正则表达式
元字符
下面列举一些正则表达式里的元字符及其作用
元字符 |说明
. |代表任意字符|
| |逻辑或操作符|
[ ] |匹配内部的任一字符或子表达式|
[^] |对字符集和取非|
- |定义一个区间|
\ |对下一字符取非（通常是普通变特殊，特殊变普通）|
* |匹配前面的字符或者子表达式0次或多次|
*? |惰性匹配上一个|
+ |匹配前一个字符或子表达式一次或多次|
+? |惰性匹配上一个|
? |匹配前一个字符或子表达式0次或1次重复|
{n} |匹配前一个字符或子表达式|
{m,n} |匹配前一个字符或子表达式至少m次至多n次|
{n,} |匹配前一个字符或者子表达式至少n次|
{n,}? |前一个的惰性匹配|
^ |匹配字符串的开头|
\A |匹配字符串开头|
$ |匹配字符串结束|
[\b] |退格字符|
\c |匹配一个控制字符|
\d |匹配任意数字|
\D |匹配数字以外的字符|
\t |匹配制表符|
\w |匹配任意数字字母下划线|
\W |不匹配数字字母下划线|
组与捕获
1. ()的作用：
1.捕获()中正则表达式的内容以备进一步利用处理，可以通过在左括号后面跟随?:来关闭这个括号的捕获功能
import re
url = 'https://113.215.20.136:9011'
pattern1 = re.findall(r'(\d{1,3}\.){3}\d{1,3}',url)
print(pattern1)
pattern2 = re.findall(r'(?:\d{1,3}\.){3}\d{1,3}',url)
print(pattern2)
#运行结果
['20.']
['113.215.20.136']
2.将正则表达式的一部分内容进行组合，以便使用量词或者|。
2. 反响引用前面()内捕获的内容：
1. 通过组号反向引用
每一个没有使用?:的小括号都会分配一个组好，从1开始，从左到右递增，可以通过\i引用前面()内表达式捕获的内容
import re
strhtml1 = '<h1>这是一个标题<h1>'
pattern1 = re.findall(r'<h([0-9])>(.*?)<h\1>',strhtml1)
print(pattern1)
strhtml2 = '<h1>这是一个标题<h3>'
pattern2 = re.findall(r'<h([0-9])>(.*?)<h\1>',strhtml2)
print(pattern2)
#运行结果
[('1', '这是一个标题')]
[]
2. 通过组名反向引用前面小括号内捕获的内容
可以通过在左括号后面跟随?P<name>,尖括号中放入组名来为一个组起一个别名，后面通过(?P=name)来引用 前面捕获的内容。如(? P<word>\w+)\s+(?P=word)来匹配重复的单词。
通常用在 后台匹配url路由。
3. 注意点：反向引用不能放在字符类[]中使用。
断言与标记
断言不会匹配任何文本，只是对断言所在的文本施加某些约束
常用断言 |说明|
\b |匹配单词的边界，放在字符类[]中则表示backspace
\B |匹配非单词边界，受ASCII标记影响
\A |在起始处匹配
^ |在起始处匹配，如果有MULTILINE标志，则在每个换行符后匹配
\Z |在结尾处匹配
$ |在结尾处匹配，如果有MULTILINE标志，则在每个换行符前匹配
(?=e) |正前瞻
(?!e) |负前瞻
(?<=e) |正回顾
(?<!e) | 负回顾
import re
key = r"<html><body><h1>hello world</h1></body></html>"
pattern1 = re.findall(r"(?<=<h1>).+?(?=</h1>)",key)
print(pattern1)
#运行结果
['hello world']
url = 'https://113.215.20.136:9011/113.215.6.77/'
pattern = re.findall(r'(?<![\.\d])(?:\d{1,3}\.){3}\d{1,3}(?![\.\d])',url)
print(pattern)
#运行结果
['113.215.20.136', '113.215.6.77']
前瞻回顾的解释
说明 |格式|
前瞻 |exp1(?=exp2) exp1后面的内容要匹配exp2
负前瞻 |exp1(?!exp2) exp1后面的内容不能匹配exp2
后顾 |(?<=exp2)exp1 exp1前面的内容要匹配exp2
负后顾 | (?<!exp2)exp1 exp1前面的内容不能匹配exp2
例如：我们要查找hello，但是hello后面必须是world，正则表达式可以这样写："(hello)\s+(?=world)",用来匹配"hello wangxing"和"hello world"只能匹配到后者的hello
条件匹配
(?(id)yes_exp|no_exp):对应id的子表达式如果匹配到内容，则这里匹配yes_exp，否则匹配no_exp
正则表达式的标志
1. 正则表达式的标志有两种使用方法
1. 通过给compile方法传入标志参数，多个标志使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)
2. 通过在正则表达式前面添加(?标志)的方法给正则表达式添加标志，如(?ms)#[\da-z]{6}\b
2. 常用的标志
re.A或者re.ASCII， 使\b \B \s \S \w \W \d \D都假定字符串为假定字符串为ASCII
re.I或者re.IGNORECASE 使正则表达式忽略大小写
re.M或者re.MULTILINE 多行匹配，使每个^在每个回车后，每个$在每个回车前匹配
re.S或者re.DOTALL 使.能匹配任意字符，包括回车
re.X或者re.VERBOSE 这样可以在正则表达式跨越多行，也可以添加注释，但是空白需要使用\s或者[ ]来表示，因为默认的空白不再解释。
