Python中正则表达式（re模块）的使用
Posted
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中正则表达式（re模块）的使用相关的知识，希望对你有一定的参考价值。
Python中正则表达式（re模块）的使用
1、正则表达式的概述
（1）概述：正则表达式是一些由字符和特殊符号组成的字符串，他们描述了模式的重复或者表示多个字符，正则表达式能按照某种模式匹配一系列有相似特征的字符串。正则表达式是一种小型的、高度的专业化的编程语言，
（2）Python语言中的正则表达式内嵌在Python中通过re模块实现，正则表达式被编译成一系列的字节码，然后由C编写的匹配引擎执行
2、字符匹配
（1）符号匹配
符号 | 描述 | 示例 | 实例说明 |
literal | 匹配文本字符串的字面值literal | root | 匹配字符串root |
re1|re2 | 匹配正则表达式re1或者re2 | root|admin | 匹配字符串root或者admin |
. | 匹配除换行外的任意字符 | a.c | 匹配ac中间有任意一个字符的选项 |
^ | 匹配字符串的起始部分 | ^root | 匹配以root开头的结果 |
$ | 匹配字符串的结束部分 | *sh$ | 匹配以sh结尾的内容 |
* | 匹配0次或多次前面出现的内容的正则表达式 | [a-z]* | 匹配0次或多次出现小写字母 |
+ | 匹配1次或多次前面出现的内容的正则表达式 | [A-Z]+ | 匹配大写字母至少出现一次 |
？ | 匹配0次或1次前面出现的正则表达式 | goo? | 匹配go或者goo |
[…] | 匹配来自字符集的任一单一字符 | a[0-9]c | 匹配ac中间出现一个数字 |
[..x-y..] | 匹配x到y范围中的任一单一字符 | [a-zA-Z] | 匹配字母 |
[^…] | 不匹配此字符集中出现的任何一个字符，包括某一范围字符 | [^A-Za-z0-9] | 匹配非字母、数字 |
{n} | 匹配n次前面出现的正则表达式 | [0-9]{3} | 匹配三个数字 |
{n，m} | 匹配n到m此前面出现的正则表表达式 | [0-9]{5,7} | 匹配数字出现5到7次 |
（…） | 匹配封闭的正则表达式，然后另存为子组 | （[0-9]{3}\.） | 匹配三个数字+.存为一个组 |
（2）特殊字符的匹配
符号 | 描述 | 示例 |
\d | 匹配任何十进制数字，与[0-9]一致 | data\d+.txt |
\D | 匹配任何非数字 | a\D?\.log |
\w | 匹配任何字母数字字符（\W与之相反） | [A-Za-z]\w+ |
\s | 匹配任何空格字符，与[\n\t\r\v\f]相同，\S功能相反 | of\sthe |
\b | 匹配任何单词边界（\B功能相反） | \bthe\b |
\N | 匹配以保存的子组N | price：\16 |
\A（\Z） | 匹配字符串的起始（结束） | \ADear |
3、python正则表达式的使用（即re模块的使用）
函数/方法 | 作用 |
compile（pattern,flags=0） | 使用任何可选的标记来编译正则表达式的模式，然后返回一个正则表达式对象 |
re模块函数和正则表达式对象的方法 | |
match(pattern,string,flags=0) | 尝试使用带有可选的标记的正则表达式的模式来匹配字符串，如果匹配成功就返回匹配对象；失败，返回none |
search(pattern,string,flags=0) | 使用可选标记搜索字符串中第一次出现正则表达式的模式，如果匹配成功则返回匹配对象，失败，返回none |
findall(pattern,string[,flags]) | 查找字符串中所有（非重复）出现的正则表达式模式，如果匹配成功，则返回匹配对象，如果失败，返回none |
finditer(patter，string[,flags]) | 与findall函数相同，但返回的不是一个列表，而是一个迭代器，对于每一次匹配，迭代器都返回一个匹配对象 |
split(pattern,string,max=0) | 根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的列表，分割最多操作max次（默认分割所有） |
sub(pattern,repl,string,count=0) | 使用repl替换所有正则表达式的模式在字符串中出现的位置，除非定义count,否则，就替换所有出现的位置 |
purge() | 清楚隐式编译的正则表达式 |
group(num=0) | 返回整个匹配对象，或者编号为num的特定子组 |
groups(default=None) | 返回一个包括所有子组的元组，（如果没有匹配成功，则返回一个空元组） |
groupdict(default=None) | 返回一个包含所有匹配的的命名子组的字典，所有的子组名称作为字典的键（如果没有匹配，则返回空字典） |
（1）compile()函数
1）re.compile(strPattern[,flag])方法概述：
这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式取值可以使用按位或运算符，‘|’表示同时生效，比如re.I|re.M
2）作用：可以把经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。如：
import re text = "Jgood is a handsome boy,he is cool,clever, and so on..." regex = re.compile(r‘\w*oo\w*‘) #将正则表达式编译成对象 print(regex.findall(text))
（2）通过match（）方法匹配字符串
1）作用：从起始位置(开头)开始匹配，匹配成功返回一个对象，未匹配成功返回None
2）语法：match(pattern, string, flags=0)
pattern： 正则模型
string： 要匹配的字符串
falgs ： 匹配模式
3）matchobect对象的方法
group()：返回被RE匹配的的字符串
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
group(n,m) ：返回组号为n,m所匹配的字符串，如果组号不存在，则返回组号匹配的字符串
groups()：返回一个包括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，元组中元素是正 则表达式中定义的组
import re
origin = "has dfuojqwlm098"
# r = re.match("h\w+", origin)
# r = re.match("h(\w+)", origin) #在匹配到的数据中再通过\w+去匹配
r = re.match("h(?P<name>\w+)", origin) #给分组名名
print(r.group()) # 获取匹配到的所有结果
print(r.groups()) # 获取模型中匹配到的分组结果
print(r.groupdict()) # 获取模型中匹配到的分组结果（3）使用search（）在一个字符串中查找匹配
1）作用：search（）会用它的字符串参数，在任意位置对给定正则表达式模式搜索第一次出现的匹配情况。如果搜索到成功的匹配，就会返回一个匹配对象；否则，返回None.
2)用法：同match()
importre
m =re.match(‘foo‘,‘seafood‘)
if m isnot None:
print(m.group()) #使用match匹配不到，所以没有打印
m =re.search(‘foo‘,‘seafood‘)
if m isnot None:
print(m.group()) #使用search匹配到了foo
origin = "has dayi haha hal dfuojdayi098"
r = re.search("d(\w+).*(?P<name>\d)$", origin)
print(r.group()) # 获取匹配到的所有结果
print(r.groups()) # 获取模型中匹配到的分组结果
print(r.groupdict()) # 获取模型中匹配到的分组中所有执行了key的组（4）重复、特殊字符及分组匹配
正则表达式中最常见的情况包括特殊字符的使用，正则表达式模式的重复出现，以及使用圆括号对匹配模式的各部分进行分组和提取操作。
import re #一个分组多次匹配 # patt = ‘\[email protected](\w+\.)?\w+\.com‘ #创建一个匹配规则，要求括号中的内容出现0次或一次 # print(re.match(patt, ‘[email protected] is mail‘).group()) patt = ‘\[email protected](\w+\.)*\w+\.com‘ #创建一个匹配规则，匹配括号中的内容出现0次或多次 print(re.match(patt,‘[email protected] is mail‘).group()) #多个分组分别匹配 m = re.match(‘(\w\w\w)-(\d\d\d)‘, ‘abc-123‘) print(m.group(1)) #打印分组以中的内容 print(m.group(2)) #打印分组2中的内容 print(m.group()) #打印分组中的所有内容 #分组嵌套匹配 n = re.match(‘(a(b))‘, ‘abcdefgh‘) print(n.group(1)) #打印匹配到的分组1,即‘(a(b))‘ print(n.group(2)) #打印匹配到的分组2即‘（b）‘ print(n.groups()) #打印匹配到的所有分组，即‘(ab)‘,‘(b)‘
（5）匹配字符串的起始结尾及单词边界
import re #开头匹配 print(re.search(‘^dayi123‘, ‘dayi123 is nb‘).group()) # print(re.search(‘^dayi‘, ‘her is dayi‘).group()) #边界匹配 print(re.search(r‘\bhello‘, ‘hello world‘).group())#print(re.search(r‘\Bhello‘,‘worldhellower‘).group()) #有边界匹配时会报错 print(re.search(r‘\Bhello‘, ‘worldhellower‘).group())
（6）使用findall和finditer()查找每一次出现的位置
findall()查询字符串中某个正则表达式模式全部的非重复出现的情况，findall返回的是一个列表，如果没有匹配到则返回一个空列表，如果匹配成功，列表包含所有成功的匹配部分（从左向有按顺序排列）
import re
origin = "has haha hal dfuojqwlm098"
print(re.findall("h\w+", origin)) #找到字符串中所有的匹配到的内容
print(re.findall("h(\w+)", origin)) #打印匹配到的列表
r = re.findall("h(\w+)a(bc)c", origin) #因为匹配不到所有打印一个空列表
print(r)finditer()函数与findall函数类似，但finditer（）返回的是一个可迭代的对象。
import re s = ‘This and that‘ print(re.findall(r‘(Th\w+) and (th\w+)‘, s, re.I)) print(re.finditer(r‘(Th\w+) and (th\w+)‘, s, re.I).__next__().groups()) #调用返回值 print(re.finditer(r‘(Th\w+) and (th\w+)‘, s, re.I).__next__().group(1)) it = re.finditer(r‘(Th\w+)‘, s, re.I) #生成一个生成器对象 g = it.__next__() #调用 print(g.groups()) #打印出This,以元组的形式 print(g.group(1)) g = it.__next__() #再次调用 print(g.groups()) #打印出that #将匹配到的内容生产一个列表，列表中包含两个元组 print([g.groups(1) for g in re.finditer(r‘(Th\w+)‘, s, re.I)])
（7）使用sub()和subn()搜索替换
sub()只替换搜索到的内容，subn()不但替换搜索到的内容，并返回替换的次数。
import re
print(re.sub("g.t","have",‘I get A, I got B,I gut C‘)) #对匹配到的单词替换
print(re.subn("g.t","have",‘I get A, I got B,I gut C‘)) #对匹配到的单词替换，并返回替换次数
print(re.sub(‘[bd]‘,‘Y‘,‘abcdef‘))
print(re.subn(‘[bd]‘,‘Y‘,‘abcdef‘)) #对字符串替换，并打印替换的字符串的的次数分组和替换的综合应用（替换日期的表示方法）：
import re
import time,datetime
day1 = str(datetime.date.today())
print(day1)
#将月/日/年的时间格式转化成“日/月/年”，将r加在左引号之前，主要目的是为了避免转义特殊字符串字符
print(re.sub(r‘(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})‘, r‘\2/\1/\3‘, ‘05/06/2017‘))
print(re.sub(r"(\d{2}|\d{4})-(\d{1,2})-(\d{1,2})", r"\3/\2/\1", day1))（8）使用split分割字符串
import re print(re.split(‘\d+‘,‘one1two2three3,for4‘)) #以匹配到的数字对字符串以“,”进行分割
4、正则表达式的应用
（1）对Linux系统who命令输出内容进行处理
将Linux系统who命令输出结果保存到whodata.txt中：
[[email protected] ~]# cat whodata.txt
liu2 :0 2017-04-17 22:10 (:0)
liu2 pts/0 2017-04-17 22:11 (:0)
root pts/1 2017-05-05 03:51(172.16.252.112)
root pts/2 2017-05-05 03:51(172.16.252.112)
root pts/3 2017-05-05 03:52 (172.16.252.112)
对who命令输出的内容进行处理：
import re f = open(‘whodata.txt‘,‘r‘) for line in f: #对匹配到的行的内容以逗号分隔，将每一行的内容分别存到一个列表中 print(re.split(r‘\s\s+‘,line.rstrip())) f.close()
使用findall()函数处理win下tasklist命令：
import os import re f = os.popen(‘tasklist /nh‘, ‘r‘) for line in f: print(re.findall(r‘([\w.]+(?:[\w]+)*)\s\s+(\d+) \w+\s\s+\d+\s\s+([\d,]+ K)‘, line.rstrip())) #读取每一行中自己需要的数据 f.close()
（2）生成用于正则表达式练习的数据
#!/usr/bin/env python from random import randrange,choice from stringimport ascii_letters as lc from sys import maxsize from time import ctime tlds = (‘com‘,‘deu‘,‘net‘,‘org‘,‘gov‘) for i in range(randrange(5,11)): dtint = randrange(maxsize) #生成一个随机数字组 #在属组中取一个6到十位的随机数作为时间戳生成一个日期 dtstr = ctime(int(str(dtint)[0:randrange(6,10)])) llen = randrange(4,8) #生成一个4-8的随机数字 login = ‘‘.join(choice(lc) for j in range(llen)) #生成邮箱@符号前的字符 dlen = randrange(llen,13) dom = ‘‘.join(choice(lc) for j in range(dlen)) #生成@后的字符，长度有dlen来决定 #choice(tlds)为在tlds总随机选择一个域名后缀 print(‘%s::%[email protected]%s.%s::%d-%d-%d‘ % (dtstr,login,dom,choice(tlds),dtint,llen,dlen))
将上面生成的数据保存到一个文件中用于后面练习：
#!/usr/bin/env python import re with open(‘gendata.txt‘,‘r‘) as f: for line in f: patt = ‘.+(\d+-\d+-\d+)‘ #为贪婪匹配，匹配前面为任意字符，后面组中为如“5-7-10”的数据 print(re.match(patt, line).group(1)) ‘‘‘"?"要求正则表达式引擎匹配尽可能少的字符，在"+","*","？"后使用可达到预期效果‘‘‘ patt1= ‘.+?(\d+-\d+-\d+)‘ #通过"?",匹配到了符合分组中的所有字符串 print(re.match(patt1, line).group(1))
本文出自 “dayi123” 博客，请务必保留此出处http://dayi123.blog.51cto.com/12064061/1922559
以上是关于Python中正则表达式（re模块）的使用的主要内容，如果未能解决你的问题，请参考以下文章