正则匹配技巧

使用python包re

基本函数

• re.match(正则表达式, 原字符串) 从最开始匹配，但只匹配一次
• re.findall(正则表达式, 原字符串) 匹配字符串中所有满足正则表达式的部分
• re.sub(正则表达式, 替换成什么, 原字符串) 将正则表达式匹配到的部分替换成任意其他

匹配模式的符号

1. .匹配除\n之外的所有单字符
2. *匹配其前方字符的重复多次。

   例如texttext，text*匹配到textt

3. []中括号内的内容被分成字符，匹配其中的每个字符，字符间无先后，是‘或’的关系。

   例如，[abc]匹配a或b或c。

4. ()中表示一个子表达式，同时可用(|)进行有先后的多选匹配，总是匹配其中最先出现的那个字符。

   例如，(abc|a|b)，匹配三者中最先出现的那个。

5. \标记特殊字符（如换行符\n），或用来显示模式符号的原本含义:\*或\(。

   例如，为了匹配*，需要使用\*表达式。

6. ?出现在*、+后时，标记前面的子表达式非贪婪（意思是最小匹配，原文中重复多次，但只会匹配其中第一个）。

   例如a.*?b，只会匹配accbababaacb中的第一个accb

7. {n}、{n, n+}表示匹配的次数的限制。

   例如(text){2}，匹配texttext

8. ^可以限制正则匹配字符串的开始位置。

   例如^Ab，则匹配字符串AbcAb中的字符串首的Ab，而不能匹配后面出现的Ab。

9. ^在[^a-z]中，表示一个取反的正则表达式，匹配a-z以外的所有字符，其中[]的用法，参照第3条。
10. s='adb00000000acb', ab=re.findall( r'a(.*?)b', s, re.S)，匹配表达式中()中的部分。

    例如，从acvbabb中匹配到cv

11. **高难度用法**：(1号表达式)(2号表达式)(3号表达式)，这样用()括号，将不同正则表达式括起来后，对字符串进行匹配后，可以用re.group(1或2或3)单独获取到三个表达式对应匹配到的字符串。(re.group(0)或者不使用group则获取整个全局的正则匹配)
12. **高难度用法**：python版命名组方法(?P<name>正则表达式) 使用re.group('name')，可以用指定的name匹配某个字符串。

注意： 网上一些代码类似，reg = /a-zA-z/ 其中 /符号是某些编程语言中，指示一个正则表达式起止的记号

获得中文和英文标点符号

    from zhon.hanzo import punctuation
    import string.punctuation