python正则表达
Posted 赵伟航
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python正则表达相关的知识，希望对你有一定的参考价值。
十三 re模块
一：什么是正则？
正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。
生活中处处都是正则：
比如我们描述：4条腿
你可能会想到的是四条腿的动物或者桌子，椅子等
继续描述：4条腿，活的
就只剩下四条腿的动物这一类了
二：常用匹配模式(元字符)
http://blog.csdn.net/yufenghyc/article/details/51078107
# =================================匹配模式=================================
#一对一的匹配
# \'hello\'.replace(old,new)
# \'hello\'.find(\'pattern\')
#正则匹配
import re
#\\w与\\W
print(re.findall(\'\\w\',\'hello egon 123\')) #[\'h\', \'e\', \'l\', \'l\', \'o\', \'e\', \'g\', \'o\', \'n\', \'1\', \'2\', \'3\']
print(re.findall(\'\\W\',\'hello egon 123\')) #[\' \', \' \']
#\\s与\\S
print(re.findall(\'\\s\',\'hello egon 123\')) #[\' \', \' \', \' \', \' \']
print(re.findall(\'\\S\',\'hello egon 123\')) #[\'h\', \'e\', \'l\', \'l\', \'o\', \'e\', \'g\', \'o\', \'n\', \'1\', \'2\', \'3\']
#\\n \\t都是空,都可以被\\s匹配
print(re.findall(\'\\s\',\'hello \\n egon \\t 123\')) #[\' \', \'\\n\', \' \', \' \', \'\\t\', \' \']
#\\n与\\t
print(re.findall(r\'\\n\',\'hello egon \\n123\')) #[\'\\n\']
print(re.findall(r\'\\t\',\'hello egon\\t123\')) #[\'\\n\']
#\\d与\\D
print(re.findall(\'\\d\',\'hello egon 123\')) #[\'1\', \'2\', \'3\']
print(re.findall(\'\\D\',\'hello egon 123\')) #[\'h\', \'e\', \'l\', \'l\', \'o\', \' \', \'e\', \'g\', \'o\', \'n\', \' \']
#\\A与\\Z
print(re.findall(\'\\Ahe\',\'hello egon 123\')) #[\'he\'],\\A==>^
print(re.findall(\'123\\Z\',\'hello egon 123\')) #[\'he\'],\\Z==>$
#^与$
print(re.findall(\'^h\',\'hello egon 123\')) #[\'h\']
print(re.findall(\'3$\',\'hello egon 123\')) #[\'3\']
# 重复匹配：| . | * | ? | .* | .*? | + | {n,m} |
#.
print(re.findall(\'a.b\',\'a1b\')) #[\'a1b\']
print(re.findall(\'a.b\',\'a1b a*b a b aaab\')) #[\'a1b\', \'a*b\', \'a b\', \'aab\']
print(re.findall(\'a.b\',\'a\\nb\')) #[]
print(re.findall(\'a.b\',\'a\\nb\',re.S)) #[\'a\\nb\']
print(re.findall(\'a.b\',\'a\\nb\',re.DOTALL)) #[\'a\\nb\']同上一条意思一样
#*
print(re.findall(\'ab*\',\'bbbbbbb\')) #[]
print(re.findall(\'ab*\',\'a\')) #[\'a\']
print(re.findall(\'ab*\',\'abbbb\')) #[\'abbbb\']
#?
print(re.findall(\'ab?\',\'a\')) #[\'a\']
print(re.findall(\'ab?\',\'abbb\')) #[\'ab\']
#匹配所有包含小数在内的数字
print(re.findall(\'\\d+\\.?\\d*\',"asdfasdf123as1.13dfa12adsf1asdf3")) #[\'123\', \'1.13\', \'12\', \'1\', \'3\']
#.*默认为贪婪匹配
print(re.findall(\'a.*b\',\'a1b22222222b\')) #[\'a1b22222222b\']
#.*?为非贪婪匹配：推荐使用
print(re.findall(\'a.*?b\',\'a1b22222222b\')) #[\'a1b\']
#+
print(re.findall(\'ab+\',\'a\')) #[]
print(re.findall(\'ab+\',\'abbb\')) #[\'abbb\']
#{n,m}
print(re.findall(\'ab{2}\',\'abbb\')) #[\'abb\']
print(re.findall(\'ab{2,4}\',\'abbb\')) #[\'abb\']
print(re.findall(\'ab{1,}\',\'abbb\')) #\'ab{1,}\' ===> \'ab+\'
print(re.findall(\'ab{0,}\',\'abbb\')) #\'ab{0,}\' ===> \'ab*\'
#[]
print(re.findall(\'a[1*-]b\',\'a1b a*b a-b\')) #[]内的都为普通字符了，且如果-没有被转意的话，应该放到[]的开头或结尾
print(re.findall(\'a[^1*-]b\',\'a1b a*b a-b a=b\')) #[]内的^代表的意思是取反，所以结果为[\'a=b\']
print(re.findall(\'a[0-9]b\',\'a1b a*b a-b a=b\')) #[]内的^代表的意思是取反，所以结果为[\'a=b\']
print(re.findall(\'a[a-z]b\',\'a1b a*b a-b a=b aeb\')) #[]内的^代表的意思是取反，所以结果为[\'a=b\']
print(re.findall(\'a[a-zA-Z]b\',\'a1b a*b a-b a=b aeb aEb\')) #[]内的^代表的意思是取反，所以结果为[\'a=b\']
#\\# print(re.findall(\'a\\\\c\',\'a\\c\')) #对于正则来说a\\\\c确实可以匹配到a\\c,但是在python解释器读取a\\\\c时，会发生转义，然后交给re去执行，所以抛出异常
print(re.findall(r\'a\\\\c\',\'a\\c\')) #r代表告诉解释器使用rawstring，即原生字符串，把我们正则内的所有符号都当普通字符处理，不要转义
print(re.findall(\'a\\\\\\\\c\',\'a\\c\')) #同上面的意思一样，和上面的结果一样都是[\'a\\\\c\']
#():分组
print(re.findall(\'ab+\',\'ababab123\')) #[\'ab\', \'ab\', \'ab\']
print(re.findall(\'(ab)+123\',\'ababab123\')) #[\'ab\']，匹配到末尾的ab123中的ab
print(re.findall(\'(?:ab)+123\',\'ababab123\')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容
print(re.findall(\'href="(.*?)"\',\'<a href="http://www.baidu.com">点击</a>\'))#[\'http://www.baidu.com\']
print(re.findall(\'href="(?:.*?)"\',\'<a href="http://www.baidu.com">点击</a>\'))#[\'href="http://www.baidu.com"\']
#|
print(re.findall(\'compan(?:y|ies)\',\'Too many companies have gone bankrupt, and the next one is my company\'))
# ===========================re模块提供的方法介绍===========================
import re
#1
print(re.findall(\'e\',\'alex make love\') ) #[\'e\', \'e\', \'e\'],返回所有满足匹配条件的结果,放在列表里
#2
print(re.search(\'e\',\'alex make love\').group()) #e,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
#3
print(re.match(\'e\',\'alex make love\')) #None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match
#4
print(re.split(\'[ab]\',\'abcd\')) #[\'\', \'\', \'cd\']，先按\'a\'分割得到\'\'和\'bcd\',再对\'\'和\'bcd\'分别按\'b\'分割
#5
print(\'===>\',re.sub(\'a\',\'A\',\'alex make love\')) #===> Alex mAke love，不指定n，默认替换所有
print(\'===>\',re.sub(\'a\',\'A\',\'alex make love\',1)) #===> Alex make love
print(\'===>\',re.sub(\'a\',\'A\',\'alex make love\',2)) #===> Alex mAke love
print(\'===>\',re.sub(\'^(\\w+)(.*?\\s)(\\w+)(.*?\\s)(\\w+)(.*?)$\',r\'\\5\\2\\3\\4\\1\',\'alex make love\')) #===> love make alex
print(\'===>\',re.subn(\'a\',\'A\',\'alex make love\')) #===> (\'Alex mAke love\', 2),结果带有总共替换的个数
#6
obj=re.compile(\'\\d{2}\')
print(obj.search(\'abc123eeee\').group()) #12
print(obj.findall(\'abc123eeee\')) #[\'12\'],重用了obj
import re
print(re.findall("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>")) #[\'h1\']
print(re.search("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>").group()) #<h1>hello</h1>
print(re.search("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>").groupdict()) #<h1>hello</h1>
print(re.search(r"<(\\w+)>\\w+</(\\w+)>","<h1>hello</h1>").group())
print(re.search(r"<(\\w+)>\\w+</\\1>","<h1>hello</h1>").group())
import re print(re.findall(r\'-?\\d+\\.?\\d*\',"1-12*(60+(-40.35/5)-(-4*3))")) #找出所有数字[\'1\', \'-12\', \'60\', \'-40.35\', \'5\', \'-4\', \'3\'] #使用|，先匹配的先生效，|左边是匹配小数，而findall最终结果是查看分组，所有即使匹配成功小数也不会存入结果 #而不是小数时，就去匹配(-?\\d+)，匹配到的自然就是，非小数的数，在此处即整数 print(re.findall(r"-?\\d+\\.\\d*|(-?\\d+)","1-2*(60+(-40.35/5)-(-4*3))")) #找出所有整数[\'1\', \'-2\', \'60\', \'\', \'5\', \'-4\', \'3\']
#计算器作业参考：http://www.cnblogs.com/wupeiqi/articles/4949995.html expression=\'1-2*((60+2*(-3-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))\' content=re.search(\'\\(([\\-\\+\\*\\/]*\\d+\\.?\\d*)+\\)\',expression).group() #(-3-40.0/5)
#为何同样的表达式search与findall却有不同结果: print(re.search(\'\\(([\\+\\-\\*\\/]*\\d+\\.?\\d*)+\\)\',"1-12*(60+(-40.35/5)-(-4*3))").group()) #(-40.35/5) print(re.findall(\'\\(([\\+\\-\\*\\/]*\\d+\\.?\\d*)+\\)\',"1-12*(60+(-40.35/5)-(-4*3))")) #[\'/5\', \'*3\'] #看这个例子:(\\d)+相当于(\\d)(\\d)(\\d)(\\d)...,是一系列分组 print(re.search(\'(\\d)+\',\'123\').group()) #group的作用是将所有组拼接到一起显示出来 print(re.findall(\'(\\d)+\',\'123\')) #findall结果是组内的结果,且是最后一个组的结果
3、特殊分组用法：
|
(?P<name>)
|
分组，除了原有的编号外再指定一个额外的别名 | (?P<id>abc){2} |
abcabc
|
|
(?P=name)
|
引用别名为<name>的分组匹配到字符串 | (?P<id>\\d)abc(?P=id) |
1abc1
5abc5
|
|
\\<number>
|
引用编号为<number>的分组匹配到字符串 | (\\d)abc\\1 |
1abc1
5abc5
|
三、re模块中常用功能函数
1、compile()
编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）
格式：
re.compile(pattern,flags=0)
pattern: 编译时用的表达式字符串。
flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的flags有：
| 标志 |
含义
|
|
re.S(DOTALL)
|
使.匹配包括换行在内的所有字符 |
|
re.I（IGNORECASE）
|
使匹配对大小写不敏感
|
|
re.L（LOCALE）
|
做本地化识别（locale-aware)匹配，法语等
|
|
re.M(MULTILINE)
|
多行匹配，影响^和$
|
|
re.X(VERBOSE)
|
该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
|
|
re.U
|
根据Unicode字符集解析字符，这个标志影响\\w,\\W,\\b,\\B
|
import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r\'\\w*oo\\w*\') print(rr.findall(tt)) #查找所有包含\'oo\'的单词 执行结果如下： [\'good\', \'cool\']
2、match()
决定RE是否在字符串刚开始的位置匹配。//注：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符\'$\'
格式：
re.match(pattern, string, flags=0)
print(re.match(\'com\',\'comwww.runcomoob\').group()) print(re.match(\'com\',\'Comwww.runcomoob\',re.I).group()) 执行结果如下： com com
3、search()
格式：
re.search(pattern, string, flags=0)
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。
print(re.search(\'\\dcom\',\'www.4comrunoob.5com\').group()) 执行结果如下： 4com
*注：match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：
- group() 返回被 RE 匹配的字符串
- start() 返回匹配开始的位置
- end() 返回匹配结束的位置
- span() 返回一个元组包含匹配 (开始,结束) 的位置
- group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。
a. group（）返回re整体匹配的字符串，
b. group (n,m) 返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常
c.groups（）groups() 方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups()不需要参数，返回一个元组，元组中的元就是正则表达式中定义的组。
import re
a = "123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整体
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456
###group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。###
4、findall()
re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。
格式：
re.findall(pattern, string, flags=0)
p = re.compile(r\'\\d+\') print(p.findall(\'o1n2m3k4\')) 执行结果如下： [\'1\', \'2\', \'3\', \'4\']
import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r\'\\w*oo\\w*\') print(rr.findall(tt)) print(re.findall(r\'(\\w)*oo(\\w)\',tt))#()表示子表达式 执行结果如下： [\'good\', \'cool\'] [(\'g\', \'d\'), (\'c\', \'l\')]
5、finditer()
搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。找到 RE 匹配的所有子串，并把它们作为一个迭代器返回。
格式：
re.finditer(pattern, string, flags=0)
iter = re.finditer(r\'\\d+\',\'12 drumm44ers drumming, 11 ... 10 ...\')
for i in iter:
print(i)
print(i.group())
print(i.span())
执行结果如下：
<_sre.SRE_Match object; span=(0, 2), match=\'12\'>
12
(0, 2)
<_sre.SRE_Match object; span=(8, 10), match=\'44\'>
44
(8, 10)
<_sre.SRE_Match object; span=(24, 26), match=\'11\'>
11
(24, 26)
<_sre.SRE_Match object; span=(31, 33), match=\'10\'>
10
(31, 33)
6、split()
按照能够匹配的子串将string分割后返回列表。
可以使用re.split来分割字符串，如：re.split(r\'\\s+\', text)；将字符串按空格分割成一个单词列表。
格式：
re.split(pattern, string[, maxsplit])
maxsplit用于指定最大分割次数，不指定将全部分割。
print(re.split(\'\\d+\',\'one1two2three3four4five5\')) 执行结果如下： [\'one\', \'two\', \'three\', \'four\', \'five\', \'\']
7、sub()
使用re替换string中每一个匹配的子串后返回替换后的字符串。
格式：
re.sub(pattern, repl, string, count)
import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print(re.sub(r\'\\s+\', \'-\', text)) 执行结果如下： JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
其中第二个函数是替换后的字符串；本例中为\'-\'
第四个参数指替换个数。默认为0，表示每个匹配项都替换。
re.sub还允许使用函数对匹配项的替换进行复杂的处理。
如：re.sub(r\'\\s\', lambda m: \'[\' + m.group(0) + \']\', text, 0)；将字符串中的空格\' \'替换为\'[ ]\'。
import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print(re.sub(r\'\\s+\', lambda m:\'[\'+m.group(0)+\']\', text,0)) 执行结果如下： JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
8、subn()
返回替换次数
格式：
subn(pattern, repl, string, count=0, flags=0)
print(re.subn(\'[1-2]\',\'A\',\'123456abcdef\'))
print(re.sub("g.t","have",\'I get A, I got B ,I gut C\'))
print(re.subn("g.t","have",\'I get A, I got B ,I gut C\'))
执行结果如下：
(\'AA3456abcdef\', 2)
I have A, I have B ,I have C
(\'I have A, I have B ,I have C\', 3)
四、一些注意点
1、re.match与re.search与re.findall的区别：
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
a=re.search(\'[\\d]\',"abc33").group() print(a) p=re.match(\'[\\d]\',"abc33") print(p) b=re.findall(\'[\\d]\',"abc33") print(b) 执行结果： 3 None [\'3\', \'3\']
2、贪婪匹配与非贪婪匹配
*?,+?,??,{m,n}? 前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
a = re.findall(r"a(\\d+?)",\'a23b\') print(a) b = re.findall(r"a(\\d+)",\'a23b\') print(b) 执行结果： [\'2\'] [\'23\']
a = re.match(\'<(.*)>\',\'<H1>title<H1>\').group() print(a) b = re.match(\'<(.*?)>\',\'<H1>title<H1>\').group() print(b) 执行结果： <H1>title<H1> <H1>
a = re.findall(r"a(\\d+)b",\'a3333b\') print(a) b = re.findall(r"a(\\d+?)b",\'a3333b\') print(b) 执行结果如下： [\'3333\'] [\'3333\'] ####################### 这里需要注意的是如果前后均有限定条件的时候，就不存在什么贪婪模式了，非匹配模式失效。
3、用flags时遇到的小坑
print(re.split(\'a\',\'1A1a2A3\',re.I))#输出结果并未能区分大小写 这是因为re.split(pattern，string，maxsplit,flags)默认是四个参数，当我们传入的三个参数的时候，系统会默认re.I是第三个参数，所以就没起作用。如果想让这里的re.I起作用，写成flags=re.I即可。
五、正则的小实践
1、匹配电话号码
p = re.compile(r\'\\d{3}-\\d{6}\')
print(p.findall(\'010-628888\'))
2、匹配IP
re.search(r"(([01]?\\d?\\d|2[0-4]\\d|25[0-5])\\.){3}([01]?\\d?\\d|2[0-4]\\d|25[0-5]\\.)","192.168.1.1")
分类: python
以上是关于python正则表达的主要内容，如果未能解决你的问题，请参考以下文章