1、简介
正则表达式本身是一种小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，程序媛们可以直接调用来实现正则匹配。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。
2、正则表达式中常用的字符含义
2.1 普通字符和11个元字符：
这里需要强调一下反斜杠\的作用：
-
反斜杠后边跟元字符去除特殊功能；（即将特殊字符转义成普通字符）
-
反斜杠后边跟普通字符实现特殊功能；（即预定义字符）
-
引用序号对应的字组所匹配的字符串。
|
1
2
3
|
>>>
import
re
>>> print(re.search(r
'(tina)(fei)haha\2'
,
'tinafeihahafei tinafeihahatina'
).group())
tinafeihahafei
|
2.2 预定义字符集（可以写在字符集[...]中）
强调一下\b的单词边界的理解：
|
1
2
3
4
5
6
7
8
|
>>> print(re.findall(
'\btina'
,
'tian tinaaaa'
))
[]
>>> print(re.findall(r
'\btina'
,
'tian tinaaaa'
))
[
'tina'
]
>>> print(re.findall(r
'\btina'
,
'tian#tinaaaa'
))
[
'tina'
]
>>> print(re.findall(r
'\btina\b'
,
'tian#tina@aaa'
))
[
'tina'
]
|
2.3 特殊分组用法
3、re模块中常用功能函数
3.1 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：
|
1
2
3
4
5
|
>>>
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))
[
'good'
,
'cool'
]
|
3.2 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：
|
1
2
3
4
5
|
>>>
import
re
>>> print(re.match(
'com'
,
'comwww.runcomoob'
).group())
com
>>> print(re.match(
'com'
,
'Comwww.runcomoob'
,re.I).group())
Com
|
3.3 search()
|
1
|
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。
|
1
|
print(re.search(
'\dcom'
,
'www.4comrunoob.5com'
).group())
|
执行结果如下：
|
1
|
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。
|
1
2
3
4
5
6
|
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。
3.4 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：
|
1
2
3
|
re.findall(pattern, string, flags=0)
p = re.compile(r
'\d+'
)
print(p.findall(
'o1n2m3k4'
))
|
执行结果如下：
|
1
|
[
'1'
,
'2'
,
'3'
,
'4'
]
|
|
1
2
3
4
5
|
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：
|
1
2
|
[
'good'
,
'cool'
]
[(
'g'
,
'd'
), (
'c'
,
'l'
)]
|
3.5 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。
|
1
|
格式：re.finditer(pattern, string, flags=0)
|
|
1
2
3
4
5
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
<_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)
|
3.6 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：
|
1
|
re.
split
(pattern, string[, maxsplit])
|
maxsplit用于指定最大分割次数，不指定将全部分割。
|
1
2
|
>>> print(re.
split
(
'\d+'
,
'one1two2three3four4five5'
))
[
'one'
,
'two'
,
'three'
,
'four'
,
'five'
,
''
]
|
3.7 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：
|
1
|
re.sub(pattern, repl, string, count)
|
|
1
2
3
4
|
>>>
import
re
>>> text =
"JGood is a handsome boy, he is cool, clever, and so on..."
>>> print(re.sub(r
'\s+'
,
'-'
, text))
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'[ ]'。
|
1
2
3
4
|
>>>
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))
JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
|
3.8 subn()
返回替换次数
格式：
|
1
|
subn(pattern, repl, string, count=0, flags=0)
|
|
1
2
3
4
5
6
|
>>> print(re.subn(
'[1-2]'
,
'A'
,
'123456abcdef'
))
(
'AA3456abcdef'
, 2)
>>> print(re.sub(
"g.t"
,
"have"
,
'I get A, I got B ,I gut C'
))
I have A, I have B ,I have C
>>> print(re.subn(
"g.t"
,
"have"
,
'I get A, I got B ,I gut C'
))
(
'I have A, I have B ,I have C'
, 3)
|
4、一些注意点
4.1 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。
|
1
2
3
4
5
6
|
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：
|
1
2
3
|
3
None
[
'3'
,
'3'
]
|
4.2 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
|
1
2
|
print(re.findall(r
"a(\d+?)"
,
'a23b'
))
print(re.findall(r
"a(\d+)"
,
'a23b'
))
|
执行结果：
|
1
2
|
[
'2'
]
[
'23'
]
|
|
1
2
|
print(re.match(
'<(.*)>'
,
'<H1>title<H1>'
).group())
print(re.match(
'<(.*?)>'
,
'<H1>title<H1>'
).group())
|
执行结果：
|
1
2
|
<H1>title<H1>
<H1>
|
|
1
2
|
print(re.findall(r
"a(\d+)b"
,
'a3333b'
))
print(re.findall(r
"a(\d+?)b"
,
'a3333b'
))
|
执行结果如下：
|
1
2
|
[
'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。
4.3 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。
5、正则的小实践
5.1 匹配电话号码
|
1
2
|
>>> print(re.compile(r
'\d{3}-\d{6}'
).findall(
'010-628888'
))
[
'010-628888'
]
|
5.2 匹配IP
|
1
2
|
>>> 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"
)
<_sre.SRE_Match object; span=(0, 11), match=
'192.168.1.1'
>
|
