python 之正则表达式(re模块)

一. 简介

正则表达式本身是一种小型的,高度专业的编程语言,二在Python中,通过内嵌集成re 模块,我们可以直接调用来实现正则匹配.正的表达式模式被编译成一些列的字节码,然后有C编写的匹配引擎执行.
正则表达式是一种字符串搜索和匹配的工具.
友情链接:鬼斧神工之正表达式

二. 正则表达式中常用的字符串

1. 普通字符和11个元字符:

普通字串 匹配自身 abc abc
. 匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符 a.b abc
\ 转义字符,使有一个字符改变原来的意思 a\.c;a\\c a.c;a\c
* 匹配前一个字符0或多次 abc* ab;abccc
+ 匹配前一个字符1次或无线次 abc+ abc;abccc
? 匹配一个字符0次或1次 abc? ab;abc
^ 匹配字符串开头.在多行匹配每一行的开头 ^abc abc
$ 匹配字符末尾,在多行匹配模式中匹配每一行的末尾 abc$ abc
| 或. 匹配|左右表达式任意一个,从左到右匹配,如果|没有包括在()中,则它的范围是整个正则表达式 abc|def abc def
{} {m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次 ab{1,2}c abc abbc
[] 字符集.对应的位置可以是字符集中任意字符.字符集中的字符的字符可以逐个列出,也可以给出范围,如[abc]或[a-c],[^abc]表示取反,即非abc,所有特殊字符在字符集中都失去其原有的特殊含义.用\反斜杠转义恢复特殊字符的特殊含义 a[bcd]e abe ace ade
() 被括起来的表达式将作为分组,从表达式左边开始没没遇到一个分组的左括号"(",编号+1.分组表达式作为一个整体,可以后接数量词.表达式中的|仅在该组中有效. (abc){2}/a(123|456)c abcabc/a456c

这里需要强调一下反斜杠\的作用

  • 反斜杠后边根元字符去除特殊功能;(即将特殊字符转移成普通字符)
  • 反斜杠后边跟普通字符实现特殊功能;(即预定义字符)
  • 引用序号对应的字组所匹配的字符串.
import re 
a = re.search(r'(tina)(fei)haha\2','tinafeihahafei tinafihahatina').group()
print("结果:",a)
================
结果: tinafeihahafei

2. 预定义字符集(可以写在字符集[...]中)

字符集 含义 示例 结果
\d 数字:[0-9] a\dc a1c
\D 非数字:[^\d] a\Dc abc
\s 匹配任何空白字符:[<空格>\t\r\n\f\v] a\sc a c
\S 非空白字符:[^\s] a\Sc abc
\w 匹配包括下划线在内的任何字符(数字,字母,下划线):[A-Za-z0-9_] a\wc abc
\W 匹配非字符字母字符,即匹配特殊字符 a\Wc a c
\A 仅匹配字符串开头,同^ \Aabc abc
\Z 仅匹配字符串结尾,同$ abc\Z abc
\b 匹配\w和\W之间,即匹配一个单词边界,也就是指单词和空格间的位置.例如,'er\b'可以匹配"never"中的'er',但不能匹配"verb"中的'er'. \babc\b a\b!bc 空格abc空格 a!bc
\B [^\b] a\Bbc abc
# 这里强调一下\b的单词边界的理解:
import re 
w = re.findall('\btina','tian tinaaaa')
print("结果是:",w)
s = re.findall(r'\btina','tian tinaaaa')
print("结果是:",s)
v = re.findall(r'\btina','tian#tianaaaa')
print("结果是:",v)
a = re.findall(r'\btina\b','tian#tina@aaa')
print("结果是:",a)
==================
结果是: []
结果是: ['tina']
结果是: ['tina']
结果是: ['tina']

3. 特殊分组用法:

特殊分组 含义 用法示例 结果
(?P<name>) 分组,除了原有的编号外再指定一个额外的别名 (?P<id>abc){2} abcabc
(?P=name) 引用别名为<name>的分组匹配到字符串 (?P<id>\d)abc(?P=id) 1abc1 5abc5
<number> 引用编号为<number>的分组匹配到字符串 (\d)abc\1 1abc1 5abc5

三. re模块中常用的功能函数

1. compile()

编译正则表达式模式,返回一个对象的模式.(可以吧那些常用的正则表达式编译成正则表达式对象,这样可以提高效率.)

  • 格式:
    re.compile(pattern,flags=0)
    pattern:编译时用的表达式字符串
    flags 编译标志位,用于修改正则表达式的匹配方式,如:是否区分大小写,多行匹配等.常用的flags有:
标志 含义
re.S(DOTALL) 使.匹配包括换行符在内的所有字符
re.I (IGNOTECASE) 使匹配对大小写不敏感
re.L (LOCALE) 做本地化识别(local-aware匹配,语法等)
re.M(MULTILINE) 多行匹配,影响^和$
re.X(VERBOSE) 该标志通过给予更灵活的格式写得更易于理解
re.U 根据Unicode字符集解析字符,这个标志影响\w,\W,\b,\B
import re 
tt = "Tom is a good boy, he is cool,clever,and so on ..."
rr = re.compile(r'\w*oo\w*')
print("执行结果是:",rr.findall(tt))   # 查找所有包含'oo'的单词
================
执行结果是: ['good', 'cool']

2. match()

决定RE是否在字符串刚开始的位置匹配. //注:这个方法并不是完全匹配.当pattern结束时若string还有剩余字符,仍然是为成功.想要完全匹配,可以在表达式末尾加上边界匹配字符'$'

  • 格式"
    re.match(pattern,stting,flags=0)
import re 
a = re.match('com','comwww.runcomoob').group()
print("a的结果是:",a)
b = re.match('com','Comwww.baidu',re.I)
print("b的结果是:",b)   # re.I 对大小写不敏感
========================
a的结果是: com
b的结果是: Com

3. search()

re.search() 函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果没有找到匹配,则返回None.

  • 格式:
    re.search(pattern,strint,flags=0)
import re 
a = re.search('\dcom','www.4comrnuoob.5com').group()
print("a的结果是:",a)
b  = re.search('com','python.org')
print("b的结果是:",b)
===================
a的结果是: 4com
b的结果是: None
  • 注: match和search一旦匹配成功,就是一个match object对象,而match object对象有以下方法:
    • group() 返回被RE匹配的字符串
    • start() 返回匹配开始的位置
    • end() 返回匹配结束的位置
    • span() 返回一个元组包含匹配(开始,结束)的位置.
    • group() 返回re整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串.
      a.group() 返回re整体匹配的字符串
      b.group(n,m) 返回组号为n,m所匹配的字符串,如果不存在,则返回indexError异常
      c.group() group方法返回一个包含正则表达式中所有小组字符串的元组,从1到所含的小组号,通常group()不需要参数,返回一个元组,元组中的元就是正则表达式中定义的组.
import re 
a = "123abc456"
r = re.search('([0-9]*)([a-z]*)([0-9]*)',a)
print("r.group(0)的结果",r.group(0))
print("r.group(1)的结果",r.group(1))
print("r.group(2)的结果",r.group(2))
print("r.group(3)的结果",r.group(3)) 
#group(1) 列出第一个括号匹配部分,group(2) 列出第二个括号匹配部分,group(3) 列出第三个括号匹配部分。
=======================
r.group(0)的结果 123abc456
r.group(1)的结果 123
r.group(2)的结果 abc
r.group(3)的结果 456

4 . finfall()

re.findall 遍历匹配,可以获取字符串中所有的字符串,返回一个列表.

  • 格式:
    re.findall(pattern,string,flags=0)
import re 
p = re.compile(r'\d+')
r = p.findall('o1n2m3k4')
print("匹配的结果是:",r)
============
匹配的结果是: ['1', '2', '3', '4']
import re 
tt = "Jack is a good boy, he is cool,clever,and so on .... "
rr = re.compile(r'\w*oo\w*')
print("rr.findall(tt)匹配的结果是:",rr.findall(tt))
print("re.findall(r'(\w)*oo(\w)')匹配的结果是:",re.findall(r'(\w)*oo(\w)',tt))
==================
rr.findall(tt)匹配的结果是: ['good', 'cool']
re.findall(r'(\w)*oo(\w)')匹配的结果是: [('g', 'd'), ('c', 'l')]

5. finditer()

搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器.找到RE匹配的所有字符串,并把他们作为一个迭代器返回.

  • 格式:
    re.finditer(pattern,strint,flags=0)
import re 
iter = re.finditer(r'\d+','12 drumm44ers drumming,11 ... 10 ...  ')
for i in iter:
    print("匹配结果是:",i)
    print("i.group()匹配结果是:",i.group())
    print("i.span()匹配结果是:",i.span())
==========================================
匹配结果是: <_sre.SRE_Match object; span=(0, 2), match='12'>
i.group()匹配结果是: 12
i.span()匹配结果是: (0, 2)
匹配结果是: <_sre.SRE_Match object; span=(8, 10), match='44'>
i.group()匹配结果是: 44
i.span()匹配结果是: (8, 10)
匹配结果是: <_sre.SRE_Match object; span=(23, 25), match='11'>
i.group()匹配结果是: 11
i.span()匹配结果是: (23, 25)
匹配结果是: <_sre.SRE_Match object; span=(30, 32), match='10'>
i.group()匹配结果是: 10
i.span()匹配结果是: (30, 32)

6. split()

按照能够匹配的字符串将string分割后返回列表.
可以使用re.split来分割字符串,如:re.split(r'\s','text');将字符串按空格分割成一个单词列表.

  • 格式:
    re.split(pattern,string[,maxsplit])
    maxsplit用于指定最大分割次数,不指定将全部分割.
import re 
rr = re.split('\d+','one1two2three3four4five5')
print("rr匹配的结果是:",rr)
wrr = re.split('[a-z]+','one1two2three3four4five5')
print("wrr匹配的结果是:",wrr)
================================
rr匹配的结果是: ['one', 'two', 'three', 'four', 'five', '']
wrr匹配的结果是: ['', '1', '2', '3', '4', '5']

7. sub()

使用re替换string中每一个匹配的字符串后返回替换后的字符串.

  • 格式:
    re.sub(pattern,repl,string,count)
    repl:是用什么字符串替换(替换后的字符串)
    count:指的是替换的个数,默认为0,表示每个都替换.
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
rr = re.sub(r'\s+','-',text)
print("替换后的结果是:",rr)
========================
替换后的结果是: JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

re.sub还允许使用函数对匹配项的替换进行复杂的处理.
如:re.sub(r'\s',lambda m:'['+ m.group(0) +']',text,0);将字符串中的空格' '替换为'[]'.

import re 
text  = "JGood is a handsome boy, he is cool, clever, and so on..."
rr = re.sub(r'\s',lambda m:'['+ m.group(0) +']',text,0)
print("替换后的结果是:",rr)
===========================
替换后的结果是: JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

8. subn()

返回替换次数

  • 格式:
import re
tt = '123456abcdef'
rr = re.subn('[1-2]','A',tt)
rr1 = re.sub("g.t","have",'I get A,I get B,I get C')
rr2 = re.subn("g.t","have",'I get A,I get B,I get C')
=====================
re.subn()匹配的结果: ('AA3456abcdef', 2)
re.sub()匹配的结果: I have A,I have B,I have C
re.subn()匹配的结果: ('I have A,I have B,I have C', 3)

四. 一些注意点

1. re.match与re.search与re.findall的区别:

re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,知道找到一个匹配.

import re 
a = re.search('[\d]','abc33').group()
print("a匹配的结果是:",a)
p = re.match('[\d]','abc33')
print("p匹配的结果是:",p)
b = re.findall('[\d]','abc33')
print("b匹配的结果是:",b)
============================
a匹配的结果是: 3
p匹配的结果是: None
b匹配的结果是: ['3', '3']

2. 贪婪匹配与非贪婪匹配

?,+?,??,{m,n}? 前面的,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其边城惰性匹配

  • 示例一
import re
a = re.findall('a(\d+?)','a23b')
print("a惰性匹配的结果:",a)
b = re.findall('a(\d+)','a23b')
print("b贪恋匹配的结果:",b)
==========================
a惰性匹配的结果: ['2']
b贪恋匹配的结果: ['23']
  • 示例二
import re 
a = re.match('<(.*)>','<H1>title</H1>').group()
print("a是贪婪匹配的结果:",a)
b = re.match('<(.*?)>','<H1>title</H1>').group()
print("b是惰性匹配的结果:",b)
==============================
a是贪婪匹配的结果: <H1>title</H1>
b是惰性匹配的结果: <H1>
  • 示例三
    这里需要注意的是如果前后均有限定条件的时候,就不存在什么贪婪模式了,非匹配模式失效。
import re 
a = re.findall(r'a(\d+)b','a33333b')
print("a是贪婪匹配的结果:",a)
b = re.findall(r'a(\d+?)b','a33333b')
print("b是惰性匹配的结果:",b)
====================
a是贪婪匹配的结果: ['33333']
b是惰性匹配的结果: ['33333']

3. 用flags时遇到的小坑

import re
rr = re.split('a','1A1a2A3',re.I)
print("rr输出的结果是:",rr)
================
rr输出的结果是: ['1A1', '2A3']

输出的结果冰未能区分大小写,这是因为re.split(pattern,string,maxsplit,flags)默认是四个参数,当我们传入的三个参数的时候,系统会默认re.I是第三个参数,所以就没起作用。如果想让这里的re.I起作用,写成flags=re.I即可。

import re
rr = re.split('a','1A1a2A3',flags=re.I)
print("rr输出的结果是:",rr)
=================
rr输出的结果是: ['1', '1', '2', '3']

五. 正则匹配的小实践

1. 匹配电话号码

import re
# 方法一:
phone_pat = re.compile('^(13\d|14[5|7]|15\d|166|17[3|6|7]|18\d)\d{8}$')
while True:
    phone = input('请输入你的电话号码:')
    res = re.search(phone_pat,phone)
    if res:
       print('正常手机号')
    else:
       print('不是手机号')
# 方法二
tel_pat = re.compile('^0\d[0-9]{2}|[0-9]{3}-\d[0-9]{8}|[0-9]{7}')
while True:
    tel = input('请输入你的座机号:')
    res = re.search(tel_pat,tel)
    # res1 = re.search(tel_pat1,tel)
    if res:
       print('格式正确')
    else:
        print('格式不正确')

2. 匹配IP:

import re 
re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")

3. 匹配邮箱:

import re  
text = input("Please input your Email address:\n")  
if re.match(r'^[0-9a-zA-Z_]{0,19}@[0-9a-zA-Z]{1,13}\.[com,cn,net]{1,3}$',text):  
#if re.match(r'[0-9a-zA-Z_]{0,19}@163.com',text):  
    print('Email address is Right!')  
else:  
    print('Please reset your right Email address!')  

推荐阅读更多精彩内容

  • re模块手册 本模块提供了和Perl里的正则表达式类似的功能,不关是正则表达式本身还是被搜索的字符串,都可以...
    喜欢吃栗子阅读 2,199评论 0 12
  • python的re模块--细说正则表达式 可能是东半球最详细最全面的re教程,翻译自官方文档,因为官方文档写的是真...
    立而人阅读 13,100评论 4 39
  • Python中的正则表达式(re) import rere.match #从开始位置开始匹配,如果开头没有则无re...
    BigJeffWang阅读 3,443评论 0 98
  • 搞懂Python 正则表达式用法 Python 正则表达式 正则表达式是一个特殊的字符序列,它能帮助你方便的检查一...
    厦热阅读 510评论 0 2
  • 打了半天的电脑,嗯感觉打字技术确实有明显提高,终于快了一些了,我都想买笔记本电脑,回来给我打字,最好也让我学一下啊...
    1大太阳阅读 49评论 0 1