python re模块

发布时间：2018-03-18 15:55:59编辑：admin阅读（4773）

正则表达式(可以称为REs，regex，regex pattens)是一个小巧的，高度专业化的编程语言，它内嵌于python开发语言中，可通过re模块使用。正则表达式的pattern可以被编译成一系列的字节码，然后用C编写的引擎执行。




常用正则表达式符号，基本上，包含了90%的场景。

'.'	默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
'^'	匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'	匹配字符结尾，或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
'*'	匹配*号前的字符0次或多次，re.findall("ab*","cabb3abcbbac")  结果为['abb', 'ab', 'a']
'+'	匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?'	匹配前一个字符1次或0次
'{m}'	匹配前一个字符m次
'{n,m}'	匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|'	匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)'	分组匹配，re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c

'\A'	只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的
'\Z'	匹配字符结尾，同$
'\d'	匹配数字0-9
'\D'	匹配非数字
'\w'	匹配[A-Za-z0-9]
'\W'	匹配非[A-Za-z0-9]
's'	匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
'(?P<name>...)'	分组匹配

最常用的匹配语法

re.match 从头开始匹配
re.search 匹配包含
re.findall 把所有匹配到的字符放到以列表中的元素返回
re.splita 以匹配到的字符当做列表分隔符
re.sub      匹配字符并替换

反斜杠的困扰
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。



举个列子:

匹配以Chen开头的字符串


import re
result = re.match("^Chen","ChenLong")
print(result)

执行输出

_sre.SRE_Match object; span=(0, 4), match='Chen'

结果是一个匹配对象，请注意结尾的match='Chen' 表示匹配出了Chen


如果没有匹配上，结果为None




打印匹配结果，使用group()方法查看

print(result.group())

执行输出 Chen

注意：如果没有匹配上,使用group()会报错。





上面的正则匹配规写死了，比如^Chen 这种需求，用in方法就可以实现了。

下面说一个简单的例子

匹配以Chen开头的以及后面的数字

import re
result = re.match("^Chen\d","Chen356Long")
print(result.group())

执行输出

Chen3




注意:

\d 表示匹配一个数字

如果想要匹配多个数字，使用\d+

import re
result = re.match("^Chen\d+","Chen356Long")
print(result.group())

执行输出

Chen356




匹配任意字符.+


res = re.match(".+","Chen321Long123")
print(res.group())

执行输出

Chen321Long123




匹配单个字符.

res = re.match(".","Chen321Long123")
print(res.group())

执行输出: C




匹配Long

res = re.match("^L.+g","Chen321Long123")
print(res)

执行输出： None

为什么呢?因为match是从左至右匹配，由于Long在字符串的中间，写任何正则都无法匹配出Long。

需要用到另外一个方法search，表示从整个文本中去搜索。结果只会返回一次，如果有多个结果，会返回第一个结果。

res = re.search("L.+g","Chen321Long123")
print(res.group())

执行输出： Long




如果使用L.+g$ 是匹配不到Long的，为什么呢？

$表示匹配整个字符串的结尾，而结尾是3。由于123不是我想要的，所以不能写g$





由于.+是匹配任意字符，如果只想匹配字母呢？使用[a-z]

res = re.search("L[a-z]+g","Chen321Long123")

匹配所有字母大小写呢？使用[a-zA-Z]

res = re.search("L[a-zA-Z]+g","Chen321Long123")




匹配jack


res = re.search("[a-z]+k","123#tom#jack#rose")
print(res)

执行输出:

_sre.SRE_Match object; span=(8, 12), match='jack'




'?' 匹配前一个字符1次或0次

匹配字母a


res = re.search("a?","alin")
print(res)

执行输出:

_sre.SRE_Match object; span=(0, 1), match='a'




匹配字母a

res = re.search("a?","lina")
print(res)

执行输出:

_sre.SRE_Match object; span=(0, 0), match=''

结果显示没有匹配上，请注意，？ 可以匹配0次，也就是不匹配的情况。所以它的结果不是None




'?' 匹配前一个字符1次或0次




匹配aa或者aaa

res = re.search("aaa?","aalinaaa")
print(res)

执行输出：

_sre.SRE_Match object; span=(0, 2), match='aa'




请注意aaa? 需要拆分一下aa和aaa? 为什么呢？ '?'是匹配0次或者1次数

aaa？匹配0次就是aa,匹配1次,就是aaa?




'{m}' 匹配前一个字符m次

匹配3个数字

res = re.search("[0-9]{3}","aa1x2a345aa")
print(res)

执行输出：

_sre.SRE_Match object; span=(6, 9), match='345'




匹配1到3次

res = re.search("[0-9]{1,3}","aa1x2a345aa")
print(res)

执行输出：

_sre.SRE_Match object; span=(2, 3), match='1'




匹配所有数字

res = re.search("[0-9]+","aa1x2a345aa")
print(res)

执行输出：

_sre.SRE_Match object; span=(2, 3), match='1'




为什么只有一个1呢？因为search只会返回一个结果，后续的不再返回。这个时候，需要用到findall方法

注意：findall没有group()方法

res = re.findall("[0-9]+","aa1x2a345aa")
print(res)

执行输出：

['1', '2', '345']




所有的数字，都匹配出来了。




只匹配第3次的结果

res = re.findall("[0-9]{3}","aa1x2a345aa")
print(res)

执行输出：

['345']




'|' 匹配|左或|右的字符




匹配abc或者ABC


res = re.findall("abc|ABC","ABCBabcCD")
print(res)

执行输出：

['ABC', 'abc']




'(...)'分组匹配




匹配abc,在匹配c 2次

res = re.search("abc{2}","xiabccc")
print(res)

执行输出：

_sre.SRE_Match object; span=(2, 6), match='abcc'




复杂的例子

匹配abc 2次，匹配||= 2次。注意：\| 转义了，表示|

res = re.search("(abc){2}(\|\|=){2}","abcabc||=||=")
print(res)

执行输出：

_sre.SRE_Match object; span=(0, 12), match='abcabc||=||='




'\A'只从字符开头匹配

'\Z'匹配字符结尾，同$




'\A' 效果和'^' 是一样的。




匹配以数字开头，字母结尾

res = re.search("\A[0-9]+[a-z]\Z","123a")
print(res)

执行输出：

_sre.SRE_Match object; span=(0, 4), match='123a'




'\d' 匹配数字

res = re.search("\A\d+[a-z]\Z","123a")
print(res)

执行输出：

_sre.SRE_Match object; span=(0, 4), match='123a'




'\D' 匹配非数字

匹配非数字

res = re.search("\D+","123a$ -\n")
print(res)

执行输出：

_sre.SRE_Match object; span=(3, 8), match='a$ -\n'




'\w'匹配[A-Za-z0-9]

res = re.search("\w+","1dF23$- \r\na")
print(res)

执行输出：

_sre.SRE_Match object; span=(0, 5), match='1dF23'




'\W'匹配非[A-Za-z0-9]

res = re.search("\W+","1dF23$- \r\na")
print(res)

执行输出：

_sre.SRE_Match object; span=(5, 10), match='$- \r\n'




's'匹配空白字符、\t、\n、\r

res = re.search("\s+","1dF23$- \r\na")
print(res)

执行输出：

_sre.SRE_Match object; span=(7, 10), match=' \r\n'




'(?P<name>...)' 分组匹配 




组名为id,匹配数字

res = re.search("(?P<id>[0-9]+)","abcd1234daf@34")
#使用groupdict()方法打印组名
print(res.groupdict())

执行输出：

{'id': '1234'}




再添加一个分组name，匹配字母大小写

res = re.search("(?P<id>[0-9]+)(?P<name>[a-zA-Z]+)","abcd1234daf@34")
print(res.groupdict())

执行输出：

{'name': 'daf', 'id': '1234'}

返回的结果是一个字典，如果想取值的话，使用如下方法：

res = re.search("(?P<id>[0-9]+)(?P<name>[a-zA-Z]+)","abcd1234daf@34")
print(res.groupdict())
#第一种方法，直接传值
print(res.group("id"))
#第二种方法，用字典的方式
print(res.groupdict()['name'])

执行输出：

{'id': '1234', 'name': 'daf'}

1234

daf




举个复杂的例子

身份证号，前2位是省，再后面2位是市，再后面2位是区，再后面8位是出生日期

res = re.search("(?P<province>[0-9]{2})(?P<city>[0-9]{2})(?P<area>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city")
print(res)

执行输出：

{'birthday': '1993', 'city': '14', 'province': '37', 'area': '81'}




re.split 以匹配到的字符当做列表分隔符




res = re.split("[0-9]","abc12de3f45GH")
print(res)

执行输出:

['abc', 'de', 'f', 'GH']




re.sub   匹配字符并替换

res = re.sub("[0-9]+","|","abc12de3f45GH")
print(res)

执行输出:

abc|de|f|GH




只替换一个

res = re.sub("[0-9]+","|","abc12de3f45GH",count=1)
print(res)

执行输出：


abc|de3f45GH




仅需轻轻知道的几个匹配模式

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上面）
S(DOTALL): 点任意匹配模式，改变'.'的行为




忽略大小写

res = re.search("[a-z]+","abcA",flags=re.I)
print(res)

执行输出：


_sre.SRE_Match object; span=(0, 4), match='abcA'




res = re.search(r"^a","\nabc\neee",flags=re.M)
print(res)

执行输出：

_sre.SRE_Match object; span=(1, 2), match='a'




匹配任意字符


res = re.search(r".+","\nabc\neee",flags=re.S)
print(res)

执行输出：

_sre.SRE_Match object; span=(0, 8), match='\nabc\neee'

关键字：