史上最全 Python Re 模块讲解

来源:chichao

segmentfault.com/a/1190000011578899

re模块下的函数

compile(pattern):创建模式对象

1import re
2pat=re.compile( A )
3m=pat.search( CBA )                    #等价于 re.search( A , CBA )
4print m
5<_sre.SRE_Match object at 0x9d690c8>   #匹配到了,返回MatchObject(True)
6m=pat.search( CBD )
7print m
8None                                   #没有匹配到,返回None(False)

search(pattern,string):在字符串中寻找模式

 1 m = re.search( asd , ASDasd )
 2
 3 print m
 4
 5 <_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了,返回MatchObject(True)
 6
 7 m = re.search( asd , ASDASD )
 8
 9 print m
10
11 None                                   #没有匹配到,返回None(False)

match(pattern,string):在字符串开始处匹配模式

m = re.search( asd , ASDasd )
print m
<_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了,返回MatchObject(True)

m = re.search( asd , ASDASD )
print m
None                                   #没有匹配到,返回None(False)

# 等价于
pat=re.compile( a )
print pat.match( Aasd )
None

printpat.match( aASD )
<_sre.SRE_Match object at 0xb72cd6e8>

# 上面的函数返回都可以在if条件语句中进行判断:

if pat.search( asd ):
     print OK

OK        #找到返回
if re.search( a , ASD ):
     print "OK"
       #没有找到

split(pattern,string):根据模式分割字符串,返回列表

re.split( , , a,s,d,asd )
[ a , s , d , asd ]          #返回列表

pat = re.compile( , )
pat.split( a,s,d,asd )
[ a , s , d , asd ]          #返回列表

re.split( [, ]+ , a ,  s  ,d     ,,,,,asd )   #正则匹配:[, ]+,后面说明
[ a , s , d , asd ]

re.split( [, ]+ , a ,  s  ,d     ,,,,,asd ,maxsplit=2) # maxsplit 最多分割次数
[ a , s , d     ,,,,,asd ]

pat = re.compile( [, ]+ )                     #正则匹配:[, ]+,后面说明
pat.split( a ,  s  ,d     ,,,,,asd ,maxsplit=2)        # maxsplit 最多分割次数
[ a , s , d     ,,,,,asd ]

findall(pattern,string):列表形式返回匹配项

re.findall( a , ASDaDFGAa ) [ a , a ] #列表形式返回匹配到的字符串 pat = re.compile( a ) pat.findall( ASDaDFGAa ) [ a , a ] #列表形式返回匹配到的字符串 pat = re.compile( [A-Z]+ ) #正则匹配:[A-Z]+ 后面有说明 pat.findall( ASDcDFGAa ) [ ASD , DFGA ] #找到匹配到的字符串 pat = re.compile( [A-Z] ) pat.findall( ASDcDFGAa ) #正则匹配:[A-Z]+ 后面有说明 [ A , S , D , D , F , G , A ] #找到匹配到的字符串 pat = re.compile( [A-Za-z] ) #正则匹配:[A-Za-z]+ 匹配所有单词,后面有说明 pat.findall( ASDcDFGAa ) [ A , S , D , c , D , F , G , A , a ]

sub(pat,repl,string) :用repl替换 pat匹配项

(留的是中间的,因为中间在中心)

re.sub( a , A , abcasd ) #找到a用A替换,后面见和group的配合使用 AbcAsd pat = re.compile( a ) pat.sub( A , abcasd ) AbcAsd pat=re.compile(r www.(.*)..{3} ) #正则表达式 #在Python的string前面加上‘r’, 是为了告诉编译器这个string是个raw string,不要转译反斜杠 。 #例如, 在raw string中,是两个字符,和n, 而不会转译为换行符。 #由于正则表达式和 会有冲突,因此,当一个字符串使用了正则表达式后,最好在前面加上 r 。 #与大多数编程语言相同,正则表达式里使用""作为转义字符,这就可能造成反斜杠困扰。 #假如你需要匹配文本中的字符"",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\": #前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。 #Python里的原生字符串很好地解决了这个问题,这个例子中的正则表达式可以使用r"\"表示。 #同样,匹配一个数字的"\d"可以写成r"d"。 #有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。 #不是说 加了r 就没有转译功能,好乱,就直接记住1句话: #当一个字符串使用了正则表达式后,最好在前面加上 r ,这样你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观 pat.match( www.dxy.com ).group(1) dxy re.sub(r www.(.*)..{3} ,r , hello,www.dxy.com ) pat.sub(r , hello,www.dxy.com ) hello,dxy # r 1 是第一组的意思 #通过正则匹配找到符合规则的"www.dxy.com" ,取得 组1字符串 去替换 整个匹配。 pat=re.compile(r (w+) (w+) ) #正则表达式 s= hello world ! hello hz ! pat.findall( hello world ! hello hz ! ) [( hello , world ), ( hello , hz )] pat.sub(r ,s) #通过正则得到组1(hello),组2(world),再通过sub去替换。即组1替换组2,组2替换组1,调换位置。 world hello!hz hello!

escape(string) :对字符串里面的特殊字符串进行转义

re.escape( www.dxy.cn ) www\.dxy\.cn #转义

上面的函数中,只有match、search有group方法,其他的函数没有。

函数的方法

group:获取子模式(组)的匹配项

pat = re.compile(r www.(.*).(.*) ) #用()表示1个组,2个组 m = pat.match( www.dxy.com ) m.group() #默认为0,表示匹配整个字符串 www.dxy.com m.group(1) #返回给定组1匹配的子字符串 dxy m.group(2) com

start:给定组匹配项的开始位置

m.start(2) #组2开始的索引 8

end:给定组匹配项的结束位置

m.end(2) #组2结束的索引 11

span:给定组匹配项的开始结束位置

m.span(2) #组2开始、结束的索引 (8, 11)

正则表达式

元字符

“.” :通配符,除换行符外的任意的1个字符

pat=re.compile( . ) pat.match( abc ) <_sre.SRE_Match object at 0xb72b6170> pat.match( abc ).group() a #匹配到了首个字符 pat.search( abc ).group() a pat.match( ).group() #换行符匹配出错 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: NoneType object has no attribute group

“” : 转义符

pat=re.compile( . ) pat.search( abc.efg ).group() #匹配到. . pat.findall( abc.efg ) #不用group,返回列表 [ . ]

“[…]” : 字符集合,匹配里面的任意一个元素

>>> pat=re.compile( [abc] ) >>> pat.match( axbycz ).group() a >>> pat.search( axbycz ).group() a >>> pat.findall( axbycz ) [ a , b , c ]

“d” : 数字

>>> pat=re.compile( d ) >>> pat.search( ax1by2cz3 ).group() #匹配到第一个数字:1,返回 1 >>> pat.match( ax1by2cz3 ).group() #匹配不到(首个不是)返回None,报错,match匹配字符串头 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: NoneType object has no attribute group >>> pat.findall( ax1by2cz3 ) #匹配所有的数字,列表返回 [ 1 , 2 , 3 ]

“D” : 非数字

>>> pat=re.compile( D ) >>> pat.match( ax1by2cz3 ).group() a >>> pat.search( ax1by2cz3 ).group() a >>> pat.findall( ax1by2cz3 ) [ a , x , b , y , c , z ]

“s” :空白字符 、 、 、 、空格

>>> pat=re.compile( s ) >>> pat.findall( ax1 by2 cz3 ) [ , , , , ] >>> pat.search( ax1 by2 cz3 ).group() >>> pat.match( ax1 by2 cz3 ).group()

“S” :非空白字符

>>> pat=re.compile( S ) >>> pat.search( ax1 by2 cz3 ).group() a >>> pat.findall( ax1 by2 cz3 ) [ a , x , 1 , b , y , 2 , c , z , 3 ]

“w” :单个的 数字和字母,[A-Za-z0-9]

>>> pat=re.compile( w ) >>> pat.search( 1a2b3c ).group() 1 >>> pat.findall( 1a2b3c ) [ 1 , a , 2 , b , 3 , c ] >>> pat.match( 1a2b3c ).group() 1

“W”:非单词字符,除数字和字母外

>>> pat=re.compile( W ) >>> pat.findall( 1a2我b3c ) #python是用三字节表示一个汉字 [ æ , ˆ , ‘ ] >>> pat.search( 1a2我b3c ).group() æ

数量词

“*” :0次或多次

( 乘0会变成0)

>>> pat = re.compile( [abc]* ) >>> pat.match( abcabcdefabc ).group() abcabc #2次 >>> pat.search( abcabcdefabc ).group() abcabc #2次 >>> pat.findall( abcabcdefabc ) [ abcabc , , , , abc , ] #2次和1次,因为有0次,所以匹配了

“+” :1次或多次

( 加0不会变成0)

>>> pat = re.compile( [abc]+ ) >>> pat.match( abcdefabcabc ).group() abc >>> pat.search( abcdefabcabc ).group() abc >>> pat.findall( abcdefabcabc ) [ abc , abcabc ]

“?” :0次或1次,match,search 不会出现none,会出现’ ‘ (因为0次也是符合的)

0次或1次不是指[xxx]这个集合,而是其中的任何的一个字符

>>> pat = re.compile( [abc]? ) >>> pat.match( defabc ).group() #0次 >>> pat.match( abcdefabc ).group() a >>> pat.search( defabc ).group() #0次 >>> pat.findall( defabc ) #0次和1次 [ , , , a , b , c , ] #后面总再加个

“数量词?” :非贪婪模式:只匹配最少的(尽可能少);默认贪婪模式:匹配最多的(尽可能多)

>>> pat = re.compile( [abc]+ ) #贪婪模式 >>> pat.match( abcdefabcabc ).group() #匹配尽可能多的:abc abc >>> pat.match( bbabcdefabcabc ).group() bbabc >>> pat.search( dbbabcdefabcabc ).group() bbabc >>> pat.findall( abcdefabcabc ) [ abc , abcabc ] >>> pat = re.compile( [abc]+? ) #非贪婪模式:+? >>> pat.match( abcdefabcabc ).group() #匹配尽可能少的:a、b、c a >>> pat.search( dbbabcdefabcabc ).group() b >>> pat.findall( abcdefabcabc ) [ a , b , c , a , b , c , a , b , c ]

“{m}” :匹配字符串出现m次

>>> pat = re.compile( [op]{2} ) #o或p出现2次 >>> pat.search( abcooapp ).group() #匹配第一次出现的字符串,o比p先出现 oo >>> pat.findall( abcooapp ) #匹配出现的所有字符串,列表形式返回 [ oo , pp ]

“{m,n}” :匹配字符串出现m到n次

>>> pat = re.compile( [op]{2,4} ) #o或则p出现2到4次 >>> pat.match( pppabcooapp ).group() #匹配开头 ppp >>> pat.search( pppabcooapp ).group() #匹配第一次出现 ppp >>> pat.findall( pppabcooapp ) #匹配所有 [ ppp , oo , pp ]

.group() #匹配第一次出现

边界

“^” :匹配字符串开头或行头

>>> pat = re.compile( ^[abc] ) #开头是a、b、c中的任意一个 >>> pat.search( defabc ).group() >>> pat.match( defabc ).group() #均找不到 >>> pat.findall( defabc ) [] >>> pat.search( adefabc ).group() a >>> pat.match( adefabc ).group() #开头是a、b、c中的任意一个 a >>> pat.findall( adefabc ) [ a ] >>> pat = re.compile( ^[abc]+ ) #开头是a、b、c中的任意一个的一次或则多次,贪婪:匹配多个 >>> pat.findall( cbadefab ) [ cba ] >>> pat = re.compile(r ^[abc]+? ) #开头是a、b、c中的任意一个的一次或则多次,非贪婪:匹配一个 >>> pat.findall( cbadefab ) [ c ]

“$” :匹配字符串结尾或则行尾

>>> pat = re.compile( [abc]$ ) >>> pat.match( adefAbc ).group() #match匹配的是字符串开头,所以查找$的时,总是返回None >>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个 c >>> pat.findall( adefAbc ) [ c ] >>> pat = re.compile( [abc]+$ ) >>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个的一次或则多次,贪婪:匹配多个 bc >>> pat.findall( adefAbc ) [ bc ]

“A”:匹配字符串开头

>>> pat = re.compile( A[abc]+ ) >>> pat.findall( cbadefab ) [ cba ] >>> pat.search( cbadefab ).group() cba

“Z”:匹配字符串结尾

>>> pat = re.compile( [abc]+Z ) >>> pat.search( cbadefab ).group() ab >>> pat.findall( cbadefab ) [ ab ]

分组

(…):分组匹配,从左到右,每遇到一个 ( 编号+1,分组后面可加数量词

>>> pat=re.compile(r (a)w(c) ) #w:单个的数字或字母 [A-Za-z0-9] >>> pat.match( abcdef ).group() abc >>> pat=re.compile( (a)b(c) ) #分2组,匿名分组 >>> pat.match( abcdef ).group() #默认返回匹配的字符串 abc >>> pat.match( abcdef ).group(1) #取分组1,适用于search a >>> pat.match( abcdef ).group(2) #取分组2,适用于search c >>> pat.match( abcdef ).groups() #取所有分组,元组形式返回 ( a , c )

<number>:引用编号为<number>的分组匹配到的字符串

>>> pat=re.compile(r www.(.*)..{3} ) >>> pat.match( www.dxy.com ).group(1) dxy

“(?P<name>…)” :在模式里面用()来表示分组(命名分组),适用于提取目标字符串中的某一些部位。

>>> pat=re.compile(r (?P<K>a)w(c) ) #分2组:命名分组+匿名分组 >>> pat.search( abcdef ).groups() #取所有分组,元组形式返回 ( a , c ) >>> pat.search( abcdef ).group(1) #取分组1,适用于match a >>> pat.search( abcdef ).group(2) #取分组2,适用于match c >>> pat.search( abcdef ).group() #默认返回匹配的字符串 abc >>> pat.search( abcdef ).groupdict() #命名分组可以返回一个字典【专有】,匿名分组也没有 { K : a }

“(?P=name)”:引用别名为<name>的分组匹配到的串

>>> pat=re.compile(r (?P<K>a)w(c)(?P=K) ) #(?P=K)引用分组1的值,就是a >>> pat.search( abcdef ).group() #匹配不到,因为完整 awca ,模式的第4位是a Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: NoneType object has no attribute group >>> pat.search( abcadef ).group() #匹配到,模式的第4位和组1一样,值是c abca >>> pat.search( abcadef ).groups() ( a , c ) >>> pat.search( abcadef ).group(1) a >>> pat.search( abcadef ).group(2) c

“<number>” :引用分组编号匹配:

>>> pat=re.compile(r (?P<K>a)w(c)(?P=K) ) #引用分组2的值,就是c >>> pat.findall( Aabcadef ) #匹配不到,因为完整 awcac ,模式的第5位是c [] >>> pat.findall( Aabcacdef ) #匹配到,模式的第5位和组2一样,值是c [( a , c )] >>> pat.search( Aabcacdef ).groups() ( a , c ) >>> pat.search( Aabcacdef ).group() abcac >>> pat.search( Aabcacdef ).group(1) a >>> pat.search( Aabcacdef ).group(2) c

特殊构造

  • (?:…) (…)不分组版本,用于使用 | 或者后接数量词
  • (?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
  • (?#…) #号后的内容将作为注释
  • (?=…) 之后的字符串内容需要匹配表达式才能成功匹配
  • (?!…) 之后的字符串不匹配表达式才能成功
  • (?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

“(?:…)” :()里面有?:表示该()不是分组

>>> pat=re.compile(r a(?:bc) ) >>> pat.findall( abc ) [ abc ] >>> pat.match( abc ).groups() #显示不出分组

“(?=…)”:匹配…表达式,返回。对后进行匹配,总是对后面进行匹配

>>> pat=re.compile(r w(?=d) ) #匹配表达式d,返回数字的前一位,w:单词字符[A-Za-z0-9] >>> pat.findall( abc1 def1 xyz1 ) [ c , f , z ] >>> pat.findall( zhoujy20130628hangzhou ) #匹配数字的前一位,列表返回 [ y , 2 , 0 , 1 , 3 , 0 , 6 , 2 ] >>> pat=re.compile(r w+(?=d) ) >>> pat.findall( abc1,def1,xyz1 ) #匹配最末数字的前字符串,列表返回 [ abc , def , xyz ] >>> pat.findall( abc21,def31,xyz41 ) [ abc2 , def3 , xyz4 ] >>> pat.findall( zhoujy20130628hangzhou ) [ zhoujy2013062 ] >>> pat=re.compile(r [A-Za-z]+(?=d) ) #[A-Za-z],匹配字母,可以用其他的正则方法 >>> pat.findall( zhoujy20130628hangzhou123 ) #匹配后面带有数字的字符串,列表返回 [ zhoujy , hangzhou ] >>> pat.findall( abc21,def31,xyz41 ) [ abc , def , xyz ]

“(?!…)” 不匹配…表达式,返回。对后进行匹配

>>> pat=re.compile(r [A-Za-z]+(?!d) ) #[A-Za-z],匹配字母,可以用其他的正则方法 >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) #匹配后面不是数字的字符串,列表返回 [ zhouj , hangzho , binjian ] >>> pat.findall( abc21,def31,xyz41 ) [ ab , de , xy ]

“(?<=…)”:匹配…表达式,返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r (?<=d)[A-Za-z]+ ) #匹配前面是数字的字母 >>> pat.findall( abc21,def31,xyz41 ) [] >>> pat.findall( 1abc21,2def31,3xyz41 ) [ abc , def , xyz ] >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) [ hangzhou ]

“(?<!…)”:不匹配…表达式,返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r (?<!d)[A-Za-z]+ ) #匹配前面不是数字的字母 >>> pat.findall( abc21,def31,xyz41 ) [ abc , def , xyz ] >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) [ zhoujy , angzhou , binjiang ]

“(?(id/name) yes |no)”: 组是否匹配,匹配返回

>>> pat=re.compile(r a(d)?bc(?(1)d) ) #no省略了,完整的是adbcd ==> a2bc3,总共5位,第2位是可有可无的数字,第5为是数字 >>> pat.findall( abc9 ) #返回组1,但第2位(组1)没有,即返回了 [ ] >>> pat.findall( a8bc9 ) #完整的模式,返回组1 [ 8 ] >>> pat.match( a8bc9 ).group() a8bc9 >>> pat.match( a8bc9 ).group(1) 8 >>> pat.findall( a8bc ) #第5位不存在,则没有匹配到 []

“(?iLmsux)”:这里就介绍下i参数:大小写区分匹配

>>> pat=re.compile(r abc ) >>> pat.findall( abc ) [ abc ] >>> pat.findall( ABC ) [] >>> pat=re.compile(r (?i)abc ) #(?i) 不区分大小写 >>> pat.findall( ABC ) [ ABC ] >>> pat.findall( abc ) [ abc ] >>> pat.findall( aBc ) [ aBc ] >>> pat.findall( aBC ) [ aBC ] >>> pat=re.compile(r abc ,re.I) #re.I 作为参数使用,推荐 >>> pat.findall( aBC ) [ aBC ] >>> pat.findall( abc ) [ abc ] >>> pat.findall( ABC ) [ ABC ]

原文发布于微信公众号 - 机器学习算法与Python学习(guodongwei1991)

原文发表时间:2019-07-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券