Python_正则表达式
正则表达式： 匹配字符串
re.compile():用于编译正则表达式，生成一个正则表达式对象，供 match() 和 search() 两个函数使用，一般建议使用这种编译方式
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 l = re.compile(r'(.+)[0-2](.*)') # 对要匹配的格式先进行编译，并且整个过程中只编译一次
4 m = re.search(l, str)
5 m1 = re.search(r'(.+)[0-2](.*)',str)
6 # 这是对上面两行的简写，这种写法每次匹配的时候都要进行一次匹配公式的编译，如何行数太多，就会使代码运行很慢
7 print(m.group())
8 print(m1.group())注: 由于反斜杠在Python和正则表达式中的影响，所以添加了 r 来使 字符串表示原生字符串，如果不使用 r ,那么匹配时需要4个反斜杠，稍后有对反斜杠的解释
结果：
abc1def2ghi3jkl4mnabc1def2ghi3jkl4mn正则表达式的几种方法：
re.match(pattern,string,flags=0) | 从头开始匹配，如果在开始位置匹配不成功则返回None (flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等) |
|---|---|
re.search(pattern,string,flags=0) | 匹配整个字符串，返回第一个成功匹配的，和match()的区别在于：开始位置匹配不成功也可继续匹配 |
re.split(pattern, string[, maxsplit=0, flags=0) | 将能够匹配到的字符串当做分割点对字符串进行分割成列表 ( maxsplit：分割次数，maxsplit= 1,表示分割一次，默认为0 ，表示比限制次数) |
re.findall(string，pos[ ,endpos ]) | 找到所有匹配的字符子串 并以列表格式返回 (pos：指定字符串的起始位置，默认为0，endpos：指定字符串结束位置，默认为字符长度) |
re.finditer(pattern, string, flags=0 ) | 在字符串中找到所匹配到的子串，并作为一个迭代器返回 |
re.sub(pattern ,repl , string, count=0 , flag=0 ) | 替换匹配到的字符，以字符串的形式返回 (repl：替换的字符串，也可为一个函数) (count：模式匹配后替换的最大次数，默认0 表示替换所有的匹配) |
re.subn(pattern,repl,string) | 替换匹配到的字符，并返回一个替换了多少次的总数，以元组的形式返回 |
代码实现：
re.match():
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.match('[0-9]', str)
4 m1 = re.match('abc',str)
5 print(m,m1.group())结果：
None abcre.search():
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.search('[0-9]', str)
4 print(m)
5 print(m.group())结果：
<_sre.SRE_Match object; span=(3, 4), match='1'>
1re.split():
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.split('[0-9]', str,)
4 print(m)结果：
['abc', 'def', 'ghi', 'jkl', 'mn']re.findall():
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.findall('[0-9]', str)
4 print(m)结果：
['1', '2', '3', '4']re.finditer
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.finditer('abc|ef', str)
4 print(m.__next__())
5 print(m.__next__().group())结果：
<_sre.SRE_Match object; span=(0, 3), match='abc'>
efre.sub():
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.sub('[0-9]', '*', str, count=3)
4 print(m)结果：
abc*def*ghi*jkl4mnre.subn():
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.subn('[0-9]', '*', str)
4 print(m)结果：
('abc*def*ghi*jkl*mn', 4)正则表达式的基本语法规则：
一般字符 | 匹配自身相对应的字符 |
|---|---|
. | 匹配出换行符(\n)以外的任意字符 |
^ | 匹配字符串起始部分 |
$ | 匹配字符串终止部分 |
* | 匹配0次或多次前面出现的正则表达式 |
+ | 匹配1 次或多次前面出现的正则表达式 |
？ | 匹配字符重复0次到1次前面出现的正则表达式 |
{N} | 匹配N次前面出现的正则表达式 |
{N,} | 匹配至少N次前面出现的正则表达式 |
{M,N} | 匹配M~N次前面出现的正则表达式 |
[...] | 匹配来自字符集的任意单一字符，如：[amk]匹配'a','m'或'k' |
[^...] | 不匹配此字符集出现的任何一个字符 |
[ x - y ] | 匹配x~y范围中的任意单一字符 |
a | b | 匹配 a 或 b |
(...) | 匹配括号内的表达式，将被括起来的表达式作为一个分组，可以使用索引单独取出 |
扩展表示法 | |
(?....) | 分组的不捕获模式，计算索引时会跳过这个分组(表示一个匹配不用保存的分组) |
(? ilmsux) | 分组中可以设置模式，ilmsux之中的每个字符代表一个模式 |
(?imx) | 正则表达式包含三种可选标志：i,m,或x，值影响括号中的区域 |
(?-imx) | 正则表达式关闭i,m,或x可选标志，只影响括号中的区域 |
(?: ) | 类似(...),但不表示一个组 |
( ?-imx : ) | 在括号中不使用i, m,或x 可选标志 |
(?imx : ) | 在括号中使用i, m,或x 可选标志 |
(?#...) | 注释 |
(?=...) | 顺序肯定环视，表示所在位置右侧能够匹配括号内正则 |
(?!...) | 顺序否定环视，表示所在位置右侧不能匹配括号内正则 |
(?<=...) | 逆序肯定环视，表示所在位置左侧能够匹配括号内正则 |
(?<!...) | 逆序否定环视，表示所在位置左侧不能匹配括号内正则 |
(?P=name) | 引用该分组中的内容 |
(?P<name>...) | 为该分组起一个名字，可以用索引或名字去除该组名字 |
(?(id/name)Y|N) | 如果分组提供的id或name(名称)存在，就返回正则表达式的条件匹配Y，如果不存在就返回N，N为可选项 |
特殊符号 | |
\A | 匹配字符串开始 |
\b | 匹配一个单词的边界，一般是指单词和空格间的位置，例：'er\b'可以匹配‘never’中的'er',但不能匹配‘verb’中的‘er’ |
\B | 匹配非单词边界 |
\w | 匹配字母数字 |
\W | 匹配非字母数字 |
\s | 匹配任意空白字符，等价于[\t\n\r\f] |
\S | 匹配任意非空字符 |
\d | 匹配任意数字，等价与[0-9] |
\D | 匹配任意非数字 |
\z | 匹配字符串结束 |
\Z | 匹配字符串结束，如果存在换行，只匹配到换行前的结束字符串 |
\G | 匹配最后匹配完成的位置 |
\n,\t | 匹配一个换行符，匹配一个制表符，等 |
\1...\9 | 匹配第n个分组的子表达式 |
\10 | 匹配第n个分组的子表达式，否则指的是八进制字符码的表达式 |
由于正则表达式使用反斜杠来转义字符，虽然Python正则表达式模块的转义是独立的，但是Python自身处理字符串时，反斜杠也是用于转义字符，就产生了双重转换。
例：匹配一个反斜杠字符需要将参数写成'\\\\'：
'\\\\'将被转义为'\\'
Python中的转义：
- 在python中使用正则表达式时要切记反斜线\具有两层转义功能，如果你要匹配一个反斜线本身时要注意它必须被转义两次。（除非你使用原始字符串，就是字符串前面加r）
- Python遇到无法识别字符串中的\[，不会报错，而是将它原样"转交"给字符串： 字符串的表现层： \[ \\[， 字符串的概念层： \[ \[， 正则表达式的表现层： \[ \[， 正则表达式的概念层 ：[(非元字符) [(非元字符)
部分基本语法的代码实现：
1 import re
2 s = '65432ab1cdefg'
3 m0 = re.findall('.', s)
4 m1 = re.findall('.*', s) # 匹配任意字符 * 表示匹配0个到多个表达式
5 m2 = re.findall('.+', s) # 匹配任意字符 + 表示匹配1个到多个表达式
6 m8 = re.findall('[^\d].*', s) # [^...]匹配除...以外的字符
7 print(m0)
8 print(m1)
9 print(m2)
10 print(m8)
11
12 s1 = '6789_45 6a~bc@$deF'
13 m3 = re.findall('\S', s1) # \S 匹配非空的任意字符
14 m4 = re.findall('[a-zA-Z]+', s1) # 匹配大小写字符
15 m5 = re.search('\d+', s1) # \d 匹配任意数字
16 m6 = re.search('^\d+$', '123455890') # 如果这个字符串里有字母，那这行代码就会报错，因为\d+ 表示连续数字匹配
17 m7 = re.search('^.+$', '12345f5890') # . 表示匹配任意字符，所以这里的 ^ $可以从开头匹配到结尾
18
19 print(m3)
20 print(m4)
21 print(m5.group())
22 print(m6.group())function
结果：
['6', '5', '4', '3', '2', 'a', 'b', '1', 'c', 'd', 'e', 'f', 'g']
['65432ab1cdefg', '']
['65432ab1cdefg']
['ab1cdefg']
['6', '7', '8', '9', '_', '4', '5', '6', 'a', '~', 'b', 'c', '@', '$', 'd', 'e', 'F']
['a', 'bc', 'deF']
6789
123455890result
flags模式：可选标志位的具体参数：（可以通过or（|）指定多个标志位）
re.I | 忽略大小写( 大小写不敏感模式 ) |
|---|---|
re.L | 影响\w , \W , \b , \B , \s , \S , 取决于 本地系统的语言设置（如：要处理法文文本，并用\w来处理文本，那必须是系统配置适当且 把本地化语言改为法文） |
re.M | 影响 ^,$, （此时，^，$ 不会被解释 ）"^" 依然匹配字符串的开始和字符串中每行的开始。同样的， $ 元字符匹配字符串结尾和字符串中每行的结尾 |
re.S | 相当于 . 并且包括换行符在内的任意字符 （ . 是不包括换行符的 ） |
re.U | 表示特殊字符\w , \W , \b , \B , \d , \D , \s , \S 依赖于Unicode字符属性数据库 |
re.X | 空白符被忽略，除非该空白符在字符类中或在反斜杠之后；并且允许你将注释写入 RE，这些注释会被引擎忽略；注释用 "#"号 来标识，不过该符号不能在字符串或反斜杠之后 |
实例实现：
1 import re
2 str = 'abc\ndef\nghi'
3 m = re.search('^a.*i$', str, flags=re.S) # re.S 匹配包括换行的任意字符
4 print(m.group())
5 m = re.search('^a.*$', str, flags=re.M) # ^ $ 受 re.M影响，匹配行的开始和结尾
6 print(m.group())s
结果：
abc
def
ghi
abcresult
几种匹配对象的方法：
x.group(m,...) | 返回匹配字符串，默认m=0,可以获得第一个或者第m个括号的分组，多参数时将以元组的形式返回 |
|---|---|
x.groups() | 返回一个包含所有小组字符串的元组 |
x.start(m) | 默认m=0,返回第m个括号的字符串的开始索引 |
x.end(m) | 默认m=0,返回第m个括号字符串的结束索引 |
x.span(m) | 默认m=0,返回第m个括号字符串的开始索引和结束索引 |
实例：
1 import re
2 str = 'abc1def2ghi3jkl4mn'
3 m = re.search(r'(.+)[0-2](.*)', str)
4 print(m.group())
5 print(m.group(2))
6 print(m.start())
7 print(m.end())
8 print(m.span())example
结果：
abc1def2ghi3jkl4mn
ghi3jkl4mn
0
18
(0, 18)result
什么是贪婪匹配，什么是懒惰匹配
贪婪匹配：Python正则表达式默认的匹配，在匹配成功的前提下，正则表达式趋向于最大长度的匹配方式
非贪婪匹配（懒惰匹配）：在整个表达式匹配成功的前提下，尽可能少的匹配
贪婪词 | 惰性词 | 对贪婪的描述 |
|---|---|---|
？ | ？？ | 匹配前一个字符重复0次到1次 |
* | *？ | 匹配0次或多次 |
+ | +？ | 匹配1次或多次 |
{n} | {n}？ | 匹配n次 |
{n , m} | {n , m}？ | 匹配n~m次，但至多不能超过m次 |
{n, } | {n, }？ | 匹配至少出现n次 |
实现：
1 import re
2 str = 'aaaaabbbbb'
3 m = re.findall('.a*', str) # . 代表匹配除换行符的所有字符
4 m1 = re.findall('.a*?', str)
5 m2 = re.findall('.b{2,}', str)
6 m3 = re.findall('.b{2,}?', str)
7 print(m)
8 print(m1)
9 print(m2)
10 print(m3)import
结果：
['aaaaa', 'b', 'b', 'b', 'b', 'b'] #一次就匹配完了a
['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'b']
['abbbbb']
['abb', 'bbb']result
正则表达式的简单匹配例子：
例1，匹配电话号码：
1 import re
2 phone_str = 'my phone number is 18380364920'
3 m = re.search('(1)([34578]\d{9})', phone_str) # (1)表示第一个分组，[34578]表示第二个数字能匹配的数字 ，\d相当于[0-9]
4
5 if m:
6 print(m.group())phone
结果：
18380364920result
例2，简单匹配email：
1 import re
2 email = '2536vera.yin@qq.com'
3 m = re.search(r'[0-9.a-z]{1,26}@[0-9.a-z]{0,20}.[0-9a-z]', email)
4 print(m.group())结果：
2536vera.yin@qq.comView Code
例3，简单匹配IP V4
1 import re
2 def ai():
3 str = input('ipv4地址：')
4 m = re.findall('^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$', str)
5 if m:
6 print('ip 有效:', m)
7 else:
8 print('ip 无效:', m)
9 ai()
10
11 ai()IPv4
结果：
ipv4地址：192.168.3.22
ip 有效: ['192.168.3.22']
ipv4地址：223.432.44.3
ip 无效: []
ipv4地址：result