Python 正则表达式（regex）

正则表达式

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑

正则表达式非Python独有，在Python中使用re模块实现

常见匹配模式

模式 描述 \w 匹配数字、字母、下划线 \W 匹配非数字、字母、下划线 \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，等价于[0-9] \D 匹配任意非数字 \A 匹配字符串开始 \Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串 \z 匹配字符串结束 \G 匹配最后匹配完成的位置 \n 匹配一个换行符 \t 匹配一个制表符 ^ 匹配字符串的开头 $ 匹配字符串的末尾 . 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。 [...] 用来表示一组字符，单独列出：[abc]匹配"a","b"或"c" [^...] 不再[]中的字符：[^abc]匹配除了a,b,c之外的字符 * 匹配0个或多个的表达式 + 匹配1个或多个的表达式 ？ 匹配0个或1个由前面的正则表达式定义的片段，非贪婪模式 {n} 精确匹配n个前面表达式 {n,m} 匹配n到m次由前面的正则表达式定义的片段，贪婪模式 a|b 匹配a或b （） 匹配括号内的表达式，也表示一个组 

re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话, match()就返回none

re.match(pattern,string,flags=0) 

常规匹配

import re content = 'Hello 111 2222 World hello python' print(len(content)) res = re.match('^Hello\s\d\d\d\s\d{4}\s\w{5}\s.*python$', content) print(res) print(res.group()) print(res.span()) 

运行结果： 33 <_sre.SRE_Match object; span=(0, 21), match='Hello 111 2222 World '> Hello 111 2222 World (0, 21) 

泛匹配

import re content = 'Hello 111 2222 World hello python' res = re.match('^Hello.*python$', content) print(res) print(res.group()) print(res.span()) 

运行结果： <_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'> Hello 111 2222 World hello python (0, 33) 

匹配目标

import re content = 'Hello 111 2222 World hello python' res = re.match('^Hello\s(\d+)\s(\d+)\s.*python$', content) print(res) print(res.group(1), res.group(2)) 

运行结果： <_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'> 111 2222 

贪婪模式

import re content = 'Hello 111 2222 World hello python' res = re.match('^H.*(\d+)\s(\d+).*python$', content) print(res) print(res.group(1), res.group(2)) 

运行结果： <_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'> 1 2222 

非贪婪模式

import re content = 'Hello 111222 World hello python' res = re.match('^He.*?(\d+).*?python$', content) print(res) print(res.group(1)) 

运行结果： <_sre.SRE_Match object; span=(0, 31), match='Hello 111222 World hello python'> 111222 

匹配模式

模式 描述 re.I 匹配的字符忽略大小写 re.M 多行匹配 re.L 本地化识别匹配 re.U 根据Unicode进行相应化解析 re.S 让 . 匹配包括换行符 

import re content = """Hello 1112222 World hello python""" res = re.match('^H.*?(\d+).*?python$', content, re.S) print(res) print(res.group(1)) 

运行结果： <_sre.SRE_Match object; span=(0, 43), match='Hello 1112222 World \n hello python'> 1112222 

转义

import re content = """The apple's price is $5.00""" res = re.match('The apple\'s price is \$5.00', content, re.S) print(res) print(res.group()) 

<_sre.SRE_Match object; span=(0, 26), match="The apple's price is $5.00"> The apple's price is $5.00 

总结：尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、由换行符就用re.S

re.search

re.search 扫描整个字符串并返回第一个成功的匹配

# 使用re.match() import re content = """This is a string""" res = re.match('a', content, re.S) print(res) 

运行结果： None 

# 使用re.search() import re content = """This is a string""" res = re.search('a\s\w*', content, re.S) print(res) print(res.group()) 

运行结果： <_sre.SRE_Match object; span=(8, 16), match='a string'> a string 

总结：为匹配方便，能用search就不用match

re.findall

搜索字符串，以列表形式返回全部能匹配的子串

import re content = """This is a string""" res = re.findall('a\s\w*', content, re.S) print(res) 

运行结果： ['a string'] 

re.sub

替换字符串中每一个匹配的子串后返回替换后的字符串

import re content = """This is 222211111 string""" res = re.sub('\d+', 'a',content) print(res) 

运行结果： This is a string 

re.compile

将正则字符串编译成正则表达式对象

将一个正则表达式串编译成正则对象，以便于复用该匹配模式

import re content = """This is 222211111 string""" pattern = re.compile('\d+') res = re.search(pattern, content) print(res) print(res.group()) 

运行结果： <_sre.SRE_Match object; span=(8, 17), match='222211111'> 222211111 

---

欢迎访问

个人博客地址：www.limiao.tech

---