正則表達式、原始字符串及re
-
re是python中的一個文本解析工具，常用的方法有：
來源：https://www.ibm.com/developerworks/cn/opensource/os-cn-pythonre/index.html
compile
re.compile(pattern[, flags])
把正則表達式的模式和標識轉化成正則表達式對象，供 match() 和 search() 這兩個函數使用。
re 所定義的 flag 包括：
re.I 忽略大小寫
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境
re.M 多行模式
re.S 即為’ . ’並且包括換行符在內的任意字符（’ . ’不包括換行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字符屬性數據庫
re.X 為了增加可讀性，忽略空格和’ # ’后面的注釋
例：以下兩種用法結果相同：
A)
compiled_pattern = re.compile(pattern) ``result = compiled_pattern.match(string)B)
result = re.match(pattern, string)re.search(pattern, string[, flags])
在字符串中查找匹配正則表達式模式的位置，返回 MatchObject 的實例，如果沒有找到匹配的位置，則返回 None。
對於已編譯的正則表達式對象來說（re.RegexObject），有以下 search 的方法：
search (string[, pos[, endpos]])
若 regex 是已編譯好的正則表達式對象，regex.search(string, 0, 50) 等同於 regex.search(string[:50], 0)。
具體示例如下。
>>> pattern = re.compile("a") ``>>> pattern.search("abcde") # Match at index 0 ``>>> pattern.search("abcde", 1) # No match;re.match(pattern, string[, flags])
判斷 pattern 是否在字符串開頭位置匹配。對於 RegexObject，有：
match(string[, pos[, endpos]])
match() 函數只在字符串的開始位置嘗試匹配正則表達式，也就是只報告從位置 0 開始的匹配情況，而 search() 函數是掃描整個字符串來查找匹配。如果想要搜索整個字符串來尋找匹配，應當用 search()。
split
re.split(pattern, string[, maxsplit=0, flags=0])
此功能很常用，可以將將字符串匹配正則表達式的部分割開並返回一個列表。對 RegexObject，有函數：
split(string[, maxsplit=0])
例如，利用上面章節中介紹的語法：
>>> re.split('\W+', 'test, test, test.') ``['test', 'test', 'test', ''] ``>>> re.split('(\W+)', ' test, test, test.') ``[' test ', ', ', ' test ', ', ', ' test ', '.', ''] ``>>> re.split('\W+', ' test, test, test.', 1) ``[' test ', ' test, test.']對於一個找不到匹配的字符串而言，split 不會對其作出分割，如：
>>> re.split('a*', 'hello world') ``['hello world']re.findall(pattern, string[, flags])
在字符串中找到正則表達式所匹配的所有子串，並組成一個列表返回。同樣 RegexObject 有：
findall(string[, pos[, endpos]])
示例如下：
#get all content enclosed with [], and return a list ``>>> return_list = re.findall("(\[.*?\])",string)re.finditer(pattern, string[, flags])
和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，並組成一個迭代器返回。同樣 RegexObject 有：
finditer(string[, pos[, endpos]])
sub
re.sub(pattern, repl, string[, count, flags])
在字符串 string 中找到匹配正則表達式 pattern 的所有子串，用另一個字符串 repl 進行替換。如果沒有找到匹配 pattern 的串，則返回未被修改的 string。Repl 既可以是字符串也可以是一個函數。對於 RegexObject 有：
sub(repl, string[, count=0])
此語法的示例有：
>>> p = re.compile( '(one|two|three)') `` ``>>> p.sub( 'num', 'one word two words three words') ``'num word num words num words'同樣可以用以下方法，並指定 count 為 1（只替換第一個）：
>>> p.sub( 'num', ' one word two words three words', count=1)
' num word two words three words'
subn
re.subn(pattern, repl, string[, count, flags])
該函數的功能和 sub() 相同，但它還返回新的字符串以及替換的次數。同樣 RegexObject 有：
subn(repl, string[, count=0])
-
區分正則表達式易錯的大小寫
正則表達式特殊序列：
\A 只在字符串開頭進行匹配。 \b 匹配位於開頭或者結尾的空字符串 \B 匹配不位於開頭或者結尾的空字符串 \d 匹配任意十進制數，相當於 [0-9] \D 匹配任意非數字字符，相當於 [^0-9] \s 匹配任意空白字符，相當於 [ \t\n\r\f\v] \S 匹配任意非空白字符，相當於 [^ \t\n\r\f\v] \w 匹配任意數字和字母，相當於 [a-zA-Z0-9_] \W 匹配任意非數字和字母的字符，相當於 [^a-zA-Z0-9_] \Z 只在字符串結尾進行匹配 來源：https://www.ibm.com/developerworks/cn/opensource/os-cn-pythonre/index.html
注意這里面，關於大小寫的作用是反過來的：\s（小寫）是匹配空白字符，而\S(大寫)則是匹配非空白字符；\w匹配數字和字母，而\W匹配的是非數字和字母，這就很容易用錯。不過規律是一致的，就是小寫是描述特征的，而大寫的匹配的是小寫的“非”
-
正則表達式和原始字符串混起來，就有了一絲復雜的意味
原始字符串的意思是：所有的字符串都是直接按照字面的意思來使用，沒有轉義特殊或不能打印的字符。
我們往往容易誤以為原始字符串的意思是“只能表示字面上的字符”，在一些簡單使用的情況下，這是正確的，但是在re模塊中使用是有問題的：
compile
re.compile(pattern[, flags])
把正則表達式的模式和標識轉化成正則表達式對象，供 match() 和 search() 這兩個函數使用。
這里我們輸入的字符串實際上是pattern，如果使用原始字符串，就是將輸入的字符串直接當成pattern
例如：\w表示匹配任意數字和字母,這個\是我們需要的，但是如果直接輸入“\w"會將\w認為是轉義字符，傳遞的pattern就不是\w了.如果不使用原始字符串，應該寫成re.compile("\\w")；而如果使用了原始字符串，應該是re.compile(r"\w")
而例如+號，它本身就不存在轉義的問題，所以無論是否使用原始字符串，只要我們想獲得的是+號表示的1到多次的效果，就都不要畫蛇添足加\。但是如果我們需要表示的都是+這個符號本身呢？那么這兩種情況都需要加\。注意，由於Python中沒有規定\+這個轉義字符，所以它其實是被Python當成\和+傳入re的，而re根據\將+轉義為沒有特殊效果的+字符。這里要搞清
說起來不太難，但是使用的時候還是有點坑的其實，尤其是腦子容易繞不過來。所以我覺得干脆，正則表達式上能不用原始字符串就不用了吧
（而且我實測，原始字符串在這里好像會有薛定諤bug，一開始運行就是不過，折騰了半天改回原來不知道怎么就過了，很迷````）