967
技術社區[雲棲]
python正則表達式介紹及使用方法
1.正則表達式介紹
正則表達式（RE）是一種小型的、高度專業化的編程語言，它內嵌在python中，並通過re模塊實現。
可以為想要匹配的相應字符串集指定規則
該字符串集可能包含英文語句、email地址、命令或任何你想搞定的東西
可以問諸如“這個字符串匹配該模式嗎”
“在這個字符串中是否有部分匹配該模式呢”
你也可以使用RE以各種方式來修改或者分割字符串
正則表達式模式被編譯成一係列的字節碼，然後由用C編寫的匹配引擎執行
正則表達式語音相對小型和受限（功能有限）
並非所有字符串處理都能用正則表達式完成
字符匹配：
普通字符
大多數字母和字符一般都會和自身匹配
元字符：
1.[ ]
常用來指定一個字符集：[abc]; [a-z]; [0-9]
元字符在字符集中不起作用：[akm$]
補集匹配不在區間範圍內的字符：[^5] ; [^abc]
2.^
匹配行首。除非設置MULTILINE標誌，它隻是匹配字符串的開始。在MULTILINE模式裏，它可以直接匹配字符串中的每個換行。
3.$
匹配行尾，行尾被定義為要麼是字符串尾，要麼是一個換行字符後麵的任何位置。
4.\
反斜杠後麵可以加不同的字符以表示不同的特殊意義
也可以用於取消所有的元字符：\[] 或 \\
\d 匹配任何-十進製數；它相當於[0-9]
\D匹配任何非數字字符，它相當於[^0-9]
\s匹配任何空白字符，它相當於[\t\n\r\f\v]
\S匹配任何非空白字符，它相當於[^\t\n\r\f\v]
\w匹配任何字母數字字符，它相當於[a-zA-Z0-9_]
\W匹配任何非字母數字字符，它相當於[^a-zA-Z0-9_]
5.重複
正則表達式的第一功能是能夠匹配不定長的字符集，另一個功能是你可以指定正則表達式的一部分重複次數；重複次數放在大括號裏麵
c{8}表示重複8次c； \d{8}表示8位數字
6.*
指定前一個字符可以被匹配0次或多次，而不是隻有一次。匹配引擎會試著重複盡可能多的次數（不超過整數界定範圍20億）
7.+
表示匹配一次或更多次，
*和+之間的不同：*匹配0或更多次，+匹配一或更多次
8.？
匹配一次或零次：你可以認為它用於標誌某事物是可選的
？家長重複（6，7）後麵可以做最小匹配，a*?表示匹配0次a，a+?表示匹配一次a
9.*?, +?, ??
非貪婪匹配，匹配最少的
<*> 會匹配'<H1>title</H1>'整個字符串（貪婪匹配），使用 *? 可以隻找出 <H1>（非貪婪匹配）
10.{m,n}
其中m和n都是十進製整數，該限製符的意思是至少有m個重複，至多有n個重複。a\{1,3}b
忽略m會認為下邊界是0，忽略n認為上邊界是無窮大（實際上是20億）
{0,}等同於*； {1,}等同於+； {0,1}等同於?;如果可以的話最好用* + 或?
11. |
或者，隻匹配其中一個表達式，
A|B，如果 A 匹配了，則不再查找 B，反之亦然
12.(...)
匹配括號中的任意正則表達式
13.(?#...)
注釋，忽略括號內的內容
14.(?=...)
表達式‘...’之前的字符串，
在字符串’ pythonretest ’中 (?=test) 會匹配’ pythonre ’
15.(?!...)
後麵不跟表達式'...'的字符串，
如果’ pythonre ’後麵不是字符串’ test ’，那麼 (?!test) 會匹配’ pythonre ’
16.(?<=...)
跟在表達式’…’後麵的字符串符合括號之後的正則表達式
正則表達式’ (?<=abc)def ’會在’ abcdef ’中匹配’ def ’
17.(?<!...)
括號之後的正則表達式不跟在’…’的後麵
2.如何使用正則表達正則表達式’ (?<=abc)def ’會在’ abcdef ’中匹配’ def 式
>>> r1 = r"\d{3,4}-?\d{8}$"
>>> p_tel = re.compile(r1)
>>> p_tel
<_sre.SRE_Pattern object at 0x01BEFA30>
>>> p_tel.findall("056179882523")
['056179882523']
re.compile()也可接受可選的標誌參數，常用來實現不同的特殊功能和語法變更。忽略大小寫需要編譯的時候加上re.I
>>> c_rel = re.compile(r"ahnu",re.I)
>>> c_rel.findall("Ahnu")
['Ahnu']
>>>
正則表達式執行匹配
match():決定RE是否在字符串剛開始的位置匹配
search()：掃描字符串，找到這個RE匹配的位置
findall():找到RE匹配的所有子串，並將他們作為一個列表返回
finditer()：找到RE匹配的所有子串，並將他們做為一個迭代器返回
如果沒有匹配成功，match()和search()方法會返回一個None，如果成功的話，會返回一個matchobject對象
MatchObject實例方法：
group():返回被RE匹配的字符串
start():返回匹配開始的位置
end():返回匹配結束的位置
span():返回一個元組包含匹配（開始，結束）位置
實際程序中，最常見的方法是將MatchObject保存在一個變量裏，然後檢查它是否為None
p = re.compile(...)
m = p.match("string goes here")
if m :
print "Match found:",m.group()
else:
print"match not found"
模塊級函數：
re模塊也提供了頂級函數調用如match()、search()、sub()、subn()、split()、sindall()等
re.sub(pattern, repl, string[, count, flags])
在字符串 string 中找到匹配正則表達式 pattern 的所有子串，用另一個字符串 repl 進行替換。如果沒有找到匹配 pattern 的串，則返回未被修改的 string。Repl 既可以是字符串也可以是一個函數。對於 RegexObject 有：
sub(repl, string[, count=0])
此語法的示例有：
>>> l = "ahnu ahnn ahun sshh ahhh"
>>> res = "ah.."
>>> re.sub(res,"python",l)
'python python python sshh python'
>>> re.subn(res,"python",l)
('python python python sshh python', 4)
>>>
split()是分割函數
>>> res = r"[\+\-\*/]"
>>> l = "1+6-6*7/9"
>>> re.split(res,l)
['1', '6', '6', '7', '9']
>>>
編譯標誌：
DOTALL,S:使.匹配包括換行在內的所有字符
>>> r1 = r"csvt.net" >>> re.findall(r1,"csvt.net") ['csvt.net'] >>> re.findall(r1,"csvtonet") ['csvtonet'] >>> re.findall(r1,"csvt\nnet") [] >>> re.findall(r1."csvt\tnet") SyntaxError: invalid syntax >>> re.findall(r1,"csvt\tnet",re.S) ['csvt\tnet'] >>>
IGNORECASE,I:使匹配對大小寫不敏感
MULTLINE,M:多行匹配，影響^和$
>>> s = """ ahnu hello hello ahnu ahnu i love lyou i love you ahnu """ >>> r = r"^ahnu" >>> re.findall(r,s) [] >>> re.findall(r,s,re.M) ['ahnu', 'ahnu'] >>>
VERBOSE,X:能夠使用REs的verbose狀態，忽略空格和#後麵的注釋，使之被組織的更清晰易懂
>>> s = """
\d{3,4}
-?
\d{7}
"""
>>> re.findall(s,"05617988252")
[]
>>> re.findall(s,"05617988252",re.X)
['05617988252']
>>>
LOCALE,L:做本地化識別，匹配本地特殊語法
最後更新：2017-04-03 16:48:56