本文共 3451 字，大约阅读时间需要 11 分钟。
python正则表达式基础
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。在提供正则表达式的语言里，正则表达式的语法是一样的，区别只在于不同的贬称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的部分。
正则表达式进行匹配的流程
正则表达式引擎“编译”<正则表达式>得到正则表达式对象(正则表达式引擎编译表达式字符串得到的对象，包含应如何进行匹配的信息)，正则表达式对象需要匹配的文本进行"匹配"，生成匹配结果(正则表达式对象对文本进行匹配后得到的结果，包含了这次成功匹配的信息，如匹配到的字符串、分组以及在文本中的索引)。
匹配大概过程
正则表达式的大致匹配过程是：一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，这个过程会稍微有些不同，但也是很好理解的，多看实例多使用几次就能明白。
python支持的正则表达式元字符和语法
语法 说明 表达实例 完整匹配的字符串一般字符 匹配自身 abc abc. 匹配任意一个字符(除"\n"外) a.c abc\ 转义字符, 使后一个字符改变原来的意思 a\.c a.c[...] 字符集(字符类)对应位置可以是字符集中任意一个字符 a[bcd]e abe ace adea|b 字符a或字符b <-等价于-> [ab][0-9] 数字0-9其中一个字符[a-z] 小写字母a-z其中一个字符[A-Z] 大写字母A-Z其中一个字符[^m] 不是字符m---------------------------------------------------------------------------------------------------\d 数字：[0-9] a\dc a1c\D 非数字：[^\d] a\Dc abc\s 空白字符：[ <空格> \t\r\n\f\v] a\sc a c\S 非空白字符：[^\s] a\Sc abc\w 单词字符：[A-Za-z0-9] a\wc abc\W 非单词字符：[^\w] a\Wc a c-------------------------数量词(重复)------------------------------------------------------* 匹配前一个字符0次或无限次(>=0) abc* ab abc abcc abccc ...+ 匹配前一个字符1次或无限次(>=1) abc+ abc abcc abccc ...? 匹配前一个字符0次或1次 abc? ab abc{ m} 匹配前一个字符m次 ab{ 2}c abbc{ m,n} 匹配前一个字符m至n次(m<= >=n); m和n可以省略 ab{ 1,2}c abc abbc*? +? ?? { m,n}? 使* + ? { m,n}变成非贪婪模式------------------------------边界匹配------------------------------------------------------^ 匹配字符串开头(在多行模式中匹配每一行的开头)$ 匹配字符串末尾(在多行模式中匹配每一行的末尾)\A 仅匹配字符串开头 这几种匹配模式有点疑惑??????\Z 仅匹配字符串末尾\b 匹配\w和\W之间\B [^\b]------------------------------逻辑、分组------------------------------------------------------| |代表左右表达式任意匹配一个(类似短路或,先匹配左边) abc|def abc def(...) 被括起来的表达式将作为分组, 从表达式左边开始每遇到 (abc){ 2} abcabc 一个分组的左括号'(',编号+1;分组表达式作为一个整体, a(123|456)c a123c a456c 可以后接数量词.表达式中的|仅在该组中有效(?P ...)分组, 除了原有的编号外再指定一个额外的别名 (?P abc){ 2} abcabc\ 引用编号为 的分组匹配到的字符串 (\d)abc\1 1abc1 5abc5(?P=name) 引用别名为 的分组匹配到的字符串 (?P \d)abc(?P=id) 1abc1 5abc5------------------------------特殊构造(不作为分组)---------------------------------------------------(?:...) (...)的不分组版本, 用于使用'|'或后接数量词 (?:abc){ 2} abcabc(?iLmsux) iLmsux的每个字符代表一个匹配模式, 只能用在正则的开头(?i)abc Abc(?#...) #后的内容作为注释被忽略 abc(?#comment)123 abc123(?=...) 之后的字符串内容需要匹配表达式才能成功匹配,不消耗字符串内容 a(?=\d) 后面是数字的a(?!...) 之后的字符串内容需要不匹配表达式才能成功匹配,不消耗字符串内容a(?!\d) 后面不是数字的a(?<=...) 之前的字符串内容需要匹配表达式才能成功匹配,不消耗字符串内容(?<=\d)a 前面不是数字的a(?
参考：
转载地址：http://vfgdo.baihongyu.com/