>> m.group()
　　‘dafdafdasf[‘
    >>> n = re.search("w+[\[]",string)      （2）转义匹配，验证在字符集中匹配[是否需要加[\]
　　>>> n.group()
　　Traceback (most recent call last):
  　　File "<stdin>", line 1, in <module>
　　AttributeError: ‘NoneType‘ object has no attribute ‘group‘
    在字符集中如果要使用]、或^，可以在前面加上"\"反斜杠，或把]\、-放在第一个字符，把^放在非第一个字符。
    预定义字符集

    1.\d数字

    >>> m = re.search("\d",string)
　　>>> m.group()
　　‘1‘
    \d是匹配数字，等价于[0-9]
    2.\D非数字       等价于[^\d]

    >>> string = "dfaMNA12581耿fa"
　　>>> m = re.search("\D",string)
　　>>> m.group()
　　‘d‘
　　>>> n = re.search("[^\d]",string)
　　>>> n.group()
　　‘d‘

    >>> l = re.search("[^0-9]",string)
　　>>> l.group()
　　‘d‘
    从上面可以看出,“\D”是用来匹配非数字的，匹配除了数字0-9意外的任意字符，等价于[^0-9]或[^\d]
    3.\s空白字符     [<空格>\r\t\n\f\v]

    “\s”是匹配任意非空字符，如[<空格>\r\t\n\f\v]等，实例如下：

    >>> m = re.search("\s+",string)     #\s进行匹配空白字符
　　>>> m.group()
　　‘ \t \n \x0c \x0b \r‘
    从上面可以看出，\s是匹配任意空白字符，如空格、\r、\t、\n、\f、\v等

    4.\S非空白字符     \S与\s正好相反，是匹配任意非空字符。等价于[^\s]匹配任意非空字符

    >>> string = "faMM耿 \t \n \f \v \rDASDF"
    >>> n = re.search("\S+",string)
　　>>> n.group()
　　‘faMM耿‘
    从上面可以看出"\S"是匹配任意非空字符，遇到空的字符即停止了，匹配任意非空字符，"."匹配任意字符，除了换行符之外。

    >>> m = re.search(".+",string)
　　>>> m.group()
　　‘faMM耿 \t ‘
    从上面看出，“\S”和“.”还是有差别的，一个是任意非空字符，一个是匹配任意除了"\n"意外任意非空字符。

    5.\w 单词字符[A-Z0-9a-z_]   
    \w是匹配单词字符，下面来看下能不能匹配汉字或其他：

    >>> string = "faMM耿 \t \n \f \v \rDASDF"

    >>> m = re.search("\w+",string)
　　>>> m.group()
　　‘faMM耿‘                （1）脚本

    >>> format_string = "fdMM更KKMM长 /大MM \n \tMMKDSI"
　　>>> m = re.search("\w+",format_string)
　　>>> m.group()
　　‘fdMM更KKMM长‘          （2）脚本

    可以看出，"\w"是可以匹配汉字的，不能匹配空格，换行符这些，但是能够匹配汉字。

    6.   


 

day5模块学习--re正则模块