强烈推荐！Python 这个宝藏库 re 正则匹配

Posted 2023-04-23

参考技术A

Python 的 re 模块（Regular Expression 正则表达式）提供各种正则表达式的匹配操作。

在文本解析、复杂字符串分析和信息提取时是一个非常有用的工具 ，下面总结了 re 模块的常用方法。

d 匹配所有的十进制数字 0-9

D 匹配所有的非数字，包含下划线

s 匹配所有空白字符（空格、TAB等）

S 匹配所有非空白字符，包含下划线

w 匹配所有字母、汉字、数字 a-z A-Z 0-9

W 匹配所有非字母、汉字、数字，包含下划线

备注：符号.* 贪婪，符号.*? 非贪婪

[abc]：能匹配其中的单个字符

[a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）

[2-9] [1-3]：能够做组合匹配

4. ：用于标记前面的字符出现的频率，有如下情况：

n，m：代表前面字符最少出现n次，最多出现m次

n，：代表前面字符最少出现n次，最多不受限制

，m：代表前面字符最多出现n次，最少不受限制

n：前面的字符必须出现n次

字符串中有反斜杠的，需要对反斜杠做转义

()：分组字符，可以为匹配到的内容分组，快速获取到分组中的数据 在正则里面 "()" 代表的是分组的意思，一个括号代表一个分组，你只能匹配到 "()" 中的内容。

group：用于查看指定分组匹配到的内容

groups：返回一个元组，组内为所有匹配到的内容

groupdict：返回一个字典，包含分组的键值对，需要为分组命名

作用：可以将字符串匹配正则表达式的部分割开并返回一个列表

flags定义包括：

re.I：忽略大小写

re.L：表示特殊字符集 w, W, b, B, s, S 依赖于当前环境

re.M：多行模式

re.S：’.’并且包括换行符在内的任意字符（注意：’.’不包括换行符）

re.U：表示特殊字符集 w, W, b, B, d, D, s, S 依赖于 Unicode 字符属性数据库

在 Python 中使用正则表达式之前，先使用以下命令导入 re 模块

例如：

‘(d)(a)1’ 表示：匹配第一是数字，第二是字符a，第三 1 必须匹配第一个一样的数字重复一次，也就是被引用一次。

如 “9a9” 被匹配，但 “9a8” 不会被匹配，因为第三位的 1 必须是 9 才可以。

‘(d)(a)2’ 表示：匹配第一个是一个数字，第二个是a，第三个 2 必须是第二组（）中匹配一样的。

如 “8aa” 被匹配，但 “8ab”，“7a7” 不会被匹配，第三位必须是第二组字符的复制版，也是就引用第二组正则的匹配内容。

python__标准库 : 正则表达式(re)

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.search 扫描整个字符串并返回第一个成功的匹配。

替换:

re.sub(pattern, repl, string, count=0, flags=0)

参数：

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。(可以把每次匹配出来的结果传给函数,这个结果是个对象,有gruop()方法)
• string : 要被查找替换的原始字符串。
• 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.compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

findall

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

re.finditer

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

re.split

split 方法按照能够匹配的子串将字符串分割后返回列表

 

 

所有方法后面基本都有一个 flags 参数    如 flags=re.S :

正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

 

模式	描述
^	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：[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个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-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。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\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。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b‘ 可以匹配"never" 中的 ‘er‘，但不能匹配 "verb" 中的 ‘er‘。
\B	匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘，但不能匹配 "never" 中的 ‘er‘。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

---

---

正则表达式实例

　　字符匹配

实例	描述
python	匹配 "python".

 

　　　字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

 

　　特殊字符类

实例	描述
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 ‘\n‘ 在内的任何字符，请使用象 ‘[.\n]‘ 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于‘[A-Za-z0-9_]‘。
\W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。

　　　　　　　　　　　　注意, \w 可以匹配中文,因为他默认支持 Unicode 字符集.