JavaEE
鴻蒙應(yīng)用開發(fā)
HTML&JS+前端
Python+大數(shù)據(jù)開發(fā)
人工智能開發(fā)
電商視覺設(shè)計
軟件測試
新媒體+短視頻
集成電路應(yīng)用開發(fā)
C/C++
狂野架構(gòu)師
IP短視頻
Python 正則表達式詳解
更新時間:2018年10月19日16時42分 來源:傳智播客 瀏覽次數(shù):
Python 正則表達式
正則表達式是一個特殊的字符序列，它能幫助你方便的檢查一個字符串是否與某種模式匹配。
Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達式模式。
re 模塊使 Python 語言擁有全部的正則表達式功能。
compile 函數(shù)根據(jù)一個模式字符串和可選的標(biāo)志參數(shù)生成一個正則表達式對象。該對象擁有一系列方法用于正則表達式匹配和替換。
re 模塊也提供了與這些方法功能完全一致的函數(shù)，這些函數(shù)使用一個模式字符串做為它們的第一個參數(shù)。
正則表達式模式
模式字符串使用特殊的語法來表示一個正則表達式：
字母和數(shù)字表示他們自身。一個正則表達式模式中的字母和數(shù)字匹配同樣的字符串。
多數(shù)字母和數(shù)字前加一個反斜杠時會擁有不同的含義。
標(biāo)點符號只有被轉(zhuǎn)義時才匹配自身，否則它們表示特殊的含義。
反斜杠本身需要使用反斜杠轉(zhuǎn)義。
由于正則表達式通常都包含反斜杠，所以你最好使用原始字符串來表示它們。模式元素(如 r'\t'，等價于 '\\t')匹配相應(yīng)的特殊字符。
下表列出了正則表達式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標(biāo)志參數(shù)，某些模式元素的含義會改變。
模式 描述
^ 匹配字符串的開頭
$ 匹配字符串的末尾。
. 匹配任意字符，除了換行符，當(dāng)re.DOTALL標(biāo)記被指定時，則可以匹配包括換行符的任意字符。
[...] 用來表示一組字符,單獨列出：[amk] 匹配 'a'，'m'或'k'
[^...] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0個或多個的表達式。
re+ 匹配1個或多個的表達式。
re? 匹配0個或1個由前面的正則表達式定義的片段，非貪婪方式
re{ n} 精確匹配 n 個前面表達式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的兩個 o。
re{ n,} 匹配 n 個前面表達式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等價于 "o+"。"o{0,}" 則等價于 "o*"。
re{ n, m} 匹配 n 到 m 次由前面的正則表達式定義的片段，貪婪方式
a| b 匹配a或b
(re) 匹配括號內(nèi)的表達式，也表示一個組
(?imx) 正則表達式包含三種可選標(biāo)志：i, m, 或 x 。只影響括號中的區(qū)域。
(?-imx) 正則表達式關(guān)閉 i, m, 或 x 可選標(biāo)志。只影響括號中的區(qū)域。
(?: re) 類似 (...), 但是不表示一個組
(?imx: re) 在括號中使用i, m, 或 x 可選標(biāo)志
(?-imx: re) 在括號中不使用i, m, 或 x 可選標(biāo)志
(?#...) 注釋.
(?= re) 前向肯定界定符。如果所含正則表達式，以 ... 表示，在當(dāng)前位置成功匹配時成功，否則失敗。但一旦所含表達式已經(jīng)嘗試，匹配引擎根本沒有提高；模式的剩余部分還要嘗試界定符的右邊。
(?! re) 前向否定界定符。與肯定界定符相反；當(dāng)所含表達式不能在字符串當(dāng)前位置匹配時成功
(?> re) 匹配的獨立模式，省去回溯。
\w 匹配字母數(shù)字及下劃線
\W 匹配非字母數(shù)字及下劃線
\s 匹配任意空白字符，等價于 [\t\n\r\f].
\S 匹配任意非空字符
\d 匹配任意數(shù)字，等價于 [0-9].
\D 匹配任意非數(shù)字
\A 匹配字符串開始
\Z 匹配字符串結(jié)束，如果是存在換行，只匹配到換行前的結(jié)束字符串。
\z 匹配字符串結(jié)束
\G 匹配最后匹配完成的位置。
\b 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等. 匹配一個換行符。匹配一個制表符。等
\1...\9 匹配第n個分組的內(nèi)容。
\10 匹配第n個分組的內(nèi)容，如果它經(jīng)匹配。否則指的是八進制字符碼的表達式。
正則表達式實例
字符匹配 實例描述
python 匹配 "python".
字符類 實例描述
[Pp]ython 匹配 "Python" 或 "python"
rub[ye] 匹配 "ruby" 或 "rube"
[aeiou] 匹配中括號內(nèi)的任意一個字母
[0-9] 匹配任何數(shù)字。類似于 [0123456789]
[a-z] 匹配任何小寫字母
[A-Z] 匹配任何大寫字母
[a-zA-Z0-9] 匹配任何字母及數(shù)字
[^aeiou] 除了aeiou字母以外的所有字符
[^0-9] 匹配除了數(shù)字外的字符
特殊字符類 實例描述
. 匹配除 "\n" 之外的任何單個字符。要匹配包括 '\n' 在內(nèi)的任何字符，請使用象 '[.\n]' 的模式。
\d 匹配一個數(shù)字字符。等價于 [0-9]。
\D 匹配一個非數(shù)字字符。等價于 [^0-9]。
\s 匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。
\w 匹配包括下劃線的任何單詞字符。等價于'[A-Za-z0-9_]'。
\W 匹配任何非單詞字符。等價于 '[^A-Za-z0-9_]'。
re模塊
1.Re模塊簡介
re模塊是python中處理正則表達式的一個模塊，通過re模塊的方法，把正則表達式pattern編譯成正則對象，以便使用正則對象的方法
效率問題：
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:02# @Author : Feng Xiaoqing# @File : test.py# @Function: -----------import reimport timeit
print(timeit.timeit(setup='''import re; reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')''', stmt='''reg.match('<h1>xxx</h1>')''', number=1000000))
print(timeit.timeit(setup='''import re''', stmt='''re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h1>')''', number=1000000))
reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')
reg.match('<h1>xxx</h1>')
執(zhí)行結(jié)果：
0.42296138327572711.0246964437151256
常用方法：先申明一個正則對象，在通過正則對象去匹配。這樣的效率高。
re.compile(pattern[, flags])方法
re.I(re.IGNORECASE): 忽略大小寫（括號內(nèi)是完整寫法，下同）
M(MULTILINE): 多行模式，改變'^'和'$'的行為
S(DOTALL): 點任意匹配模式，改變'.'的行為
L(LOCALE): 使預(yù)定字符類 \w \W \b \B \s \S 取決于當(dāng)前區(qū)域設(shè)定
U(UNICODE): 使預(yù)定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
X(VERBOSE): 詳細(xì)模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。以下兩個正則表達式是等價的：
compile 函數(shù)用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數(shù)使用。
語法格式為：
re.compile(pattern[, flags])
參數(shù)：
• pattern : 一個字符串形式的正則表達式
• flags : 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數(shù)為：
1. re.I 忽略大小寫
2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境
3. re.M 多行模式
4. re.S 即為 . 并且包括換行符在內(nèi)的任意字符（. 不包括換行符）
5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫
6. re.X 為了增加可讀性，忽略空格和 # 后面的注釋
實例
>>>import re>>> pattern = re.compile(r'\d+') # 用于匹配至少一個數(shù)字
>>> m = pattern.match('one12twothree34four') # 查找頭部，沒有匹配>>> print mNone
>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配
>>> print mNone
>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配
>>> print m # 返回一個 Match 對象<_sre.SRE_Match object at 0x10a42aac0
>>>> m.group(0) # 可省略 0'12'>>> m.start(0) # 可省略 03
>>> m.end(0) # 可省略 05>>> m.span(0) # 可省略 0(3, 5)
在上面，當(dāng)匹配成功時返回一個 Match 對象，其中：
• group([group1, …]) 方法用于獲得一個或多個分組匹配的字符串，當(dāng)要獲得整個匹配的子串時，可直接使用 group()或 group(0)；
• start([group]) 方法用于獲取分組匹配的子串在整個字符串中的起始位置（子串第一個字符的索引），參數(shù)默認(rèn)值為 0；
• end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結(jié)束位置（子串最后一個字符的索引+1），參數(shù)默認(rèn)值為 0；
• span([group]) 方法返回 (start(group), end(group))。
再看看一個例子：
實例
>>>import re>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小寫>>> m = pattern.match('Hello World Wide Web')>>> print m # 匹配成功，返回一個 Match 對象<_sre.SRE_Match object at 0x10bea83e8>>>> m.group(0) # 返回匹配成功的整個子串'Hello World'>>> m.span(0) # 返回匹配成功的整個子串的索引(0, 11)>>> m.group(1) # 返回第一個分組匹配成功的子串'Hello'>>> m.span(1) # 返回第一個分組匹配成功的子串的索引(0, 5)>>> m.group(2) # 返回第二個分組匹配成功的子串'World'>>> m.span(2) # 返回第二個分組匹配成功的子串(6, 11)>>> m.groups() # 等價于 (m.group(1), m.group(2), ...)('Hello', 'World')>>> m.group(3) # 不存在第三個分組Traceback (most recent call last):
File "<stdin>", line 1, in <module>IndexError: no such group
Re模塊的方法：
(1)re.match函數(shù)
re.match 嘗試從字符串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。
函數(shù)語法：
re.match(pattern, string, flags=0)
函數(shù)參數(shù)說明：
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標(biāo)志
匹配成功re.match方法返回一個匹配的對象，否則返回None。
我們可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達式。
匹配對象方法 描述
group(num=0) 匹配的整個表達式的字符串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應(yīng)值的元組。
groups() 返回一個包含所有小組字符串的元組，從 1 到 所含的小組號。
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
pattern = re.compile(r'\d+') # 查找數(shù)字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
以上實例運行輸出結(jié)果為：
(0, 3)
None
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:55# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj: print "matchObj.group() : ", matchObj.group() print "matchObj.group(1) : ", matchObj.group(1) print "matchObj.group(2) : ", matchObj.group(2)else: print "No match!!"
以上實例執(zhí)行結(jié)果如下：
matchObj.group() : Cats are smarter than dogsmatchObj.group(1) : CatsmatchObj.group(2) : smarter
(2)re.search方法
re.search 掃描整個字符串并返回第一個成功的匹配。
函數(shù)語法：
re.search(pattern, string, flags=0)
函數(shù)參數(shù)說明：
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。
匹配成功re.search方法返回一個匹配的對象，否則返回None。
我們可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達式。
匹配對象方法描述
group(num=0) 匹配的整個表達式的字符串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應(yīng)值的元組。
groups() 返回一個包含所有小組字符串的元組，從 1 到 所含的小組號。
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配
以上實例運行輸出結(jié)果為：
(0, 3)
(11, 14)
實例
#!/usr/bin/pythonimport re
line = "Cats are smarter than dogs";
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj: print "searchObj.group() : ", searchObj.group() print "searchObj.group(1) : ", searchObj.group(1) print "searchObj.group(2) : ", searchObj.group(2)else: print "Nothing found!!"
以上實例執(zhí)行結(jié)果如下：
searchObj.group() : Cats are smarter than dogssearchObj.group(1) : CatssearchObj.group(2) : smarter
re.match與re.search的區(qū)別
re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數(shù)返回None；而re.search匹配整個字符串，直到找到一個匹配。
實例
#!/usr/bin/pythonimport re
line = "Cats are smarter than dogs";
matchObj = re.match( r'dogs', line, re.M|re.I)if matchObj: print "match --> matchObj.group() : ", matchObj.group()else: print "No match!!"
matchObj = re.search( r'dogs', line, re.M|re.I)if matchObj: print "search --> matchObj.group() : ", matchObj.group()else: print "No match!!"
以上實例運行結(jié)果如下：
No match!!
search --> matchObj.group() : dogs
Match從開頭開始匹配，匹配不到，返回空
Search從開頭開始匹配，然后第第二個開始匹配，只匹配一個結(jié)果。
Match的效率是最高的，就要求我們正則表達式要寫正確
（3）Split方法
re.split
split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：
re.split(pattern, string[, maxsplit=0, flags=0])
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
maxsplit 分隔次數(shù)，maxsplit=1 分隔一次，默認(rèn)為 0，不限制次數(shù)。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標(biāo)志
實例
>>>import re
>>> re.split('\W+', 'runoob, runoob, runoob.') ['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W+)', ' runoob, runoob, runoob.') ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', ''] >>> re.split('\W+', ' runoob, runoob, runoob.', 1) ['', 'runoob, runoob, runoob.']
>>> re.split('a*', 'hello world') # 對于一個找不到匹配的字符串而言，split 不會對其作出分割 ['hello world']
split(string[, maxsplit])
按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數(shù)，不指定將全部分割。
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
p = re.compile(r'\d+')
print(p.split('one1two2three3four4'))
結(jié)果：
['one', 'two', 'three', 'four', '']
(4)sub檢索和替換
Python 的 re 模塊提供了re.sub用于替換字符串中的匹配項。
語法：
re.sub(pattern, repl, string, count=0, flags=0)
參數(shù)：
• pattern : 正則中的模式字符串。
• repl : 替換的字符串，也可為一個函數(shù)。
• string : 要被查找替換的原始字符串。
• count : 模式匹配后替換的最大次數(shù)，默認(rèn) 0 表示替換所有的匹配。
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:33# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------
import re
phone = "2004-959-559 # 這是一個國外電話號碼"
# 刪除字符串中的 Python注釋 num = re.sub(r'#.*$', "", phone)print "電話號碼是: ", num
# 刪除非數(shù)字(-)的字符串 num = re.sub(r'\D', "", phone)print "電話號碼是 : ", num
以上實例執(zhí)行結(jié)果如下：
電話號碼是: 2004-959-559
電話號碼是 : 2004959559
repl 參數(shù)是一個函數(shù)
以下實例中將字符串中的匹配的數(shù)字乘以 2：
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
pattern = re.compile(r'\d+') # 查找數(shù)字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
執(zhí)行輸出結(jié)果為：
A46G8HFD1134
（5）findall方法
在字符串中找到正則表達式所匹配的所有子串，并返回一個列表，如果沒有找到匹配的，則返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
語法格式為：
findall(string[, pos[, endpos]])
參數(shù)：
• string : 待匹配的字符串。
• pos : 可選參數(shù)，指定字符串的起始位置，默認(rèn)為 0。
• endpos : 可選參數(shù)，指定字符串的結(jié)束位置，默認(rèn)為字符串的長度。
查找字符串中的所有數(shù)字：
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------
import re
pattern = re.compile(r'\d+') # 查找數(shù)字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
輸出結(jié)果：
['123', '456']
['88', '12']
（6）finditer方法
和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，并把它們作為一個迭代器返回。
re.finditer(pattern, string, flags=0)
參數(shù)：
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標(biāo)志
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
print (match.group() )
輸出結(jié)果：
12
32
43
3
group()
group(0) group(1) group(“tagname”)
gourps()
groupdict()
findall
import re
p = re.compile(r'\d+')
print(findall('one1two2three3four4'))
結(jié)果：
['1', '2', '3', '4']
finditer
sub
Split \d+
‘one1two2three3four4’
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 20:24# @Author : fengxiaoqing# @File : test.py'''<h1>xxx</h1> 查看不同匹配規(guī)則的效率'''import reimport timeit# print(timeit.timeit(setup='''import re; reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')''', stmt='''reg.match('<h1>xxx</h1>')''', number=1000000))# print(timeit.timeit(setup='''import re''', stmt='''re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h1>')''', number=1000000))s = "ab<h1>xxx</h1>dsafasdf<html>sdfads</html>"reg = re.compile(r"(<(?P<tag>\w+)>(.*)</(?P=tag)>)")
print(reg.match(s))
print(reg.search(s).group(3))
print(reg.findall(s))# print(reg.findall(s)[1])# print(reg.findall(s)[2])# reg.split(s)# reg.findall(s)# reg.groups(s)x = '1one2two3three4four'reg1 = re.compile("\d")
print(reg1.findall(x))
print(reg1.split(x))
作者：傳智播客人工智能+Python培訓(xùn)學(xué)院
首發(fā)：http://python.itcast.cn/
正則表達式是一個特殊的字符序列，它能幫助你方便的檢查一個字符串是否與某種模式匹配。
Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達式模式。
re 模塊使 Python 語言擁有全部的正則表達式功能。
compile 函數(shù)根據(jù)一個模式字符串和可選的標(biāo)志參數(shù)生成一個正則表達式對象。該對象擁有一系列方法用于正則表達式匹配和替換。
re 模塊也提供了與這些方法功能完全一致的函數(shù)，這些函數(shù)使用一個模式字符串做為它們的第一個參數(shù)。
正則表達式模式
模式字符串使用特殊的語法來表示一個正則表達式：
字母和數(shù)字表示他們自身。一個正則表達式模式中的字母和數(shù)字匹配同樣的字符串。
多數(shù)字母和數(shù)字前加一個反斜杠時會擁有不同的含義。
標(biāo)點符號只有被轉(zhuǎn)義時才匹配自身，否則它們表示特殊的含義。
反斜杠本身需要使用反斜杠轉(zhuǎn)義。
由于正則表達式通常都包含反斜杠，所以你最好使用原始字符串來表示它們。模式元素(如 r'\t'，等價于 '\\t')匹配相應(yīng)的特殊字符。
下表列出了正則表達式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標(biāo)志參數(shù)，某些模式元素的含義會改變。
模式 描述
^ 匹配字符串的開頭
$ 匹配字符串的末尾。
. 匹配任意字符，除了換行符，當(dāng)re.DOTALL標(biāo)記被指定時，則可以匹配包括換行符的任意字符。
[...] 用來表示一組字符,單獨列出：[amk] 匹配 'a'，'m'或'k'
[^...] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0個或多個的表達式。
re+ 匹配1個或多個的表達式。
re? 匹配0個或1個由前面的正則表達式定義的片段，非貪婪方式
re{ n} 精確匹配 n 個前面表達式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的兩個 o。
re{ n,} 匹配 n 個前面表達式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等價于 "o+"。"o{0,}" 則等價于 "o*"。
re{ n, m} 匹配 n 到 m 次由前面的正則表達式定義的片段，貪婪方式
a| b 匹配a或b
(re) 匹配括號內(nèi)的表達式，也表示一個組
(?imx) 正則表達式包含三種可選標(biāo)志：i, m, 或 x 。只影響括號中的區(qū)域。
(?-imx) 正則表達式關(guān)閉 i, m, 或 x 可選標(biāo)志。只影響括號中的區(qū)域。
(?: re) 類似 (...), 但是不表示一個組
(?imx: re) 在括號中使用i, m, 或 x 可選標(biāo)志
(?-imx: re) 在括號中不使用i, m, 或 x 可選標(biāo)志
(?#...) 注釋.
(?= re) 前向肯定界定符。如果所含正則表達式，以 ... 表示，在當(dāng)前位置成功匹配時成功，否則失敗。但一旦所含表達式已經(jīng)嘗試，匹配引擎根本沒有提高；模式的剩余部分還要嘗試界定符的右邊。
(?! re) 前向否定界定符。與肯定界定符相反；當(dāng)所含表達式不能在字符串當(dāng)前位置匹配時成功
(?> re) 匹配的獨立模式，省去回溯。
\w 匹配字母數(shù)字及下劃線
\W 匹配非字母數(shù)字及下劃線
\s 匹配任意空白字符，等價于 [\t\n\r\f].
\S 匹配任意非空字符
\d 匹配任意數(shù)字，等價于 [0-9].
\D 匹配任意非數(shù)字
\A 匹配字符串開始
\Z 匹配字符串結(jié)束，如果是存在換行，只匹配到換行前的結(jié)束字符串。
\z 匹配字符串結(jié)束
\G 匹配最后匹配完成的位置。
\b 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等. 匹配一個換行符。匹配一個制表符。等
\1...\9 匹配第n個分組的內(nèi)容。
\10 匹配第n個分組的內(nèi)容，如果它經(jīng)匹配。否則指的是八進制字符碼的表達式。
正則表達式實例
字符匹配 實例描述
python 匹配 "python".
字符類 實例描述
[Pp]ython 匹配 "Python" 或 "python"
rub[ye] 匹配 "ruby" 或 "rube"
[aeiou] 匹配中括號內(nèi)的任意一個字母
[0-9] 匹配任何數(shù)字。類似于 [0123456789]
[a-z] 匹配任何小寫字母
[A-Z] 匹配任何大寫字母
[a-zA-Z0-9] 匹配任何字母及數(shù)字
[^aeiou] 除了aeiou字母以外的所有字符
[^0-9] 匹配除了數(shù)字外的字符
特殊字符類 實例描述
. 匹配除 "\n" 之外的任何單個字符。要匹配包括 '\n' 在內(nèi)的任何字符，請使用象 '[.\n]' 的模式。
\d 匹配一個數(shù)字字符。等價于 [0-9]。
\D 匹配一個非數(shù)字字符。等價于 [^0-9]。
\s 匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。
\w 匹配包括下劃線的任何單詞字符。等價于'[A-Za-z0-9_]'。
\W 匹配任何非單詞字符。等價于 '[^A-Za-z0-9_]'。
re模塊
1.Re模塊簡介
re模塊是python中處理正則表達式的一個模塊，通過re模塊的方法，把正則表達式pattern編譯成正則對象，以便使用正則對象的方法
效率問題：
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:02# @Author : Feng Xiaoqing# @File : test.py# @Function: -----------import reimport timeit
print(timeit.timeit(setup='''import re; reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')''', stmt='''reg.match('<h1>xxx</h1>')''', number=1000000))
print(timeit.timeit(setup='''import re''', stmt='''re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h1>')''', number=1000000))
reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')
reg.match('<h1>xxx</h1>')
執(zhí)行結(jié)果：
0.42296138327572711.0246964437151256
常用方法：先申明一個正則對象，在通過正則對象去匹配。這樣的效率高。
re.compile(pattern[, flags])方法
re.I(re.IGNORECASE): 忽略大小寫（括號內(nèi)是完整寫法，下同）
M(MULTILINE): 多行模式，改變'^'和'$'的行為
S(DOTALL): 點任意匹配模式，改變'.'的行為
L(LOCALE): 使預(yù)定字符類 \w \W \b \B \s \S 取決于當(dāng)前區(qū)域設(shè)定
U(UNICODE): 使預(yù)定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
X(VERBOSE): 詳細(xì)模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。以下兩個正則表達式是等價的：
compile 函數(shù)用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數(shù)使用。
語法格式為：
re.compile(pattern[, flags])
參數(shù)：
• pattern : 一個字符串形式的正則表達式
• flags : 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數(shù)為：
1. re.I 忽略大小寫
2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境
3. re.M 多行模式
4. re.S 即為 . 并且包括換行符在內(nèi)的任意字符（. 不包括換行符）
5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫
6. re.X 為了增加可讀性，忽略空格和 # 后面的注釋
實例
>>>import re>>> pattern = re.compile(r'\d+') # 用于匹配至少一個數(shù)字
>>> m = pattern.match('one12twothree34four') # 查找頭部，沒有匹配>>> print mNone
>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配
>>> print mNone
>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配
>>> print m # 返回一個 Match 對象<_sre.SRE_Match object at 0x10a42aac0
>>>> m.group(0) # 可省略 0'12'>>> m.start(0) # 可省略 03
>>> m.end(0) # 可省略 05>>> m.span(0) # 可省略 0(3, 5)
在上面，當(dāng)匹配成功時返回一個 Match 對象，其中：
• group([group1, …]) 方法用于獲得一個或多個分組匹配的字符串，當(dāng)要獲得整個匹配的子串時，可直接使用 group()或 group(0)；
• start([group]) 方法用于獲取分組匹配的子串在整個字符串中的起始位置（子串第一個字符的索引），參數(shù)默認(rèn)值為 0；
• end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結(jié)束位置（子串最后一個字符的索引+1），參數(shù)默認(rèn)值為 0；
• span([group]) 方法返回 (start(group), end(group))。
再看看一個例子：
實例
>>>import re>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小寫>>> m = pattern.match('Hello World Wide Web')>>> print m # 匹配成功，返回一個 Match 對象<_sre.SRE_Match object at 0x10bea83e8>>>> m.group(0) # 返回匹配成功的整個子串'Hello World'>>> m.span(0) # 返回匹配成功的整個子串的索引(0, 11)>>> m.group(1) # 返回第一個分組匹配成功的子串'Hello'>>> m.span(1) # 返回第一個分組匹配成功的子串的索引(0, 5)>>> m.group(2) # 返回第二個分組匹配成功的子串'World'>>> m.span(2) # 返回第二個分組匹配成功的子串(6, 11)>>> m.groups() # 等價于 (m.group(1), m.group(2), ...)('Hello', 'World')>>> m.group(3) # 不存在第三個分組Traceback (most recent call last):
File "<stdin>", line 1, in <module>IndexError: no such group
Re模塊的方法：
(1)re.match函數(shù)
re.match 嘗試從字符串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。
函數(shù)語法：
re.match(pattern, string, flags=0)
函數(shù)參數(shù)說明：
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標(biāo)志
匹配成功re.match方法返回一個匹配的對象，否則返回None。
我們可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達式。
匹配對象方法 描述
group(num=0) 匹配的整個表達式的字符串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應(yīng)值的元組。
groups() 返回一個包含所有小組字符串的元組，從 1 到 所含的小組號。
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
pattern = re.compile(r'\d+') # 查找數(shù)字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
以上實例運行輸出結(jié)果為：
(0, 3)
None
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:55# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj: print "matchObj.group() : ", matchObj.group() print "matchObj.group(1) : ", matchObj.group(1) print "matchObj.group(2) : ", matchObj.group(2)else: print "No match!!"
以上實例執(zhí)行結(jié)果如下：
matchObj.group() : Cats are smarter than dogsmatchObj.group(1) : CatsmatchObj.group(2) : smarter
(2)re.search方法
re.search 掃描整個字符串并返回第一個成功的匹配。
函數(shù)語法：
re.search(pattern, string, flags=0)
函數(shù)參數(shù)說明：
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。
匹配成功re.search方法返回一個匹配的對象，否則返回None。
我們可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達式。
匹配對象方法描述
group(num=0) 匹配的整個表達式的字符串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應(yīng)值的元組。
groups() 返回一個包含所有小組字符串的元組，從 1 到 所含的小組號。
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配
以上實例運行輸出結(jié)果為：
(0, 3)
(11, 14)
實例
#!/usr/bin/pythonimport re
line = "Cats are smarter than dogs";
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj: print "searchObj.group() : ", searchObj.group() print "searchObj.group(1) : ", searchObj.group(1) print "searchObj.group(2) : ", searchObj.group(2)else: print "Nothing found!!"
以上實例執(zhí)行結(jié)果如下：
searchObj.group() : Cats are smarter than dogssearchObj.group(1) : CatssearchObj.group(2) : smarter
re.match與re.search的區(qū)別
re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數(shù)返回None；而re.search匹配整個字符串，直到找到一個匹配。
實例
#!/usr/bin/pythonimport re
line = "Cats are smarter than dogs";
matchObj = re.match( r'dogs', line, re.M|re.I)if matchObj: print "match --> matchObj.group() : ", matchObj.group()else: print "No match!!"
matchObj = re.search( r'dogs', line, re.M|re.I)if matchObj: print "search --> matchObj.group() : ", matchObj.group()else: print "No match!!"
以上實例運行結(jié)果如下：
No match!!
search --> matchObj.group() : dogs
Match從開頭開始匹配，匹配不到，返回空
Search從開頭開始匹配，然后第第二個開始匹配，只匹配一個結(jié)果。
Match的效率是最高的，就要求我們正則表達式要寫正確
（3）Split方法
re.split
split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：
re.split(pattern, string[, maxsplit=0, flags=0])
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
maxsplit 分隔次數(shù)，maxsplit=1 分隔一次，默認(rèn)為 0，不限制次數(shù)。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標(biāo)志
實例
>>>import re
>>> re.split('\W+', 'runoob, runoob, runoob.') ['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W+)', ' runoob, runoob, runoob.') ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', ''] >>> re.split('\W+', ' runoob, runoob, runoob.', 1) ['', 'runoob, runoob, runoob.']
>>> re.split('a*', 'hello world') # 對于一個找不到匹配的字符串而言，split 不會對其作出分割 ['hello world']
split(string[, maxsplit])
按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數(shù)，不指定將全部分割。
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
p = re.compile(r'\d+')
print(p.split('one1two2three3four4'))
結(jié)果：
['one', 'two', 'three', 'four', '']
(4)sub檢索和替換
Python 的 re 模塊提供了re.sub用于替換字符串中的匹配項。
語法：
re.sub(pattern, repl, string, count=0, flags=0)
參數(shù)：
• pattern : 正則中的模式字符串。
• repl : 替換的字符串，也可為一個函數(shù)。
• string : 要被查找替換的原始字符串。
• count : 模式匹配后替換的最大次數(shù)，默認(rèn) 0 表示替換所有的匹配。
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:33# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------
import re
phone = "2004-959-559 # 這是一個國外電話號碼"
# 刪除字符串中的 Python注釋 num = re.sub(r'#.*$', "", phone)print "電話號碼是: ", num
# 刪除非數(shù)字(-)的字符串 num = re.sub(r'\D', "", phone)print "電話號碼是 : ", num
以上實例執(zhí)行結(jié)果如下：
電話號碼是: 2004-959-559
電話號碼是 : 2004959559
repl 參數(shù)是一個函數(shù)
以下實例中將字符串中的匹配的數(shù)字乘以 2：
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
pattern = re.compile(r'\d+') # 查找數(shù)字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
執(zhí)行輸出結(jié)果為：
A46G8HFD1134
（5）findall方法
在字符串中找到正則表達式所匹配的所有子串，并返回一個列表，如果沒有找到匹配的，則返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
語法格式為：
findall(string[, pos[, endpos]])
參數(shù)：
• string : 待匹配的字符串。
• pos : 可選參數(shù)，指定字符串的起始位置，默認(rèn)為 0。
• endpos : 可選參數(shù)，指定字符串的結(jié)束位置，默認(rèn)為字符串的長度。
查找字符串中的所有數(shù)字：
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------
import re
pattern = re.compile(r'\d+') # 查找數(shù)字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
輸出結(jié)果：
['123', '456']
['88', '12']
（6）finditer方法
和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，并把它們作為一個迭代器返回。
re.finditer(pattern, string, flags=0)
參數(shù)：
參數(shù) 描述
pattern 匹配的正則表達式
string 要匹配的字符串。
flags 標(biāo)志位，用于控制正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標(biāo)志
實例
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
print (match.group() )
輸出結(jié)果：
12
32
43
3
group()
group(0) group(1) group(“tagname”)
gourps()
groupdict()
findall
import re
p = re.compile(r'\d+')
print(findall('one1two2three3four4'))
結(jié)果：
['1', '2', '3', '4']
finditer
sub
Split \d+
‘one1two2three3four4’
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 20:24# @Author : fengxiaoqing# @File : test.py'''<h1>xxx</h1> 查看不同匹配規(guī)則的效率'''import reimport timeit# print(timeit.timeit(setup='''import re; reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')''', stmt='''reg.match('<h1>xxx</h1>')''', number=1000000))# print(timeit.timeit(setup='''import re''', stmt='''re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h1>')''', number=1000000))s = "ab<h1>xxx</h1>dsafasdf<html>sdfads</html>"reg = re.compile(r"(<(?P<tag>\w+)>(.*)</(?P=tag)>)")
print(reg.match(s))
print(reg.search(s).group(3))
print(reg.findall(s))# print(reg.findall(s)[1])# print(reg.findall(s)[2])# reg.split(s)# reg.findall(s)# reg.groups(s)x = '1one2two3three4four'reg1 = re.compile("\d")
print(reg1.findall(x))
print(reg1.split(x))
作者：傳智播客人工智能+Python培訓(xùn)學(xué)院
首發(fā)：http://python.itcast.cn/
最新資訊
0
分享到：
文章列表.jpg)
科列表頁面右側(cè)廣告圖.jpg)
據(jù)學(xué)科列表頁右側(cè).png)
江蘇傳智播客教育科技股份有限公司 版權(quán)所有Copyright 2006-2024 All Rights Reserved 蘇ICP備16007882號營業(yè)執(zhí)照增值電信業(yè)務(wù)經(jīng)營許可證出版物經(jīng)營許可證
蘇公網(wǎng)安備 32132202001156號