Python正则表达式详解与re模块的使用-创新互联

强烈推荐正则表达式在线测试网站： https://regex101.com/
创新互联是一家集网站建设,获嘉企业网站建设,获嘉品牌网站建设,网站定制,获嘉网站建设报价,网络营销,网络优化,获嘉网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。

1. 标准库模块 re

更多详情参考官方文档：

https://docs.python.org/3/howto/regex.html#regex-howto
https://docs.python.org/3/library/re.html

Python3中使用re模块支持正则表达式（Regular Expression），需要定义一个用于匹配的模式（pattern）字符串，以及一个要匹配的字符串（string）。简单的匹配：

In [1]: import re

In [2]: m = re.match('My', 'My name is wangy')

In [3]: m
Out[3]: <_sre.SRE_Match object; span=(0, 2), match='My'>

In [4]: m.group()  # 等价于m.group(0)
Out[4]: 'My'

In [5]: m.start(), m.end()
Out[5]: (0, 2)

In [6]: m.span()
Out[6]: (0, 2)

其中，My是正则表达式模式，最简单的，只匹配字符My本身。而My name is wangy是想要检查的字符串，re.match()函数用于查看字符串是不是以正则模式开头。

如果你仅仅是做一次简单的文本匹配/搜索操作的话，可以直接使用 re 模块级别的函数，比如re.match。如果你打算做大量的匹配和搜索操作的话，最好先编译正则表达式，然后再重复使用它：

In [1]: import re

In [2]: p = re.compile('[a-z]+')  # [a-z]+ 是正则模式，表示1个或多个小写字母

In [3]: p
Out[3]: re.compile(r'[a-z]+', re.UNICODE)

In [4]: if p.match('hello123'):   # p是预编译后的正则模式，它也有match等方法，只是参数不同，不需要再传入正则模式。判断字符串'hello123'是否以1个或多个小写字母开头
   ...:     print('yes')
   ...: else:
   ...:     print('no')
   ...:     
yes

In [5]: if p.match('123hi'):      # 重用预编译过的正则模式
   ...:     print('yes')
   ...: else:
   ...:     print('no')
   ...:     
no

模块级别的函数会将最近编译过的模式缓存起来，因此并不会消耗太多的性能，但是如果使用预编译模式的话，你将会减少查找和一些额外的处理损耗。

1.1 使用`match()`从字符串开头开始匹配

可以使用模块级别的re.match()或预编译模式的p.match()，如果字符串是以正则表达式开头，则表明匹配成功，返回匹配到的对象，比如<_sre.SRE_Match object; span=(0, 2), match='My'>，如果匹配失败，返回None

In [1]: import re

In [2]: m1 = re.match('wangy', 'wangy is a handsome boy.')  # 模块级的match方法

In [3]: m1  # 匹配成功，返回Match对象
Out[3]: <_sre.SRE_Match object; span=(0, 5), match='wangy'>

In [4]: m1.group()  # Match对象有group()、start()、end()、span()等方法
Out[4]: 'wangy'

In [5]: m2 = re.match('mayun', 'wangy is a handsome boy.')  # 匹配失败

In [6]: type(m2)  # 返回None
Out[6]: NoneType

In [7]: p = re.compile('wangy')  # 预编译正则模式也是可以的

In [8]: p.match('wangy is a handsome boy.')  # 调用预编译正则模式的match方法
Out[8]: <_sre.SRE_Match object; span=(0, 5), match='wangy'>

1.2 使用`search()`寻找首次匹配

如果字符串中有多个地方与正则表达式匹配的话，search()方法返回第一次匹配到的结果：

search(pattern, string, flags=0)
    Scan through string looking for a match to the pattern, returning
    a match object, or None if no match was found.
(END)

In [1]: import re

In [2]: s = 'I wish I may, I wish I might have a dish of fish tonight.'

In [3]: re.search('wish', s)
Out[3]: <_sre.SRE_Match object; span=(2, 6), match='wish'>

In [4]: re.search('wish', s).span()
Out[4]: (2, 6)

1.3 使用`findall()`或`finditer()`寻找所有匹配

前面两个函数都是查找到一个匹配后就停止，如果要查找字符串中所有的匹配项，可以使用findall()

In [1]: import re

In [2]: text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'

In [3]: p = re.compile('\d+/\d+/\d+')

In [4]: p.findall(text)
Out[4]: ['11/27/2012', '3/13/2013']

findall()方法会搜索文本并以列表形式返回所有的匹配。如果你想以迭代方式返回匹配，可以使用finditer()方法来代替，比如：

In [5]: iters = p.finditer(text)

In [6]: iters
Out[6]: 

In [7]: for m in iters:
   ...:     print(m)
   ...:     
<_sre.SRE_Match object; span=(9, 19), match='11/27/2012'>
<_sre.SRE_Match object; span=(34, 43), match='3/13/2013'>

1.4 使用`split()`按匹配切分

字符串的str.split()方法只适应于非常简单的字符串分割情形，它并不允许有多个分隔符或者是分隔符周围不确定的空格。当你需要更加灵活的切割字符串的时候，最好使用 re.split() 方法：

In [1]: import re

In [2]: line = 'asdf fjdk;   afed,  fjek,asdf,   foo'

In [3]: re.split(r'[;,\s]\s*', line)  # 正则模式表示 ;或,或空白字符且它们的后面再跟0个或多个空白字符
Out[3]: ['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

1.5 使用`sub()`替换匹配

对于简单的字面模式，直接使用字符串的str.replace()方法即可，比如：

In [1]: text = 'yeah, but no, but yeah, but no, but yeah'

In [2]: text.replace('yeah', 'yep')
Out[2]: 'yep, but no, but yep, but no, but yep'

对于复杂的模式，请使用re模块中的sub()，比如你想将形式为 11/27/2012 的日期字符串改成 2012-11-27 。示例如下：

In [1]: import re

In [2]: text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'

In [3]: re.sub('(\d+)/(\d+)/(\d+)', r'\3-\1-\2', text)
Out[3]: 'Today is 2012-11-27. PyCon starts 2013-3-13.'

sub()函数中的第一个参数是被匹配的模式，第二个参数是替换模式。反斜杠数字比如\3指向前面模式的第3个捕获组，此时要加r指定为原始字符串，否则会被Python自动转义为\x03

对于更加复杂的替换，可以传递一个替换回调函数来代替。一个替换回调函数的参数是一个Match对象，也就是match()或者find()返回的对象。使用group()方法来提取特定的匹配部分。回调函数最后返回替换字符串。比如：

In [1]: import re

In [2]: from calendar import month_abbr

In [3]: def change_date(m):
   ...:     mon_name = month_abbr[int(m.group(1))]
   ...:     return '{} {} {}'.format(m.group(2), mon_name, m.group(3))
   ...: 
   ...: 

In [4]: text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'

In [5]: p = re.compile(r'(\d+)/(\d+)/(\d+)')

In [6]: p.sub(change_date, text)
Out[6]: 'Today is 27 Nov 2012. PyCon starts 13 Mar 2013.'

如果除了替换后的结果外，你还想知道有多少替换发生了，可以使用re.subn()来代替。比如：

In [7]: newtext, n = p.subn(r'\3-\1-\2', text)

In [8]: newtext
Out[8]: 'Today is 2012-11-27. PyCon starts 2013-3-13.'

In [9]: n
Out[9]: 2

2. 正则表达式语法

2.1 基本模式

语法	说明	模式示例	匹配
普通字符	普通的文本值代表自身，用于匹配非特殊字符	`ab`	ab
`.`	匹配除换行符`\n`以外的任意一个字符。如果要匹配多行文本，可以指定`re.DOTALL`标志位，或者`(?:.\|\n)`表示匹配`.`或`\n`，且作为一个非捕获组，再指定``表示0个或多个前面的非捕获组	`ab.`	匹配abc或abC，不匹配ab，因为b后面一定要有一个字符
`\`	转义字符，比如要匹配点号`.`本身，需要转义它`\.`，如果不转义，`.`将有上一行所示的特殊含义	`ab\.`	匹配ab.com，不匹配abc
`[]`	匹配中括号内的一个字符 1. 中括号内的字符可以全部列出，如`[abc]`表示匹配字符`a`或`b`或`c` 2. 也可以使用`-`表示范围，如`[a-z]`表示匹配所以小写字母中的任意一个字符 3. 本文后续要介绍的如``、`+`等特殊字符在中括号内将失去特殊含义，如`[+()]`表示匹配字符`*`或`+`或`(`或`)` 4. 本文后续要介绍的特殊字符集如`\d`、`\w`等也可以放入此中括号内，继续保持特殊含义 5. 如果中括号内的字符序列前面有一个`^`，表示不匹配中括号内的任何一个字符，如`[^0-9]`表示不匹配数字，`a[^0-9]c`不匹配`a1c`，但会匹配`abc` 6. 要匹配字符`]`，可以转义它，或者把它放在中括号内的首位，如`a[()[\]{}]c`或`a[]()[{}]c`都可以匹配到`a]c`	`a[0-9]b`	a1b或a2b

2.2 特殊字符集

语法	说明	模式示例	匹配
`\d`	匹配任意`一个`数字字符，等价于`[0-9]`	`a\db`	a1b
`\D`	匹配任意`一个`非数字字符，等价于`[^0-9]`	`a\Db`	aAb
`\s`	匹配任意`一个`空白字符，等价于`[ \t\n\r\f\v]`	`a\sb`	a b
`\S`	匹配任意`一个`非空白字符，等价于`[^ \t\n\r\f\v]`	`a\Sb`	aAb
`\w`	匹配任意`一个` alphanumeric character，等价于`[a-zA-Z0-9_]`	`a\wb`	azb或aZb或a1b或a_b
`\W`	匹配任意`一个` non-alphanumeric character，等价于`[^a-zA-Z0-9_]`	`a\Wb`	a-b或a b

这些字符集也可以放入[]中，比如a[\d\s]b表示匹配字符a和字符b，且中间有一个数字字符或空白字符，所以它会匹配a1b或a b等

Python的string模块中预先定义了一些可供我们测试用的字符串常量。我们将使用其中
的printable字符串，它包含 100 个可打印的 ASCII 字符，包括大小写字母、数字、空格
符以及标点符号：

In [1]: import string

In [2]: printable = string.printable

In [3]: len(printable)
Out[3]: 100

In [4]: printable[:50]
Out[4]: '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMN'

In [5]: printable[50:]
Out[5]: 'OPQRSTUVWXYZ!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c'

printable 中哪些字符是数字？

In [7]: re.findall('\d', printable)
Out[7]: ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']

哪些字符是数字、字符或下划线？

In [8]: print(re.findall('\w', printable), end='')
['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', '
x', 'y', 'z', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', '_']

哪些属于空格符？

In [10]: re.findall('\s', printable)
Out[10]: [' ', '\t', '\n', '\r', '\x0b', '\x0c']

\d和\w不仅会匹配ASCII字符，还可以匹配Unicode字符：

In [11]: s = 'abc' + '-/*' + '\u00ea' + '\u0115'

In [12]: re.findall('\w', s)
Out[12]: ['a', 'b', 'c', 'ê', 'ĕ']

2.3 数量

说明： 表格中斜体的 prev 表示 1. 单个字符如a 2. 或者复杂的表达式如(abc)或(.|\n)（这是分组的功能，见1.5）

语法	说明	模式示例	匹配
prev `*`	匹配`0个或多个` prev，`尽可能多`地匹配，贪婪模式，等价于`{0,}`	`ab*`	a或ab或abb或abbb，注意是匹配`字符a后面跟0个或多个字符b`
prev *?	匹配`0个或多个` prev，`尽可能少`地匹配，非贪婪模式	`ab*?`	a，非贪婪模式下匹配0个字符b
prev `+`	匹配`1个或多个` prev，`尽可能多`地匹配，贪婪模式，等价于`{1,}`	`ab+`	ab或abb或abbb
prev +?	匹配`1个或多个` prev，`尽可能少`地匹配，非贪婪模式	`ab+?`	ab，非贪婪模式下匹配1个字符b
prev `?`	匹配`0个或1个` prev，`尽可能多`地匹配，贪婪模式，等价于`{0,1}`	`ab?`	a或ab
prev ??	匹配`0个或1个` prev，`尽可能少`地匹配，非贪婪模式	`ab??`	a，非贪婪模式下匹配0个字符b
prev `{m}`	匹配`m个连续的` prev	`a{3}`	aaa
prev `{m,n}`	匹配`m到n个连续的` prev ，`尽可能多`地匹配，贪婪模式。`n`可选，如果不指定，则表示`m到无穷多个连续的` prev	`a{3,5}`	aaa或aaaa或aaaaa
prev {m,n}?	匹配`m到n个连续的` prev ，`尽可能少`地匹配，非贪婪模式	`a{3,5}?`	aaa

可以在*或+或?的后面再添加一个?，此时表示非贪婪模式匹配，Python中的正则表达式默认是贪婪模式匹配，它会在满足整个表达式要求的前提下，尽可能多地去匹配字符，具体效果见后面的示例

2.4 边界

语法	说明	模式示例	匹配
`^` prev	匹配以 prev 开头的字符串（脱字符）。多行文本中，默认`^`只会匹配第一行的开头位置，如果设置了`re.MULTILINE`标志位，则`^`也会匹配`换行符之后`的开头位置	`^ab`	abcd
prev `$`	匹配以 prev 结尾的字符串。多行文本中，默认`$`只会匹配最后一行的结尾位置，如果设置了`re.MULTILINE`标志位，则`$`也会匹配换行符之前的结尾位置	`ab$`	只匹配ab。如果是`.*ab$`则会匹配123ab，否则使用`ab\Z`
`\b`	单词边界。Matches the empty string, but only at the beginning or end of a word. A word is defined as a sequence of word characters. Note that formally, `\b` is defined as the boundary between a `\w` and a `\W` character (or vice versa), or between `\w` and the beginning/end of the string. 注意： `\b`在Python中默认会被转义为`\x08`表示`退格`，需要将整个正则表达式指定为原始字符串（在前面加个r），即`r'\bfoo\b'`	`r'\bfoo\b'` 请使用`re.findall()`测试	匹配`foo`或`foo.`或`(foo)`或`bar foo baz`，但不匹配`foobar`或`foo3`
`\B`	非单词边界。Matches the empty string, but only when it is `not` at the beginning or end of a word. `\B` is just the opposite of `\b`.	`py\B`	匹配`python`或`py3`或`py2`，但不匹配`py`或`py.`或`py!`
`\A`	Matches only at the start of the string.	`\Aab`	abcde
`\Z`	Matches only at the end of the string.	`ab\Z`	123ab

2.5 分组

2.6 扩展语法

3. 实例

3.1 字符串忽略大小写的搜索替换

3.2 最短匹配模式：非贪婪

3.3 多行匹配

详情请移步我的个人网站： http://www.madmalls.com/blog/post/regular-expression-in-python3/

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

网站名称：Python正则表达式详解与re模块的使用-创新互联
网站路径：http://scyanting.com/article/dcjeho.html