正则表达式简介

发表于 | 分类于 ，

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，使用这一内嵌于 Python 的语言工具，尽管不能满足所有复杂的匹配情况，但足够在绝大多数情况下能够有效地实现对复杂字符串的分析并提取出相关信息。

正则表达式语法

符号 意义 例子
. 表示任意字符，如果说指定了 DOTALL 的标识，就表示包括新行在内的所有字符。
^ 表示字符串开头。
$ 表示字符串结尾。 ‘ test ’ 可以匹配‘ test ’和‘ testtool ’，但‘ test$ ’只能匹配‘ test ’。
*, +, ? ‘*’表示后面可跟 0 个或多个字符，’+’表示后面可跟 1 个或多个字符，’?’表示后面可跟 0 个或1个字符 ‘ abc* ’可以匹配‘ abc ’ 或者‘ abcd ’或者‘ abcdefg ’等等。
*?, +?, ?? 在上面的结果中只去第一个
{m} 对于前一个字符重复 m 次 a{6} 匹配 6 个’a’
{m,n} 对于前一个字符重复 m 到 n 次 a{2,4} 匹配 2-4 个 a，a{2,} 匹配 2 个以上 a，a{,4} 匹配 4 个以下 a
{m,n}? 对于前一个字符重复 m 到 n 次，并且取尽可能少的情况 在字符串’aaaaaa’中，a{2,4} 会匹配 4 个 a，但 a{2,4}? 只匹配 2 个 a
\ 对特殊字符进行转义，或者是指定特殊序列
[] 表示一个字符集 [abc] 会匹配字符 a，b 或者 c，[a-z] 匹配所有小写字母，[a-zA-Z0-9] 匹配所有字母和数字，[^6] 表示除了 6 以外的任意字符
( … ) 匹配括号中的任意正则表达式
(?#…) 注释，忽略括号内的内容
(?= … ) 表达式’…’之前的字符串 在字符串’ pythonretest ’中 (?=test) 会匹配’ pythonre ’
(?!…) 后面不跟表达式’…’的字符串 如果’ pythonre ’后面不是字符串’ test ’，那么 (?!test) 会匹配’ pythonre ’
(?<= … ) 跟在表达式’…’后面的字符串符合括号之后的正则表达式 正则表达式’ (?<=abc)def ’会在’ abcdef ’中匹配’ def
(?<!…) 括号之后的正则表达式不跟在’…’的后面

正则表达式特殊序列

特殊表达式序列 意义
\A 只在字符串开头进行匹配。
\b 匹配位于开头或者结尾的空字符串
\B 匹配不位于开头或者结尾的空字符串
\d 匹配任意十进制数，相当于 [0-9]
\D 匹配任意非数字字符，相当于 [^0-9]
\s 匹配任意空白字符，相当于 [ \t\n\r\f\v]
\S 匹配任意非空白字符，相当于 [^ \t\n\r\f\v]
\w 匹配任意数字和字母，相当于 [a-zA-Z0-9_]
\W 匹配任意非数字和字母的字符，相当于 [^a-zA-Z0-9_]
\Z 只在字符串结尾进行匹配

Python re 的主要功能

Python 的 re 正则表达式模块定义了一系列函数，常量以及异常；同时，正则表达式被编译成‘ RegexObject ’实例，本身可以为不同的操作提供方法。

  • compile
1
re.compile(pattern[, flags])

把正则表达式的模式和标识转化成正则表达式对象，供 match() 和 search() 这两个函数使用。
例：以下两种用法结果相同

1
2
compiled_pattern = re.compile(pattern) 
result = compiled_pattern.match(string)
1
result = re.match(pattern, string)
  • search
1
re.search(pattern, string[, flags])

在字符串中查找匹配正则表达式模式的位置，返回 MatchObject 的实例，如果没有找到匹配的位置，则返回 None。

1
2
3
pattern = re.compile("a")
pattern.search("abcde")     # Match at index 0
pattern.search("abcde", 1)  # No match
  • match
1
re.match(pattern, string[, flags])

match() 函数只在字符串的开始位置尝试匹配正则表达式，也就是只报告从位置 0 开始的匹配情况，而 search() 函数是扫描整个字符串来查找匹配。如果想要搜索整个字符串来寻找匹配，应当用 search()。

  • split
1
re.split(pattern, string[, maxsplit=0, flags=0])

此功能很常用，可以将将字符串匹配正则表达式的部分割开并返回一个列表。

1
2
3
4
5
6
>>> re.split('\W+', 'test, test, test.') 
['test', 'test', 'test', ''] 
>>> re.split('(\W+)', ' test, test, test.') 
[' test ', ', ', ' test ', ', ', ' test ', '.', ''] 
>>> re.split('\W+', ' test, test, test.', 1) 
[' test ', ' test, test.']

对于一个找不到匹配的字符串而言，split 不会对其作出分割，如：

1
2
>>> re.split('a*', 'hello world') 
['hello world']
  • findall
    在字符串中找到正则表达式所匹配的所有子串，并组成一个列表返回。
1
findall(string[, pos[, endpos]])
1
2
#get all content enclosed with [], and return a list 
>>> return_list = re.findall("(\[.*?\])",string)
  • finditer
1
re.finditer(pattern, string[, flags])

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并组成一个迭代器返回。

  • sub
1
re.sub(pattern, repl, string[, count, flags])

在字符串 string 中找到匹配正则表达式 pattern 的所有子串，用另一个字符串 repl 进行替换。如果没有找到匹配 pattern 的串，则返回未被修改的 string。Repl 既可以是字符串也可以是一个函数。

1
2
3
>>> p = re.compile( '(one|two|three)') 
 >>> p.sub( 'num', 'one word two words three words') 
'num word num words num words'
  • subn
1
re.subn(pattern, repl, string[, count, flags])

该函数的功能和 sub() 相同，但它还返回新的字符串以及替换的次数。