python中的正则匹配

对于一个文本的字符串多行处理，如果使用split()函数，需要逐行处理，处理的代码也会比较复杂而且阅读体验感不是很好。re模块提供了的匹配函数，但是需要正则化相关的知识。

对于正则表达式样式使用 Python 的原始字符串表示法；在带有 'r' 前缀的字符串字面值中，反斜杠不必做任何特殊处理。因此 r"\n" 表示包含 '' 和 'n' 两个字符的字符串，而 "\n" 则表示只包含一个换行符的字符串。样式在 Python 代码中通常都会使用这种原始字符串表示法来表示。

特殊字符

'.'在默认模式，匹配除了换行的任意字符。

'^'匹配字符串的开头，多行模式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，多行模式匹配换行符的前一个字符。

''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'。

'+'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'。

“{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}?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'。

[]用于表示一个字符集合。在一个集合中
符可以单独列出，比如 [amk]
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 ')'
支持\w or \S
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'
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。

'|' A|B, 匹配满足A或者B任意正则.

(...) 匹配括号中的正则表达式，也表示一个组。

(?:re) 类似(...)，但是不是一个组

\d 匹配数字[0-9]

\D 匹配非数字字符[^0-9]

\s 匹配空白字符[ \t\n\r\f\v]

\S 匹配非空白字符[^ \t\n\r\f\v]

\w 匹配字符数字字符下划线[a-zA-Z0-9_]

\W 匹配非字符数字字符下划线[^a-zA-Z0-9_]

来看一个例子：

>>> import re  
>>> s = "adfad asdfasdf asdfas asdfawef asd adsfas " 

# 匹配字符串
 >>> reObj3 = re.compile('\w+\s+\w+')  
>>> reObj3.findall(s)  
['adfad asdfasdf', 'asdfas asdfawef', 'asd adsfas']  

# 匹配组
>>> reObj2 = re.compile('(\w+)\s+\w+')  
>>> reObj2.findall(s)  
['adfad', 'asdfas', 'asd']  

#匹配双重组
>>> reObj1 = re.compile('((\w+)\s+\w+)')  
>>> reObj1.findall(s)  
[('adfad asdfasdf', 'adfad'), ('asdfas asdfawef', 'asdfas'), ('asd adsfas', 'asd')]

findall函数返回的总是正则表达式在字符串中所有匹配结果的列表，此处主要讨论列表中“结果”的展现方式，即findall中返回列表中每个元素包含的信息。

1.当给出的正则表达式中不带括号时，列表的元素为字符串，此字符串为整个正则表达式匹配的内容。
2.当给出的正则表达式中带有一个括号时，列表的元素为字符串，此字符串的内容与括号中的正则表达式相对应（不是整个正则表达式的匹配内容）。
3.当给出的正则表达式中带有多个括号时，列表的元素为多个字符串组成的tuple，tuple中字符串个数与括号对数相同，字符串内容与每个括号内的正则表达式相对应，并且排放顺序是按括号出现的顺序。