python 中 正则表达式（Regular Expressions）学习

Posted 2020-07-16

刚接触了python中的re模块，由于之前没有对正则表达式进行系统性的学习，学起来很费劲，因此写下这篇博客进行积累和巩固，以备后用。

正则表达式的应用是非常广泛的，不论是在linux中还是在编程中，我们总会遇到正则表达式，借着学习python的机会，也稍微系统的学习一下正则表达式。

自己看了下正则表达式的帮助文档，也在Internet上看了一些相关的资料，网上的资料对这个介绍的还是很多的。

以下为自己的学习经历：

‘*‘  这个符号在通配符中是最经常使用的，我们常常用它来匹配任意的字符，在RE中也是如此，‘*‘表示的是：匹配0个或者多个字符。

print(re.match(r‘ab*‘, ‘abb‘).group())

以上例子中，*表示匹配多个b结尾的字符。

‘.‘  这个符号是dot，点字符，表示的是：匹配任意的字符。

当：

print(re.match(r‘.*‘, ‘abc\ndef‘).group())

表示匹配一行，添加函数 re.DOTALL时，匹配的是整个字符串，多行。

print(re.match(r‘.*‘, ‘abc\ndef‘, re.DOTALL).group())

‘+‘  表示的是：匹配一个或者多个字符，说明

print(re.match(r‘ab+‘, ‘abbbb‘))

匹配的是一个或者多个b字符。

‘?‘  表示：匹配的是0个或者一个字符，说明

print(re.match(r‘ab?‘, ‘abbb‘))

同样会匹配上，因为abbb中包含ab，a

‘^‘  这个符号是caret，脱字符，表示的是：匹配一行的首字符。

说明：当

print(re.findall(r‘^abc‘, ‘abc\nabc‘,))

匹配的是\n前面的字符串，只返回一个abc，但是如下情况的话：

print(re.findall(r‘^abc‘, ‘abc\nabc‘, re.MULTILINE))

匹配两个abc字符串，re.MULTILINE函数，顾名思义，我们在匹配时将对多行进行匹配，所以匹配了两个abc字符。

‘$‘  这个符号是表示：匹配一行的尾字符。

说明：

print(re.findall(r‘abc\d$‘, ‘abc1\nabc3‘, re.MULTILINE))

当出现re.MULTILINE时，表示匹配多行。

‘\‘  转义字符，这个在其他语言和环境中是经常应用的，如果添加转义的话，才不会产生歧义。

‘[]‘ 匹配集合符号，表示匹配[]中的字符，说明：

print(re.search(r‘0[xX]([0-9a-fA-F]{6})‘, ‘the hex value is 0x2378ad‘))

这个语句表示匹配十六进制的数。

‘{m}‘  表示的是：匹配{}中的m个字符，说明：

print(re.match(r‘ab{3,5}‘, ‘abbbbb‘).group())

表示的是：匹配3-5个b在字符串中，但是python默认会匹配5个，匹配大的个数。（贪婪模式）

说明 re.match() 和 re.search()的区别

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
import re
print(re.match(‘www‘, ‘www.runoob.com‘).span())  # 在起始位置匹配
print(re.match(‘com‘, ‘www.runoob.com‘))      # 不在起始位置匹配

返回结果：

(0, 3)
None

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
import re
print(re.search(‘www‘, ‘www.runoob.com‘).span())  # 在起始位置匹配
print(re.search(‘com‘, ‘www.runoob.com‘).span())  # 不在起始位置匹配

返回结果：

(0, 3)
(11, 14)

比较之下可以看出，两者的区别在于，是否在开始进行匹配，match为从起始位置进行匹配，而search则是不从开始匹配，（其实理解两者英文意思也可明白，一个是匹配，一个是搜索）

关于特殊的转义的说明：

\A

匹配字符串的开始。

 

\b

匹配空字符串（匹配位置比较容易理解），但只在单词的开头或结尾。（也作为分割字符串）一个单词是由字母数字或下划线字符组成，因此一个单词的边界是空白或者非字母 数字、不包括下划线。请注意，\b是指\w和\W之间的边界，因此确切的字符集定义取决于UNICODE和LOCALE编译标志的值。在字符范围内，\b 表示退格符，与python的字符串兼容。

 

\B

匹配空字符串（匹配位置比较容易理解），但当它不在单词的开始或结尾。这是和\b相反的，也受到LOCALE和UNICODE的设置影响。

 

\d

当UNICODE标志没有指定，匹配任何10进制数字，相当于[0-9]。带UNICODE标志时，它会匹配任何在unicode字符集中属于数字分类的字符。

 

\D

当UNICODE标志没有指定，匹配任何非数字字符，相当于[^0-9]。带UNICODE标志时，它会匹配任何不在unicode字符集中属于数字分类的字符。

 

\s

当LOCALE和UNICODE标志没有指定时，匹配任何空白字符，这相当于[ \t\n\r\f\v]。带LOCALE标志时，它将匹配当前环境定义的空白符。如果带UNICODE标志，那么将匹配任何被划分为空白符的符号。

 

\S

当LOCALE和UNICODE标志没有指定时，匹配任何非空白字符，这相当于[^\t\n\r\f\v]。带LOCALE标志时，它将匹配当前环境定义的非空白符。如果带UNICODE标志，那么将匹配任何不被划分为空白符的符号。

 

\w

当LOCALE和UNICODE标志没有指定时，匹配任何字母数字字符、下划线，这相当于[a-zA-Z0-9_]。带LOCALE标志时，它 将匹配当前环境定义的字母和[0-9_]。带UINCODE标志时，将匹配在unicode字符集里划分为字母的字符和[0-9_]。

 

\W

当LOCALE和UNICODE标志没有指定时，匹配任何非字母数字字符、下划线，这相当于[^a-zA-Z0-9_]。带LOCALE标志 时，它将匹配除了当前环境定义的字母、[0-9_]。带UINCODE标志时，将匹配除了在unicode字符集里划分为字母的字符、[0-9_]。

 

\Z

匹配字符串的结束。

以上规则比较好记忆，因为都是两两相对应的。

本文出自 “9651854” 博客，请务必保留此出处http://9661854.blog.51cto.com/9651854/1784290