正则表达式

正则表达式(regex)

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为"元字符"）组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

正则表达式的特殊字符

非打印字符

非打印字符也是正则表达式的组成部分。非打印字符的转义序列常见有这些:

  1. \cx 匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M
  2. \n 匹配一个换行符。等价于 \x0a 和 \cJ。
  3. \t 匹配一个制表符。等价于 \x09 和 \cI。
    说真的python和excel真的配.

特殊字符

一些有特殊含义的字符，简单的说就是表示任何字符串的意思。
如下所示:
$
匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 ‘\n’ 或 ‘\r’。要匹配 $ 字符本身，请使用 $。

( )
标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 ( 和 )。



匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 *。



匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 +。

.
匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 . 。

[
标记一个中括号表达式的开始。要匹配 [，请使用 [。

?
匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 ?。

将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\’ 匹配 “”，而 ‘(’ 则匹配 “(”。

^
匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 ^。

{
标记限定符表达式的开始。要匹配 {，请使用 {。

|
指明两项之间的一个选择。要匹配 |，请使用 |。

限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。

举例如下
*
匹配前面的子表达式零次或多次。例如，ldx* 能匹配 “ldx” 以及 “ldxx”。* 等价于{0,}。



匹配前面的子表达式一次或多次。例如，‘ldx+’ 能匹配 “ldx” 以及 “ldxx”，但不能匹配 “ld”。+ 等价于 {1,}。

?
匹配前面的子表达式零次或一次。例如，“do(es)?” 可以匹配 “do” 或 “does” 中的 “does” 或 “doxy” 中的 “do” 。? 等价于 {0,1}。

{n}
n 是一个非负整数。匹配确定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。

{n,}
n 是一个非负整数。至少匹配n 次。例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。

{n,m}
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。

re关键词模块操作

re.findall(expression,value)

从val的左边进行查找，查找所有expression匹配到的字符串，并用list进行存储

re.search(expression,value)

从value的左边进行查找，查找匹配expression的对象，找到1个既返回，找到则返回SRE对象，找不到就返回None，通过对象的.group()方法读取匹配到的信息

re.match(expression,value)

从value开头开始找，匹配则返回SRE对象，不匹配就返回None，功能类似于 ^

re.split(expression,val)

把val按照expression进行分割,支持按照正则表达式进行分割，返回list

re.blablabla.group()

对表达式进行分组

最有用的一个表达式:re.compile(regex)

把正则表达式regex进行编译，编程表达式对象，然后可以传给其他模块(re.search,re.match)来当作匹配规则来进行匹配。

import re
s = 'abcde fgh' 
regex = re.compile('abc\S') 
result = re.match(regex,s).group() 
print(result)

编译后会对执行速度有很大的好处.所以,如果一个正则表达式会在多个地方调用，那么最好编译成对象，但是,如果只用一次，那么编译不编译都一样.

匹配后命名

?P

?P表示对匹配到字符串对象进行命名(在很多地方都可以使用，非常方便)。

# ?P编写格式
(?P<tagname>正则表达式)  # 符合正则表达式匹配到的数据命名为 tagname
import re
s = 'abcde fgh'
regex = re.compile('(?P<regex>abc\S)(\w*)(.*)') 
result = re.match(regex,s).group('regex')    
# 命名后，可以使用group直接过滤关键字来获取匹配到的结果
result1 = re.match(regex,s).group(1)　　　　　
# 这里和regex匹配到的数据是相同的
result2 = re.match(regex,s).group(2)
result3 = re.match(regex,s).group(3)  
print(result)
print(result1)
print(result2)
print(result3)