@
onlyhot 下一个 RegexBuddy 软件，它帮助里自带的 tutorials 是最好的正则表达式教程。
另外，最好背下元字符表：
. * ? + ( ) [ ^ $ | \
口决：点星问号加，小中大括号，头尾竖杠。
以前写的 Python 正则表达式笔记：
（参考资料：廖雪峰 Python 教程、正则指引）
re 模块包含所有正则表达式的功能。
在正则表达式内部插入匹配模式：
对大小写不敏感：(?i)
单行模式，即.匹配'\n'：(?s)
多行模式：(?m)
ASCII 模式，即\d、\w、\s 不会匹配非 ASCII 数字，字母和空格：(?a)
Unicode 模式，与 ASCII 模式相反，Python 3 的默认模式：(?u)
注释模式：(?x)
注意：Python 中的模式永远是对整个正则表达式生效的，无论(?...)出现在哪里； Python 不支持用(?-...)停用模式。
\A 匹配字符串的开始位置，\Z 匹配字符串的结束位置。Python 没有\z，\Z 相当于其它语言正则表达式的\z。
如果使用了命名分组，在正则表达式中应当使用(?P=name)来引用，在替换时应当使用\g<name>来引用。例如：r'(?P<char>[a-z])(?P=char)'
观察某个正则表达式的详细信息：
>>> re.compile(r'(ab|[cde])+', re.DEBUG)
max_repeat 1 2147483647
subpattern 1
branch
literal 97
literal 98
or
in
literal 99
literal 100
literal 101
re.compile('(ab|[cde])+', re.DEBUG)
Match 对象常用的方法和属性：
import re
m = re.search(r'(\d{4})-(\d{2})-(\d{2})', '2010-12-20')
print('%s start at %d and ends at %d' % (m.group(), m.pos, m.endpos))
for i in range(1, m.lastindex + 1): # 最大分组的编号
print('%s start at %d and ends at %d' %
(m.group(i), m.start(i), m.end(i)))
print(m.expand(r'year:\1 month:\2 day:\3'))
运行结果：
2010-12-20 start at 0 and ends at 10
2010 start at 0 and ends at 4
12 start at 5 and ends at 7
20 start at 8 and ends at 10
year:2010 month:12 day:20
常用操作示例：
import re
# 1. 验证与搜索
# 如果找到，search()方法返回一个 Match 对象，否则返回 None
if re.search(r'\A\d{4}-\d{2}-\d{2}\Z', '2010-12-20'):
print('ok')
# 如果一个正则表达式要反复使用，可以先编译它，以提高效率
dateRegex = re.compile(r'\A\d{4}-\d{2}-\d{2}\Z')
if dateRegex.search('2010-12-20'): # 或 re.search(dateRegex, '2010-12-20')
print('ok')
# Match 对象的 group()和 groups()方法
phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
m = phoneNumRegex.search('My number is 415-555-4242.')
print(m.group()) # 输出：415-555-4242
print(m.group(0)) # 输出：415-555-4242
print(m.group(1)) # 输出：415
print(m.group(2)) # 输出：555-4242
# 一次性获取从 1 开始的所有的分组
print(m.groups()) # 输出：('415', '555-4242')
# match()和 search()非常相似，参数和返回值都相同，唯一的区别在于：
# match()只会从字符串的最左端开始匹配，search()则没有这个限制。
# 2. 提取
# findall()方法返回一个字符串列表或一个元组列表，没找到则返回一个空列表
print(re.findall(r'\d{4}-\d{2}-\d{2}', '2010-12-20 2011-02-14'))
# 输出：['2010-12-20', '2011-02-14']
print(re.findall(r'(\d{4})-(\d{2})-(\d{2})', '2010-12-20 2011-02-14'))
# 输出：[('2010', '12', '20'), ('2011', '02', '14')]
# 使用 finditer()迭代查找
for iter in re.finditer(r'(\d{4})-(\d{2}-(\d{2}))', '2010-12-20 2011-02-14'):
print(iter.group()) # iter 是一个 Match 对象
# 输出：2010-12-20
# 输出：2011-02-14
# 使用命名分组
regex = re.compile(r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})')
for iter in regex.finditer('2010-12-20 2011-02-14'):
print(iter.group('year'), iter.group('month'), iter.group('day'))
# 3. 替换
print(re.sub(r'\d+', r'**', 'She is 22 years old.'))
# 输出：She is ** years old.
regex = r'(\d{4})-(\d{2})-(\d{2})'
replacement = r'\2/\3/\1' # 或 r'\g<2>/\g<3>/\g<1>'
print(re.sub(regex, replacement, '2010-12-20'))
# 输出：12/20/2010
# 使用命名分组
regex = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
replacement = r'\g<month>/\g<day>/\g<year>'
print(re.sub(regex, replacement, '2010-12-20'))
# 输出：12/20/2010
# 在替换中使用整个表达式匹配的文本
regex = r'\d+.\d{0,2}'
replacement = r'$\g<0>'
print(re.sub(regex, replacement, 'the price is 12.99'))
# 输出：the price is $12.99
# 指定替换操作最多发生的次数：
print(re.sub(r'\d+', 'x', '13 + 76 = 89', 1))
# 输出：x + 76 = 89
# 将所有单词统一为首字母大写其余字母小写格式：
def capitalize(match):
return match.group(1).upper() + match.group(2).lower()
result = re.sub(r'(?i)\b([a-z])([a-z]+)\b', capitalize, 'one tWO THREE')
print(result)
# 输出：One Two Three
# 4. 切分字符串
print(re.split(r'\s+', 'a b \t\r\n c '))
# 输出：['a', 'b', 'c', '']
Select Language