正則表達式

正則表達式，regular expression, 縮寫為regex regexp re等
分類：BRE ERE PCRE python使用SRE

基本語法：
元字符metacharactor
. 匹配任意（除換行符）
[xx] 占一位，匹配括號里任一字符
[^x] 占一位，不匹配括號里任一字符
[a-z] 匹配任一位小寫字母
\b 匹配單詞邊界
\B 不匹配單詞的邊界
\d ==[0-9]
\D 匹配一位非數字
\s ==[\f\r\n\t\v]匹配一位空白字符
\S 匹配一位非空白字符
\w 匹配[a-zA-Z0-9_]，包括中文的字
\W 匹配\w之外的字符
\ 轉義符號，例如 \\ \. \r \n \[ \]

重復
* 前面的正則表達式 重復0或多次
+ 前面的正則表達式 重復1或多次
？前面的正則表達式 重復0或1次
{n} 前面的正則表達式 重復n次
{n,} 前面的正則表達式 至少重復n次
{n,m} 前面的正則表達式 至少重復n到m次

或匹配
x|y 匹配x或y 長的在前 短的在后
分組 捕獲
(pattern) 自動分組從1開始
\數字 匹配分組 如 （very）\1 捕獲 very very
(?:pattern) 不分組 只改表優先級
（？<name>pattern） 或 (?’name’ exp) 命名分組

斷言
(?=exp) 斷言后面跟著exp
(?<=exp) 斷言前面跟著exp
(?!exp) 斷言后面不是exp
(?<!exp) 斷言前面不是exp

注釋
(?#comment) f(?=oo)(?#這個后斷言不捕獲)

貪婪和非貪婪
*? 匹配任意次 盡可能少重復
+? 匹配至少1次 盡可能少重復
?? 匹配0或1次 盡可能少重復
{n,}? 匹配至少n次 盡可能少重復
{n,m}? 匹配至少n次 至多m次 盡可能少重復

引擎選項
re.I 忽略大小寫
re.M 多行模式 ^行首 $行尾
re.S 單行模式，匹配所有字符包括\n
re.X 忽略表達式中的空白字符，如果要用可以轉義

#Python正則表達式 re模塊
import re

#re.match(pattern, string, flag=0) 只從頭開始

print(re.match(‘www’, ‘awww.runoob.com’))
print(re.match(‘www’, ‘www.runoob.com’).span())

#group(num) groups() 獲取小組，返回元組 group(‘name’)取分組

line = “Mei is a nice girl”

matchObj = re.match(r'(.*) is a (?P<ll>\w+) .*’, line, re.M|re.I)

if matchObj:
print(matchObj.group())
print(matchObj.group(1))
print(matchObj.group(‘ll’))
else:
print(“No match!”)

#re.search(pattern, string, flag=0) 掃描整個字符串返回第一個匹配的

print(re.search(‘www’, ‘www.runoob.com’))
print(re.search(‘com’, ‘www.runoob.com’).span())

#re.sub(pattern, repl, string, count=0, flag=0) 替換
# 參數：
# pattern : 正則中的模式字符串。
# repl : 替換的字符串，也可為一個函數。
# string : 要被查找替換的原始字符串。
# count : 模式匹配后替換的最大次數，默認 0 表示替換所有的匹配。

phone = “2004-959-559 # 這是國外電話”

#刪除字符串中的注釋
print(re.sub(r’#.*$’, ”, phone))

#刪除非數字字符串
print(re.sub(r’\D’,”,phone))

#repl參數是一個函數

def double(matched):
value = int(matched.group(‘value’))
return str(value * 2)

s = ‘A12D5JHK78’
print(re.sub(‘(?P<value>\d+)’, double, s))

#re.compile 編譯正則表達式，給match()和search()使用
# re.compile(pattern[, flags])

pattern = re.compile(r’\d+’)
m = pattern.match(‘one12two’,3)
print(m)
print(m.group())
print(m.start())
print(m.end())
print(m.span())

#findall 匹配所有子串 返回列表
# findall(string[, pos[, endpos]])

pattern = re.compile(r’\d+’)
result1 = pattern.findall(‘gan is 23 tag 45’)
result2 = pattern.findall(‘gan is 23 tag 45’, 0, 10)

print(result1)
print(result2)

#re.finditer 與findall類似，匹配所有子串，返回迭代器
#re.finditer(pattern, string, flag=0)

it = re.finditer(r”\d+”, “12a32bc43jf3″)
print(it)
for match in it:
print(match.group())

#re.split 按照匹配的子串將字符串分割返回列表
#re.split(pattern, string[, maxsplit=0, flags=0])

s = ‘ nike is, a. like/ ‘
print(re.split(‘\W+’, s))

#練習題
#匹配郵箱

emails = ‘test@hot-mail.com is his working-email’
pattern = re.compile(‘\w+[-\.\w]+@[\w-]+(\.[\w-]+)+’)
print(pattern.findall(emails))

#匹配html標記內的內容
alink = ‘<a href=”http://www.baidu.com”>百度</a>’
print(re.findall(‘<[^<>]+>(.*)<[^<>]+>’, alink))

#匹配url
print(re.findall(”’href=[‘”](?P<alink>.*)[‘”]”’, alink))

#匹配二代中國身份證 17位數字+一位檢驗碼
idlist = [
‘321105700101003’,
‘321105197001010030’,
‘11210020170101054X’
]

for id in idlist:
print(re.findall(‘\d{17}[xX\d]|\d{15}’,id)[0])