核心编程
正则表达式使用的特殊符号和字符
记号 说明 举例
literal 匹配字符串的值 foo
re1|re2 匹配字符串1或者2 foo|bar
. 匹配任意字符（换行符除外） b.b
^ 匹配字符串的开始 ^bar
$ 匹配字符串的结尾 bar$
* 匹配前面出现的正则表达式零次或多次 bar*
+ 匹配前面出现的正则表达式一次或多次 bar+
? 匹配前面出现的正则表达式一次或零次 bar?
{N} 匹配前面出现的正则表达式N次 [0-9]{5}
{M,N} 匹配重复出现M次到N次的正则表达式 [0,9]{6,9}
[...] 匹配字符组里出现的任意一个字符 [dghjkl]
[..X-Y..] 匹配从字符x到y中的任意一个字符 [0-9a-z]
[^...] 不匹配此字符集中出现的任意一个字符 [^dghjkl]
(*|+|?|{})? 由于上面出现的任何‘非贪婪’版本重复匹配次数符号 .*?[a-z]
（*，+，？，{}）
(...) 匹配封闭括号中正则表达式（RE），并保持为子组 ([0-9]{3}?,f(oo|u)bat)
special characters
\d 匹配任何数字，和[0-9]一样(\D是\d的反义：任何非数字符) data\d+.txt
\w 匹配任何数字字母字符，和[A-Za-z0-9]相同（\W是\w的反义） [A-Za-z_]\w+
\s 匹配任何空白符，和[\n\t\r\f]相同，(\S是\s的反义) of\sthe
\b 匹配单词的边界(\B是\b的反义) \blove\b
\nn 匹配已保存的子组 print:\16
\c 逐一匹配特殊字符c \.,\*,\\,\?
\A （\Z） 匹配字符串的起始（结束） \Adear
\A 和^是一样的,\Z 和$是一样的。
^/$ /\b /\B
“matching”和“searching” 之间的区别，“matching”是试图从整个字符串的开头进行匹配，而 “searching” 则可从一个字符串的任意位置开始匹配。正因为这几个字符和搜索的位置有关，所以需要和搜索模式一起使用
示例：
^From 匹配任何以From 开始的字符串
/bin/tcsh$ 匹配任何以 /bin/tcsh 结束的字符串
^Subject: hi$ 匹配仅由 Subject: hi 组成的字符串
RE Pattern Strings Matched
the 任何包含有"the"的字符串
\bthe 任何以"the"开始的字符串
\bthe\b 仅匹配单词 “the”
\Bthe 任意包含“the”但不以“the”开头的单词
创建字符类[]:[abcd],[1-9]匹配其中任意一个字符,很简单没什么好说的
使用闭包操作符 ( *,+,?,{} ) 实现多次出现/重复匹配
'?'的特殊作用：
问号出现了不只一次(被重载),问号有两种含义:1.单独使用时表示匹配出现零次或一次的情况，2.紧跟在表示重复的元字符后面时，表示要求搜索引擎匹配的字符串越短越好。例如：(+?)
match 和searching的区别：
match:匹配是指，判断一个字符串能否从起始处全部或部分的匹配某个模式
searching;搜索，即在字符串任意部分中查找匹配的模式
常见的正则表达式函数与方法
函数/方法 描述
re 模块的函数
compile(pattern,flags=0) 对正则表达式模式pattern 进行编译，flags 是可选标志符，并返回一 个regex 对象
match(pattern,string,flags=0) 尝试用正则表达式模式pattern 匹配字符串string,flags 是可选标志 符，如果匹配成功，则返回一个匹配对象；否则返回None
search(pattern,flags=0) v在字符串string 中查找正则表达式模式pattern 的第
一次出现，flags 是可选标志符，如果匹配成功，则返回一个匹配对 象；否则返回None
findall(pattern,string[,flags]) 在字符串string 中查找正则表达式模式pattern 的所有(非重复)出 现；返回一个匹配对象的列表
finditer(pattern,flags]) 和findall()相同，但返回的不是列表而是迭代器；对于每个匹配 ，该迭代器返回一个匹配对象
split(pattern,max=0) 根据正则表达式pattern 中的分隔符把字符string 分割为一个 列表，返回成功匹配的列表，最多分割max 次(默认是分割所有匹 配 的地方)。
sub(pattern,repl,max=0) 把字符串string 中所有匹配正则表达式pattern 的地方替换 成字符串repl,如果max 的值没有给出，则对所有匹配的地 方进行替换(另外，请参考subn(),它还会返回一个表示替换 次数的数值)。
group(num=0) 返回全部匹配对象(或指定编号是num 的子组)
groups() 返回一个包含全部匹配的子组的元组(如果没有成功匹配，就返 回一个空元组)
m=re.match('foo','foo')
if m is not None:
m.group()
核心笔记 ： Python 原始字符串(raw strings)的用法
你可能已经看到前面关于原始字符串用法的一些例子了。原始字符串的产生正是由于有正则表
达式的存在。原因是ASCII 字符和正则表达式特殊字符间所产生的冲突。比如，特殊符号“\b”在
ASCII 字符中代表退格键，但同时“\b”也是一个正则表达式的特殊符号，代表“匹配一个单词边界”。
为了让RE 编译器把两个字符“\b”当成你想要表达的字符串，而不是一个退格键，你需要用另一个
反斜线对它进行转义，即可以这样写：“\\b”。
但这样做会把问题复杂化，特别是当你的正则表达式字符串里有很多特殊字符时，就更容
易令人困惑了。在第六章，我们曾介绍过原始字符串，它经常被用于简化正则表达式的复杂程度。
事实上，很多Python 程序员在定义正则表达式时都只使用原始字符串。
(r'\bblow')
正则表达式示例:
from random import randint,choice
from string import lowercase
from sys import maxint
from time import ctime
doms = ( 'com','edu','net','org','gov' )
t=range(randint(5,10))
print t
for i in t:
dtint=randint(0,maxint-1) # pick date
print dtint
dtstr=ctime(dtint) # date string
shorter = randint(4,7) # login shorter
em = ''
for j in range(shorter):
em += choice(lowercase)
longer = randint(shorter,12) # domain longer
dn = ''
for j in range(longer):
dn += choice(lowercase)
print '%s::%s@%s.%s::%d-%d-%d' % (dtstr,em,dn,choice(doms),dtint,shorter,longer)
匹配一个字符串: