很详细python正则表达式使用详解

第一章讲的是字符组（Character Class）。
在正则表达式中，它表示"在同一个位置可能出现的各种字符"，其写法是在一对方括号[和]之间列出所有可能出现的字符，简单的字符组比如[ab]、[314]、[#.?]
需要注意的地方有
1）-范围表示法的要按ASCII顺序写， [0-9]是合法的，[9-0]会报错
 
In [1]: import re
 
In [2]: re.search("^[0-9]$", "2") != None
Out[2]: True
 
In [3]: re.search("^[9-0]$", "2") != None
---------------------------------------------------------------------------
error                                     Traceback (most recent call last)
Traceback (most recent call last):
error: bad character range

2）匹配数字和字母不要用[0-z]，因为这个范围包括很多标点符号，最好写成[0-9a-zA-Z]
 
In [4]: re.search("^[0-z]$", "A") != None
Out[4]: True
 
In [5]: re.search("^[0-z]$", ":") != None
Out[5]: True

3）元字符做为普通字符使用时需要转义，在python代码中，普通字符串的转义需要加两个"",原生字符串需要一个"" 推荐使用原生字符串

#原生字符串和字符串的等价
In [6]: r"^[0-9]$" == "^[0\-9]$"
Out[6]: True
#原生字符串的转义要简单许多
In [7]: re.search(r"^[0-9]$", "3") != None
Out[7]: False
In [8]: re.search(r"^[0-9]$", "-") != None
Out[8]: True

4)]出现在不同位置，含义不同,正则表达式将]与前面最近的[匹配

 
#未转义的]
In [9]: re.search(r"^[012]345]$", "2345") != None
Out[9]: False
 
In [10]: re.search(r"^[012]345]$", "2345]") != None
Out[10]: True
 
In [11]: re.search(r"^[012]345]$", "5") != None
Out[11]: False
 
In [12]: re.search(r"^[012]345]$", "]") != None
Out[12]: False
#转义的]
In [13]: re.search(r"^[012]345]$", "2345") != None
Out[13]: False
 
In [14]: re.search(r"^[012]345]$", "5") != None
Out[14]: True
 
In [15]: re.search(r"^[012]345]$", "]") != None
Out[15]: True

5)字符组简记法

常见的字符组简记法有d、w、s。从表面上看，它们与[…]完全没联系，其实是一致的。其中d等价于[0-9]，其中的d代表"数字（digit）"； w等价于[0-9a-zA-Z_]，其中的w代表"单词字符（word）"；s等价于[ trnvf]（第一个字符是空格），s表示"空白字符（space）"。

 
re.search(r"^d$", "8") != None      #  => True
re.search(r"^d$", "a") != None      #  => False
 
re.search(r"^w$", "8") != None     #  => True
re.search(r"^w$", "a") != None     #  => True
re.search(r"^w$", "_") != None     #  => True
 
re.search(r"^s$", " ") != None     #  => True
re.search(r"^s$", "t") != None    #  => True
re.search(r"^s$", "n") != None    #  => True

6)相对于d、w和s这三个普通字符组简记法，正则表达式也提供了对应排除型字符组的简记法：D、W和S--字母完全一样，只是改为大写。这些简记法匹配的字符互补：s能匹配的字符，S一定不能匹配；w能匹配的字符，W一定不能匹配；d能匹配的字符，D一定不能匹配。例1-19示范了这几个字符组简记法的应用。

 
#d和D
re.search(r"^d$", "8") != None     #  => True
re.search(r"^d$", "a") != None     #  => False
re.search(r"^D$", "8") != None     #  => False
re.search(r"^D$", "a") != None     #  => True
#w和W
re.search(r"^w$", "c") != None     #  => True
re.search(r"^w$", "!") != None     #  => False
re.search(r"^W$", "c") != None     #  => False
re.search(r"^W$", "!") != None     #  => True
#s和S
re.search(r"^s$", "t") != None    #  => True
re.search(r"^s$", "0") != None         #  => False
re.search(r"^S$", "t") != None    #  => False
re.search(r"^S$", "0") != None         #  => True

2.1  一般形式

 表2-1  量词的一般形式

2.2  常用量词

表2-2  常用量词

表2-3  各类tag的匹配

注：这几个表达式不是很严谨，如匹配open tag的表达式，也可以匹配self-closing tag。作者说现有的知识还不足够解决这个问题而已，需要继续学习。

2.3  数据提取

?

2.4  点号

匹配除换行符外的所有字符

2.5  滥用点号的问题

因为点号能匹配几乎所有的字符，所以实际应用中许多人图省事，随意使用.*或.+，结果却事与愿违
之前介绍的量词都可以归到一类，叫做匹配优先量词（greedy quantifier，也有人翻译为贪婪量词 ）。
匹配优先量词，顾名思义，就是在拿不准是否要匹配的时候，优先尝试匹配，并且记下这个状态，以备将来"反悔"。
回溯（backtracking）

?

2.6 忽略优先量词

匹配优先量词与忽略优先量词逐一对应，只是在对应的匹配优先量词之后添加?，
两者限定的元素能出现的次数也一样，遇到不能匹配的情况同样需要回溯；唯一的区别在于，
忽略优先量词会优先选择"忽略"，而匹配优先量词会优先选择"匹配"。

表2-4  匹配优先量词与忽略优先量词

2.7 转义