Python玩转正则表达式，看完这篇你就会了

什么是正则表达式？

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。例如在编写处理字符串的程序或网页时，经常有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

<br/>

单字符匹配

<br/>

多字符匹配

<br/>

匹配开头和结尾

<br/>

匹配分组

<br/>

常用正则表达式

<br/>

IP地址

正则表达式

(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)

<br/>

Python re模块

在 Python 中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为 re 。

re 是 regular expression 的缩写，表示正则表达式。

re 模块使 Python 语言拥有全部的正则表达式功能。

<br/>

re.match函数

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。

函数语法

re.match(pattern, string, flags=0)

<br/>

函数参数说明

匹配成功 re.match 方法返回一个匹配（Match）的对象，否则返回 None。

我们可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式。

<br/>

测试范例

范例 1：

# -*- coding:utf-8 -*-
import re

print(re.match('www', 'www.csdn.net'))    # 在起始位置匹配
print(re.match('net', 'www.csdn.net'))    # 不在起始位置匹配

运行输出结果为：

<re.Match object; span=(0, 3), match='www'>
None

span=(0, 3) 则表示匹配成功的开始位置和结束位置。

<br/>

范例 2：

提取文章的主要数据

已赞75，评论12，收藏231

# -*- coding:utf-8 -*-
import re

line = u"已赞75，评论12，收藏231"

match_obj = re.match( r'已赞(\d*).评论(\d*).收藏(\d*)', line, re.M|re.I)

if match_obj:
   print ("match_obj.group() : ", match_obj.group())
   print ("match_obj.group(1) : ", match_obj.group(1))
   print ("match_obj.group(2) : ", match_obj.group(2))
   print ("match_obj.group(3) : ", match_obj.group(3))
else:
   print ("No match!!")

运行输出结果如下：

match_obj.group() :  已赞75，评论12，收藏231
match_obj.group(1) :  75
match_obj.group(2) :  12
match_obj.group(3) :  231

• re.I 使匹配对大小写不敏感
• re.M 多行匹配，影响 ^ 和 $

更多的标志文章后续会提到。

<br/>

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法

re.search(pattern, string, flags=0)

函数参数说明

跟 match 一样匹配成功 re.search 方法返回一个匹配（Match）的对象，否则返回 None。

<br/>

测试范例

范例 1：

# -*- coding:utf-8 -*-
import re

print(re.search('www', 'www.csdn.net'))        # 在起始位置匹配
print(re.search('net', 'www.csdn.net'))        # 不在起始位置匹配

以上实例运行输出结果为：

<re.Match object; span=(0, 3), match='www'>
<re.Match object; span=(9, 12), match='net'>

<br/>

范例 2：

提取博客的信息

作者Clever_Hui，阅读量[4155]()，收藏[231]()，分类专栏[python]()

# -*- coding:utf-8 -*-
import re

line = u"作者Clever_Hui，阅读量4155，收藏231，分类专栏python"

search_obj = re.search( r'作者(\w*).阅读量(\d*).收藏(\d*).分类专栏(\w*)', line, re.M|re.I)

if search_obj:
   print ("search_obj.group() : ", search_obj.group())
   print ("search_obj.group(1) : ", search_obj.group(1))
   print ("search_obj.group(2) : ", search_obj.group(2))
   print ("search_obj.group(3) : ", search_obj.group(3))
   print ("search_obj.group(4) : ", search_obj.group(4))
else:
   print ("Nothing found!!!")

以上实例执行结果如下：

search_obj.group() :  作者Clever_Hui，阅读量4155，收藏231，分类专栏python
search_obj.group(1) :  Clever_Hui
search_obj.group(2) :  4155
search_obj.group(3) :  231
search_obj.group(4) :  python

<br/>

re.match与re.search的区别

re.match 尝试从字符串的起始位置匹配一个模式，只匹配字符串的开始，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，如果没有则返回 None。

测试范例

# -*- coding:utf-8 -*-
import re

match_obj = re.match('net', 'www.csdn.net')
rearch_obj = re.search('net', 'www.csdn.net')

if match_obj:
    print('match    -->  ', match_oj)
else:
    print('No match!!!')

if rearch_obj:
     print('search  -->  ', rearch_obj)
else:
    print('No Match!!!')

运行输出结果如下：

No match!!!
search  -->   <re.Match object; span=(9, 12), match='net'>

<br/>

re.findall函数

函数语法

findall(pattern, string, flags=0)

<br/>

函数参数说明

官方文档

findall(pattern, string, flags=0)
    Return a list of all non-overlapping matches in the string.

    If one or more capturing groups are present in the pattern, return
    a list of groups; this will be a list of tuples if the pattern
    has more than one group.

    Empty matches are included in the result.

结果返回 string 中所有与 pattern 相匹配的全部字串，返回形式为列表

如果 pattern 中有一个或多个捕获组，则返回组的列表，

如果 pattern 中有多个组，这将是一个元组列表

结果中包含空匹配项。

<br/>

测试范例

统计出 python 、c 、java相应文章阅读的次数，python = 9999+, c = 7890, java = 12345

# -*- coding:utf-8 -*-
import re

line = "python = 9999, c = 7890, java = 12345"
ret1 = re.findall(r"\d+", line)
ret2 = re.findall(r"(\w+)\s.\s(\d+)", line)

print(ret1)
print(ret2)

运行结果：

['9999', '7890', '12345']
[('python', '9999'), ('c', '7890'), ('java', '12345')]

<br/>

re.sub函数

Python 的re模块提供了re.sub用于替换字符串中的匹配项。

函数语法

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

官方文档

<br/>

sub(pattern, repl, string, count=0, flags=0)
    Return the string obtained by replacing the leftmost
    non-overlapping occurrences of the pattern in string by the
    replacement repl.  repl can be either a string or a callable;
    if a string, backslash escapes in it are processed.  If it is
    a callable, it's passed the Match object and must return
    a replacement string to be used.

<br/>

函数参数说明

返回的字符串是在字符串中用 re 最左边不重复的匹配来替换。如果模式没有发现，字符将被没有改变地返回。

可选参数 count 是模式匹配后替换的最大次数；count 必须是非负整数。缺省值是 0 表示替换所有的匹配。

<br/>

测试案例

需求：将匹配到的阅读次数加1

方法1：

# -*- coding:utf-8 -*-
import re

ret = re.sub(r"\d+", '998', "python = 997")
print(ret)

运行结果：

python = 998

<br/>

方法2：

# -*- coding:utf-8 -*-
import re

def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)

ret = re.sub(r"\d+", add, "python = 997")
print(ret)

ret = re.sub(r"\d+", add, "python = 99")
print(ret)

运行结果：

python = 998
python = 100

<br/>

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：

<br/>

贪婪和非贪婪

Python 里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在 * 、? 、+ 、{m,n} 后面加上 ?，使贪婪变成非贪婪。

# -*- coding:utf-8 -*-
import re

s="This is a number 234-235-22-423"
r=re.match(".+(\d+-\d+-\d+-\d+)",s)
print(r.group(1))
# '4-235-22-423'

r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
print(r.group(1))
# '234-235-22-423'

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量 抓取 满足匹配最长字符串，在我们上面的例子里面，.+ 会从字符串的起始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，\d+ 只需一位字符就可以匹配，所以它匹配了数字 4，而 .+ 则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式：非贪婪操作符 ? ，这个操作符可以用在 * 、? 、+ 、{m,n} 后面，要求正则匹配的越少越好。

>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
'2'
>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) 
'2343'
>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
'2343'
>>>

<br/>

r原生字符串的作用

>>> mm = "c:\\a\\b\\c"
>>> mm
'c:\\a\\b\\c'
>>> print(mm)
c:\a\b\c
    
>>> re.match("c:\\\\",mm).group()
'c:\\'

>>> ret = re.match("c:\\\\",mm).group()
>>> print(ret)
c:\
    
>>> ret = re.match("c:\\\\a",mm).group()
>>> print(ret)
c:\a
    
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a
    
>>> ret = re.match(r"c:\a",mm).group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>>

说明

Python中字符串前面加上 r 表示原生字符串，

与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符 \ ，那么使用编程语言表示的正则表达式里将需要4个反斜杠 \ ：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a

<br/>

综合案例

匹配变量名是否有效

# -*- coding:utf-8 -*-
import re

names = ["name1", "_name", "2_name", "__name__"]

for name in names:
    ret = re.match("[a-zA-Z_]+[\w]*",name)
    if ret:
        print("变量名 %s 符合要求" % ret.group())
    else:
        print("变量名 %s 非法" % name)

运行结果

变量名 name1 符合要求
变量名 _name 符合要求
变量名 2_name 非法
变量名 __name__ 符合要求

<br/>

匹配出，8到15位的密码

密码组合可以是大小写英文字母、数字，但开头必须是大写字母

# -*- coding:utf-8 -*-
import re

pwds = ["W123456W", "wwj123456", "W123456789", "w123w", "W12345678abcdefg"]
pwd_pattern_str = "^[A-Z][a-zA-Z0-9]{7,14}$"

for pwd in pwds:
    ret = re.match(pwd_pattern_str, pwd)
    if ret:
        pwd = ret.group()
        print("密码 %s 符合要求,  长度：%s" % (pwd, len(pwd)))
    else:
        print("密码 %s 非法" % pwd)

<br/>

运行结果如下：

密码 W123456W 符合要求,  长度：8
密码 wwj123456 非法
密码 W123456789 符合要求,  长度：10
密码 w123w 非法
密码 W12345678abcdefg 非法

<br/>

正则表达式在线工具

正则表达式在线工具 https://www.w3cschool.cn/tools/index?name=create_reg

这个在线工具提供了常用正则表达式的在线生成功能，可实现诸如字符、网址、邮编、日期、中文等的正则表达式生成功能，并且提供各类常见语言如：javascript、php、Go语言、java、ruby、Python等的正则表达式测试语句供大家参考使用。

<br/>

公众号

新建文件夹X

大自然用数百亿年创造出我们现实世界，而程序员用几百年创造出一个完全不同的虚拟世界。我们用键盘敲出一砖一瓦，用大脑构建一切。人们把1000视为权威，我们反其道行之，捍卫1024的地位。我们不是键盘侠，我们只是平凡世界中不凡的缔造者 。