正则表达式、原始字符串及re
正则表达式、原始字符串及re
re是python中的⼀个⽂本解析⼯具，常⽤的⽅法有：
tokio hotelcompile
把正则表达式的模式和标识转化成正则表达式对象，供 match() 和 arch() 这两个函数使⽤。
re 所定义的 flag 包括：
re.I 忽略⼤⼩写
re.L 表⽰特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多⾏模式
re.S 即为’ . ’并且包括换⾏符在内的任意字符（’ . ’不包括换⾏符）
我会想念你re.U 表⽰特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性，忽略空格和’ # ’后⾯的注释
例：以下两种⽤法结果相同：
A)
compiled_pattern = re.compile(pattern) ``result = compiled_pattern.match(string)
B)
result = re.match(pattern, string)
re.arch(pattern, string[, flags])
在字符串中查找匹配正则表达式模式的位置，返回 MatchObject 的实例，如果没有找到匹配的位置，则返回 None。
liverpool
对于已编译的正则表达式对象来说（re.RegexObject），有以下 arch 的⽅法：
arch (string[, pos[, endpos]])
若 regex 是已编译好的正则表达式对象，regex.arch(string, 0, 50) 等同于 regex.arch(string[:50], 0)。
具体⽰例如下。
>>> pattern = re.compile("a") ``>>> pattern.arch("abcde") # Match at index 0 ``>>> pattern.arch("abcde", 1) re.match(pattern, string[, flags])
判断 pattern 是否在字符串开头位置匹配。对于 RegexObject，有：
中文译德文match(string[, pos[, endpos]])
match() 函数只在字符串的开始位置尝试匹配正则表达式，也就是只报告从位置 0 开始的匹配情况，⽽ arch() 函数是扫描整个字符串来查找
匹配。如果想要搜索整个字符串来寻找匹配，应当⽤ arch()。
split
re.split(pattern, string[, maxsplit=0, flags=0])
此功能很常⽤，可以将将字符串匹配正则表达式的部分割开并返回⼀个列表。对 RegexObject，有函数：
split(string[, maxsplit=0])
例如，利⽤上⾯章节中介绍的语法：
>>> re.split('\W+', 'test, test, test.') ``['test', 'test', 'test', ''] ``>>> re.split('(\W+)', ' test, test, test.') ``[' test ', ', ', ' test '对于⼀个找不到匹配的字符串⽽⾔，split 不会对其作出分割，如：
>>> re.split('a*', 'hello world') ``['hello world']
re.findall(pattern, string[, flags])
kiefer sutherland在字符串中找到正则表达式所匹配的所有⼦串，并组成⼀个列表返回。同样 RegexObject 有：
findall(string[, pos[, endpos]])
⽰例如下：
#get all content enclod with [], and return a list ``>>> return_list = re.findall("(\[.*?\])",string)
re.finditer(pattern, string[, flags])
lanbo
workout是什么意思和 findall 类似，在字符串中找到正则表达式所匹配的所有⼦串，并组成⼀个迭代器返回。同样 RegexObject 有：
finditer(string[, pos[, endpos]])
sub
re.sub(pattern, repl, string[, count, flags])
在字符串 string 中找到匹配正则表达式 pattern 的所有⼦串，⽤另⼀个字符串 repl 进⾏替换。如果没有找到匹配 pattern 的串，则返回未被修
改的 string。Repl 既可以是字符串也可以是⼀个函数。对于 RegexObject 有：
sub(repl, string[, count=0])
此语法的⽰例有：
>>> p = re.compile( '(one|two|three)') `` ``>>> p.sub( 'num', 'one word two words three words') ``'num
word num wo 同样可以⽤以下⽅法，并指定 count 为 1（只替换第⼀个）：
>>> p.sub( 'num', ' one word two words three words', count=1)
' num word two words three words'
subn
re.subn(pattern, repl, string[, count, flags])
该函数的功能和 sub() 相同，但它还返回新的字符串以及替换的次数。同样 RegexObject 有：
subn(repl, string[, count=0])
区分正则表达式易错的⼤⼩写
正则表达式特殊序列：
减肥 英语
\A只在字符串开头进⾏匹配。
\b匹配位于开头或者结尾的空字符串
\B匹配不位于开头或者结尾的空字符串
\d匹配任意⼗进制数，相当于 [0-9]
\D匹配任意⾮数字字符，相当于 [^0-9]harper
\s匹配任意空⽩字符，相当于 [ \t\n\r\f\v]
\S匹配任意⾮空⽩字符，相当于 [^ \t\n\r\f\v]
\w匹配任意数字和字母，相当于 [a-zA-Z0-9_]
\W匹配任意⾮数字和字母的字符，相当于 [^a-zA-Z0-9_]
\Z只在字符串结尾进⾏匹配
注意这⾥⾯，关于⼤⼩写的作⽤是反过来的：\s（⼩写）是匹配空⽩字符，⽽\S(⼤写)则是匹配⾮空⽩字符；\w匹配数字和字母，⽽\W匹配的是⾮数字和
字母，这就很容易⽤错。不过规律是⼀致的，就是⼩写是描述特征的，⽽⼤写的匹配的是⼩写的“⾮”
正则表达式和原始字符串混起来，就有了⼀丝复杂的意味
原始字符串的意思是：所有的字符串都是直接按照字⾯的意思来使⽤，没有转义特殊或不能打印的字符。
我们往往容易误以为原始字符串的意思是“只能表⽰字⾯上的字符”，在⼀些简单使⽤的情况下，这是正确的，但是在re模块中使⽤是有问题的：compile
把正则表达式的模式和标识转化成正则表达式对象，供 match() 和 arch() 这两个函数使⽤。
这⾥我们输⼊的字符串实际上是pattern，如果使⽤原始字符串，就是将输⼊的字符串直接当成pattern
例如：\w表⽰匹配任意数字和字母，这个\是我们需要的，但是如果直接输⼊“\w"会将\w认为是转义字符，传递的pattern就不是\w了.如果不使⽤原始字符
串，应该写成re.compile("\\w")；⽽如果使⽤了原始字符串，应该是re.compile(r"\w")
⽽例如+号，它本⾝就不存在转义的问题，所以⽆论是否使⽤原始字符串，只要我们想获得的是+号表⽰的1到多次的效果，就都不要画蛇添⾜加\。但是
如果我们需要表⽰的都是+这个符号本⾝呢？那么这两种情况都需要加\。注意，由于Python中没有规定\+这个转义字符，所以它其实是被Python当成\和
+传⼊re的，⽽re根据\将+转义为没有特殊效果的+字符。这⾥要搞清
beefcake
说起来不太难，但是使⽤的时候还是有点坑的其实，尤其是脑⼦容易绕不过来。所以我觉得⼲脆，正则表达式上能不⽤原始字符串就不⽤了吧
（⽽且我实测，原始字符串在这⾥好像会有薛定谔bug，⼀开始运⾏就是不过，折腾了半天改回原来不知道怎么就过了，很迷````）
