一、正則表達式基礎

1.簡介

　　正則表達式並不是Python的一部分。正則表達式是用於處理字符串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表達式的語言裏，正則表達式的語法都是一樣的，區別只在於不同的編程語言實現支持的語法數量不同；但不用擔心，不被支持的語法通常是不常用的部分。如果已經在其他語言裏使用過正則表達式，只需要簡單看一看就可以上手了。

　　正則表達式的大致匹配過程是：依次拿出表達式和文本中的字符比較，如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。如果表達式中有量詞或邊界，這個過程會稍微有一些不同，但也是很好理解。

　　下圖列出了Python支持的正則表達式元字符和語法（圖片來自網絡）：

2、細節註意

　　（1）貪婪匹配和非貪婪匹配

　　當我們使用 * + ?號的時候默認采取貪婪匹配（即匹配最大個數），當在這些符號之後再加一個 ?或者直接使用{m,n}采取非貪婪匹配（加?表示按最小次數，｛｝表示按需匹配）

　　（2）匹配模式

#匹配模式
re.I  #匹配中大小寫不敏感

re.L  #使預定字符類 \w \W \b \B \s \S 取決於當前區域設定

re.M  #多行匹配，影響^和$符號

re.S  #包含換行在內的所有字符，影響 . 元字符

re.U  #使預定字符類 \w \W \b \B \s \S \d \D 取決於unicode定義的字符屬性

re.X  #詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，並可以加入註釋。
 

　　（3）原生字符串

　　與大多數編程語言相同，正則表達式裏使用"\"作為轉義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"\"，那麽使用編程語言表示的正則表達式裏將需要4個反斜杠"\\\\"：前兩個和後兩個分別用於在編程語言裏轉義成反斜杠，轉換成兩個反斜杠後再在正則表達式裏轉義成一個反斜杠。Python裏的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r"\\"表示。同樣，匹配一個數字的"\\d"可以寫成r"\d"。有了原生字符串，你再也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀。

二、re模塊的使用

1、re中的函數

re.match(pattern, string, flags = 0)
 
#查找字符串最前面符合的子串，返回match對象
#flags表示匹配模式

re.search（pattern, string, flags = 0）
#找到一個符合的子串，返回match對象

re.findall(pattern, string, flags = 0)
#找到所有符合的子串，返回列表

re.sub(pattern, repl, string, max = 0)
#替換字符串中符合的子串，max表示替換的次數

re.subn #替換後還得到替換的次數

re.compile(pattern)
#將規則字符串編譯到Pattern對象中，可重復使用，是Pattern類的工廠方法

re.finditer #生成叠代對象

　　在這過程中，函數返回了match對象和pattern對象，我們來看一下這些類。

#屬性

string: 匹配時使用的文本。

re: 匹配時使用的Pattern對象。

pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同
名參數相同。

endpos: 文本中正則表達式結束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

lastindex: 最後一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組，將為None。

lastgroup: 最後一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

#方法
group([group1, …]): 
獲得一個或多個分組截獲的字符串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，返回group(0)；沒有截獲字符串的組返回None；截獲了多次的組返回最後一次截獲的子串。

groups([default]): 
以元組形式返回全部分組截獲的字符串。相當於調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為None。

groupdict([default]): 
返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。

start([group]): 
返回指定的組截獲的子串在string中的起始索引（子串第一個字符的索引）。group默認值為0。

end([group]): 
返回指定的組截獲的子串在string中的結束索引（子串最後一個字符的索引+1）。group默認值為0。

span([group]): 
返回(start(group), end(group))。

expand(template): 
將匹配到的分組代入template中然後返回。template中可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。\id與\g<id>是等價的；但\10將被認為是第10個分組，如果你想表達\1之後是字符‘0‘，只能使用\g<1>0。

#Pattern對象是一個編譯好的正則表達式，通過Pattern提供的一系列方法可以對文本進行匹配查找。

#Pattern不能直接實例化，必須使用re.compile()進行構造。

#Pattern提供了幾個可讀屬性用於獲取表達式的相關信息：

pattern: 編譯時用的表達式字符串。
flags: 編譯時用的匹配模式。數字形式。
groups: 表達式中分組的數量。
groupindex: 以表達式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內。

2、如何使用

 1 #導入re模塊
 2 import re
 3 
 4 #生成pattern對象
 5 pa = re.compile(r‘zss‘)
 6 
 7 ma = pa.search(‘hello zss world!‘)
 8 
 9 if ma:
10     print(ma.group())#通過group函數得到match對象中的元素
11 
12 #out#
13 #zss

Python通過re模塊提供對正則表達式的支持。使用re的一般步驟是先將正則表達式的字符串形式編譯為Pattern實例，然後使用Pattern實例處理文本並獲得匹配結果（一個Match實例），最後使用Match實例獲得信息，進行其他的操作。

三、實例

1、ip地址檢測

#!/usr/bin/env python

import re

def IPTest(ipstr):
    #創建正則規則字符串
    regexstr = r‘(([10]?\d?\d|2[0-4]\d|25[0-5])\.){3}([10]?\d?\d|2[0-4]\d|25[0-5])
    pa = re.compile(regexstr)
    #找出符合規則的叠代對象
    ips = pa.finditer(ipstr)
    if ips:
        for ip in ips:
            print(ma.group())
    else:
        print(error!)
    return 0

def main():
    ip = ‘192.168.1.1zss245.255.234zsssss1.1.1.1‘
    IPTest(ip

main()

#運行結果：
#192.186.1.1 
#245.255.234.1 
#1.1.1.1 

　　我們來分析一下規則字符串regexstr：

Python學習 【四】：正則表達式