python正则表达式匹配

1. 正则表达式—特殊表达式含义

1.1 普通字符集

1)    \w            　　	匹配字母数字及下划线
2)    \W            　　	匹配非字母数字及下划线
3)    \s             　  匹配任意空白字符，等价于 [\t\n\r\f].
4)    \S             　　匹配任意非空白字符
5)    \d             　　匹配任意数字，等价于 [0-9]
6)    \D            　　 匹配任意非数字
7)    \1...\9        　  匹配第n个分组的内容。
8)    [a-zA-Z0-9]    	匹配任何字母及数字

1.2 数量字符集

用在字符或分组符(…)之后，默认贪婪匹配，如果想抑制贪婪匹配，需在数量字符后加?，例如：\w+?

1) . 　　 	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，可以匹配包括换行符的任意字符
2)  *       匹配前一个字符0次1次或多次
3)  +       匹配前一个字符1次或多次
4)  ?       匹配前一个字符0次或1次
5)  { 
   m}     匹配前一个字符m次
6)  { 
   m,n}   匹配前一个字符m到n次
7)  { 
   m,}    匹配前一个字符至少m次
8)  { 
   ,n}    匹配前一个字符0到n次，最多n次

1.3 边界匹配符

1)  ^　　　　　　匹配字符串开头，如果是多行则匹配每一行的开头
2)  [^] 　　　　 在[...]中，^表示否定，如非字母[^a-zA-Z]，非数字[^0-9]
3)  $ 　　　　　	匹配字符串或一行的结尾，如果是多行匹配模式，则每一行的结尾
4)  \A 　　　　　仅匹配字符串的开始，同^
5)  \b 　　　　　匹配一个单词的边界，也就是指单词和空格间的位置
6)  \B 　　　　　等价于[^\b]表示匹配非单词边界
7)  \Z 　　　　　匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
8)  \z 　　　　　匹配字符串结束

1.4 逻辑匹配符

1)  |（或）
　　　　匹配 | 左右任意一种正则表达式，如果左边表达式匹配上，匹配结束，不再匹配右边的正则表达式，该符号一般放在()中使用，如果没在圆括号中则它的范围是整个正则表达式
2)  分组 (...)
　　　　后向引用，用()括起来的正则表达式将被作为一个分组，从正则表达式的左边依次算起，有多少个左括号'('，就有 多少个分组，分组的编码从1依次加1，无论是括号中嵌套括号，并且分组表达式作为一个整体，后可接数量词。
3)  \<number>
　　　　引用分组匹配到的分组编号为<number>的字符串 如：\1...\9
4)  (?P<name>...)
　　　　命名分组，除了默认的分组编号外再指定一个别名分组
　　　　注意：P是大写
5)  (?P=name)
　　　　引用别名为name的分组匹配，这个是在正则表达式中引用，表示匹配重复的字符串,也可以使用编号引用。
　　　　注意：P是大写

1.5 特殊匹配符

1)  (?imx) 　　　　	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
2)  (?-imx) 　  　	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
3)  (?:...) 　　   	匹配到的括号内字符串不作为分组
4)  (?!pattern)   	前向否定断言语法，表示否定开头, 只能用在正则表达式的开头，pattern是匹配模式，它后面的内容需要不匹配 该正则表达式才匹配成功
5)  (?<!pattern) 　	后向否定断言语法，表示否定结尾,前面的内容需要不匹配该pattern模式才匹配成功
6)  (?=pattern) 　	前向肯定断言语法. 需要匹配pattren模式才能匹配成功，表示肯定前面的字符内容
7)  (?<=pattern)  	后向肯定断言语法, 需要匹配pattern模式才能匹配成功，表示肯定后面的字符内容
8)  (?#...) 　　 后面的内容将被作为注释而忽略

2. 例子

# coding=utf-8
import re
# 1. 写一个正则表达式，使其能同时识别下面所有的字符串：'bat','bit', 'but', 'hat', 'hit', 'hut'

s ="bat ,bit ,but ,hat ,hit ,hut"
print re.findall(r'[bh][aiu]t',s)

# 2.匹配由单个空格分隔的任意单词对，也就是姓和名

s = "Han meimei, Li lei, Zhan san, Li si"
print re.findall(r'([A-Za-z]+) ([A-Za-z]+)',s)

# 3. 匹配由单个逗号和单个空白符分隔的任何单词和单个字母,如姓氏的首字母

s = "yu, Guan bei, Liu fei, Zhang"
print re.findall(r'([a-zA-Z]+),\s([a-zA-Z])',s)

# 4.匹配所有的有效的Python标识符集合

s = "_hello , python_1 , 2world , Pra_ni , @dfa_ , ewq* "
print re.findall(r'\b[a-zA-z_][\w]*(?!=\W) ',s)

# 5. 根据美国街道地址格式,匹配街道地址。美国接到地址使用如下格式:1180 Bordeaux Drive。使你的正则表达式足够灵活,以支持多单词的街道名称,如3120 De la Cruz Boulevard

s = """street 1: 1180 Bordeaux Drive," street 1: 3120 De la Cruz Boulevard"""
print re.search(r'\d+( +[a-zA-Z]+)+',s).group()

# 6. 匹配以“www”起始且以“.com”结尾的简单Web域名:例如,http://www.yahoo.com ，也支持其他域名，如.edu .net等

s = "http://www.yahoo.com www.foothill.edu"
print re.search(r'w{3}\.[a-zA-Z]+\.(com|edu|net)',s).group()

# 7. 匹配所有能够表示Python整数的字符串集

s = '520a1 20L 0 156 -8 -10a A58'
ite = re.finditer(r'-?\d+',s)
for i in ite: print i.group(),

# 8. 匹配所有能够表示Python长整数的字符串集

s = '520a 20L 0 156 -8L A58'
ite = re.finditer(r'-?\d+L',s)
for i in ite: print i.group(),

# 9. 匹配所有能够表示Python浮点数的字符串集

s = '80.2 fds2.1 0.003'
print re.findall(r'\d+\.\d+',s)

# 10. 表示所有能够表示Python复数的字符串集

s = '12j fds -4j 5-2j fdsa'
print re.findall(r'\d*-?\d+j',s)

# 11、匹配一行文字中的所有开头的字母内容

s="Now, let's take a closer look at some iconic moments from the show's stage made by Chinese Angels."
print re.findall(r'\b\w',s)

# 12、匹配一行文字中的所有开头的数字内容

s="Now, let's take a closer look at some iconic moments from the show's stage made by Chinese Angels."
print re.findall(r'\b\d',s)

# 13、匹配一行文字中的所有开头的数字内容或字母内容

s = "577fsda3f you12daf f1s32dafffff"
print re.findall(r'\b\d+|\b[A-Za-z]+',s)

# 14、 只匹配包含字母和数字的行

s = "nihao fsadf \n789! 3asfd 1\nfds12df e4 4564"
print re.findall(r'^([a-zA-Z\d ]+)$',s,re.M)

# 15、提取每行中完整的年月日和时间字段

s="""time 1988-01-01 17:20:10 fsadf 2018-02-02 02:29:01"""
print re.findall(r'[12]\d{3}\-[01]\d\-[0123]\d\s*[012]\d\:[012345]\d\:[012345]\d',s)

# 16、将每行中的电子邮件地址替换为你自己的电子邮件地址

s="""xss@qq.com, 465465@163.com, ppp@sina.com s121f@139.com, soifsdfj@134.com pfsadir423@123.com"""
print re.sub(r'\w+?\@\w+?\.com','zeke@qq.com',s)

# 17、匹配\home关键字：

s ="fdsar \home \homeer"
print re.findall(r'\\home',s)