Python中正则表达式常用法？

正则表达式一般两个用途

一是：检测某一段字符串是否符合规则，也就是我们常说的“校验”；

二是：从一大段字符串中找到符合规则的字符串，可以理解为“检索”。

正则表达式模块

正则表达式模块标记：re.A或re.ASCII

re.I或re.IGNORECASE忽略大小写

re.M或re.MULTILINE 使^在起始处并在每个换行符后匹配，使$在结尾处但在每个换行符之前匹配

re.S或re.DOTALL 使.匹配每个字符，包括换行符

re.X或re.VERBOSE 使空白与注释包含在匹配中

正则表达式模块的函数

re.compile(r,f) ：返回编译后的正则表达式r，如果指定，就将其标记设置为f(即上边的re.A等，且可同时有多个标记，用|分隔)；通常用作预编译，接下来重复使用时不需再编译，返回pattern对象；然后pattern对象可以调用search方法，pattern.search(string)----获得根据pattern搜索的字符串；

re.escape(s) ：返回字符串s，其中所有非字母数字的字符都使用反斜线进行了转义处理，因此，返回的字符串中没有特殊的正则表达式字符；

re.findall(r,s,f) ：返回正则表达式r在字符串s中所有非交叠的匹配（如果给定f,就受其制约）。如果正则表达式中有捕获，那么每次匹配都作为一个捕获元组返回； re.finditer(r,s,f) 对正则表达式r在字符串s中每个非交叠的匹配（如果给定了f，就受其制约），都返回一个匹配对象；

re.match(r,s,f) ：如果正则表达式r在字符串s的起始处匹配（如果给定f，就受其制约），就返回一个匹配对象(MatchObject)，否则返回None;

re.search(r,s,f) ：如果正则表达式r在字符串s的任意位置匹配（如果给定f,就受其制约），就返回一个匹配对象，否则返回None;

re.split(r,s,m) ：返回分割字符串s(在正则表达式r每次出现处进行分割）所产生的字符串的列表，至多分割m次（如果没有给定m,就尽可能多的分割），如果正则表达式中包含捕获，就被包含在分割的部分之间；

>>> s="info:xiaoZhang 33 shandong"
>>> import re
>>> res = re.split(r':| ', s)
>>> res
['info', 'xiaoZhang', '33', 'shandong']

re.sub(r,x,s,m) ：对正则表达式r的每次匹配（如果给定m，那么至多m次），返回字符串s的一个副本，并将其替换为x--这可以是一个字符串，也可以是一个函数；

re.subn(r,x,s,m) 与re.sub()函数相同，区别在于此函数返回一个二元组；

贪婪模式和惰性模式

在正则中，默认的匹配模式是“贪婪匹配”，也就是说，在符合匹配规则的前提下尽可能多的去匹配字符，但是有些时候，我们不需要匹配太多的内容，只要得到需要的“片段”内容就好了。

而量词是匹配多次的，这时我们可以在量词的后面加上?就可以让匹配“适可而止”了，这样的匹配规则就是惰性匹配

这里举一个贪婪匹配与惰性匹配对比的例子：

有字符串"aasdasdasdxxxxxxasdasd"，现在想匹配到x结束

（1）用"惰性匹配"的话：

语法：a.*?x

说明：遇见一个先检测是不是x，如果是的话就停止，不是的话就匹配

结果：aasdasdasdx

（2）默认的"贪婪匹配"：

语法：a.*x

说明：这里会匹配后面所有的x

结果：aasdasdasdxxxxxx

总结：

贪婪模式：

定义：正则表达式去匹配时，会尽量多的匹配符合条件的内容

标识符：+，?，*，{n}，{n,}，{n,m}

匹配时，如果遇到上述标识符，代表是贪婪匹配，会尽可能多的去匹配内容

非贪婪模式：

定义：正则表达式去匹配时，会尽量少的匹配符合条件的内容 也就是说，一旦发现匹配符合要求，立马就匹配成功，而不会继续匹配下去(除非有g，开启下一组匹配)

标识符：+?，??，*?，{n}?，{n,}?，{n,m}?

可以看到，非贪婪模式的标识符很有规律，就是贪婪模式的标识符后面加上一个?

为了加深印象，看下下面的差别：

## 用Python匹配HTML tag的时候，<.> 和 <.?> 有什么区别？
第一个代表贪心匹配，第二个代表非贪心；
?在一般正则表达式里的语法是指的"零次或一次匹配左边的字符或表达式"相当于{0,1}
而当?后缀于*,+,?,{n},{n,},{n,m}之后，则代表非贪心匹配模式，也就是说，
尽可能少的匹配左边的字符或表达式，这里是尽可能少的匹配.(任意字符)
所以：第一种写法是，尽可能多的匹配，就是匹配到的字符串尽量长，
第二种写法是尽可能少的匹配，就是匹配到的字符串尽量短。
比如<tag>tag>tag>end，第一个会匹配<tag>tag>tag>,第二个会匹配<tag>。

re模块实现正则的功能简单举例

re模块实现正则的功能

re.match(正则表达式,要匹配的字符串，[匹配模式])

要匹配的字符串为str1 = "Python's features"

正则表达式r'(.*)on(.*?) .*'

r表示后面的字符串是一个普通字符串（比如\n会译为\和n，而不是换行符）

()符号包住的数据为要提取的数据，通常与.group()函数连用。

.匹配单个任意字符

*匹配前一个字符出现0次或无限次

?匹配前一个字符出现0次或1次

(.*)提取的数据为str1字符串中on左边的所有字符，即Pyth

(.*?)提取的数据为str1中on右边，空格前面，即's

.group(0)输出的是匹配正则表达式整体结果

.group(1) 列出第一个括号匹配部分

.group(2) 列出第二个括号匹配部分

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

line = "Cats are smarter than dogs"
matchObj = re.match(r'dogs', line, re.M | re.I)
if matchObj:
    print("match --> matchObj.group() : ", matchObj.group())
else:
    print("No match!!")

matchObj = re.search(r'dogs', line, re.M | re.I)
if matchObj:
    print("search --> searchObj.group() : ", matchObj.group())
else:
    print("No match!!")
# 输出
No match!!
search --> searchObj.group() : dogs

正则表达式中的特殊字符

$----->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 \*。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。

+----->匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。

.----->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 \?。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。

\----->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，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。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 \|。

{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。

[ABC]----->匹配 [...] 中的所有字符，例如 [aeiou] 匹配字符串 "google runoob taobao" 中所有的 e o u a 字母。

[^ABC]----->匹配除了 [...] 中字符的所有字符，例如 [^aeiou] 匹配字符串 "google runoob taobao" 中除了 e o u a 字母的所有字母。

[A-Z]----->[A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母。

[\s\S]----->匹配所有。\s 是匹配所有空白符，包括换行，\S 非空白符，包括换行。

\w----->匹配字母、数字、下划线。等价于 [A-Za-z0-9_]

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

\cx----->匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。

\f----->匹配一个换页符。等价于 \x0c 和 \cL。

\n----->匹配一个换行符。等价于 \x0a 和 \cJ。

\r----->匹配一个回车符。等价于 \x0d 和 \cM。

\s----->匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。

\S----->匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。

\t----->匹配一个制表符。等价于 \x09 和 \cI。

\v----->匹配一个垂直制表符。等价于 \x0b 和 \cK。