python正则表达式详细版

目录

常用的正则表达式处理函数。

1、re.match()函数和re.search()函数，实现字符串的正则匹配

2、re.sub()函数,用于 检索和替换

3、re.compile() 函数,生成一个正则表达式（ Pattern ）对象

4、re.compile() 供 match() 和 search() 这两个函数的使用

5、findall()使用，匹配的所有子串，列表返回

6、re.finditer()使用，匹配的所有子串，迭代器返回

7、re.split()使用，将字符串分割后返回列表

8、'(?P...)' 分组匹配

附件1、flags匹配模式规则表

附件2、pattern正则表达式匹配模式规则表

---

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。它能帮助你方便的检查一个字符串是否与某种模式匹配。最常见的邮箱规则模式：[a-zA-Z0-9_-]+@[a-zA-Z0-9]+(\.[a-zA-Z0-9]+)，什么意思呢？做数据清洗的时候想查出一些特定的字符，批量替换一些指定的字符怎么做？...等等，在python中，这些都可以用正则表达式处理函数进行处理。

re 模块使 Python 语言拥有全部的正则表达式功能。使用前导入该模块：import re

常用的正则表达式处理函数。

1、re.match()函数和re.search()函数，实现字符串的正则匹配

 match 和 search 只匹配一次，当正则表达式在字符串中匹配到多个结果时，在不指定全部返回的情况下，只返回最先匹配到的第一个结果。

• 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])
• re.search 扫描整个字符串从任意位置匹配并返回第一个成功的匹配。
• 函数语法：re.search(pattern, string, [flags])  
• re.match与re.search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。所以实际应用往往使用re.search()函数。

参数：

• pattern：匹配的正则表达式(参考后面的正则表达式匹配模式附件)。
• string：要匹配的字符串。
• flags：标志位，用于控制正则表达式的匹配方式（参考后面的flags匹配模式模块）

结果获取：

• span()：获取所匹配元素的起止位置
• start() ：返回匹配开始的位置
• end() ：返回匹配结束的位置
• group(num) / groups() ：我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

re.match函数案例：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import re
line = "This is a regular expression for python"
matchObj = re.match(r'(.*) is (.*?) .*', line, re.M | re.I)
if matchObj:
    print("matchObj.span() :",matchObj.span())
    print("matchObj.group() : ", matchObj.group())
    print("matchObj.group(1) : ", matchObj.group(1))
    print("matchObj.group(2) : ", matchObj.group(2))
    print("matchObj.groups()) :", matchObj.groups())
else:
    print("No match!!")

结果：
matchObj.span() : (0, 39)
matchObj.group() :  This is a regular expression for python
matchObj.group(1) :  This
matchObj.group(2) :  a
matchObj.groups()) : ('This', 'a')

re.search函数案例：

#re.search()函数，扫描整个字符串从任意位置匹配并返回第一个成功的匹配。
line = "This is a regular expression for python"
searchObj = re.search(r"a (.*) for (p.*n$)",line,re.M | re.I)
print("searchObj.span() :",searchObj.span())
print("searchObj.group() : ", searchObj.group())#重点使用
print("searchObj.group(1) : ", searchObj.group(1))
print("searchObj.groups() : ", searchObj.groups())

输出：
searchObj.span() : (8, 39)
searchObj.group() :  a regular expression for python
searchObj.group(1) :  regular expression
searchObj.groups() :  ('regular expression', 'python')

#re.mactch()函数和re.search()函数对比
import re
line = "This is a regular expression for python"
matchObj = re.match(r"python",line,re.M | re.I)
if matchObj:
    print(matchObj.group())
else:
    print("No match!!")
searchObj = re.search(r"python",line,re.M | re.I)
if searchObj:
    print(searchObj.group()) 
else:
    print("No search!!")

输出：
No match!!
python

2、re.sub()函数,用于 检索和替换

Python 的 re 模块提供了re.sub用于替换字符串中的匹配项。

语法：re.sub(pattern, repl, string, [count=0], [flags=0])

参数：

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
• flags：标志位，用于控制正则表达式的匹配方式，默认flags=0表示不进行特殊指定（参考后面的flags匹配模式模块）

案例：

#re.sub()函数 检索和替换
import re
line = "112-568-774"  # 结果：==> 112568774
subObj = re.sub(r"\D","",line, count=0, flags=0)
print(subObj)

#repl 参数是一个函数.将匹配的数字乘以 2
line= 'A23G4HFD567'  # 结果：==> A46G8HFD1134
def double(x):
    x = int(x.group('value'))*2
    return str(x)
print(re.sub('(?P\d+)',double,line))
# ?P的意思就是命名一个名字为value的组，匹配规则符合后面的/d+

3、re.compile() 函数,生成一个正则表达式（ Pattern ）对象

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 、search() 、sub()、findall()、finditer()、split()等函数使用。

语法：

• pattern = re.compile(pattern[, flags])
• m = pattern.match()/pattern.search()/.... #函数参数与re.match()/re.search()/... 对比少写一个pattern参数即可,其他不变

 re.compile(参数)：

• pattern : 一个字符串形式的正则表达式
• flags : 可选，表示匹配模式，比如忽略大小写，多行模式等

4、re.compile() 供 match() 和 search() 这两个函数的使用

语法：

• string = "字符串"
• pattern = re.compile(pattern [,flags])
• m = pattern.match(string [, pos[, endpos]]) 或者 m = pattern.seach(string [, pos[, endpos]])
• result = m.group()

参数：

• string : 待匹配的字符串。
• pos : 可选参数，指定字符串的起始位置，默认为 0。
• endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

#编辑器：ipython
In [1]: import re
In [2]: pattern = re.compile(r"\d")
In [3]: m = pattern.match("abc123def456") #查找头部是否有数字
In [4]: print(m)
None
In [5]: m1 = pattern.search("abc123edf456")#查询字符串中的数字
In [6]: print(m1)

In [7]: m2 = pattern.match("abc123456dfe",3,8) #指定起止位置的查找
In [8]: print(m2)

In [9]: m3 = pattern.search("asd123456789gh",3,8) #指定起止位置的查找
In [10]: print(m3)

In [11]: print(m3.group()) #返回结果
1
In [12]: #返回多值的正则表达式
In [13]: pattern = re.compile(r"\d+")
In [14]: m = pattern.search("asd123456789gh",3,8) #指定起止位置的查找
In [15]: print(m.group())
12345
In [16]: print(m.start(),m.end(),m.span())
3 8 (3, 8)

5、findall()使用，匹配的所有子串，列表返回

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次，使用group()调用结果， findall 匹配所有，返回结果列表。

语法：

• pattern = re.compile(pattern [,flags])
• result = pattern.findall(string[, pos[, endpos]])
• 或者
• result = re.findall(pattern,string[, pos[, endpos]])

参数：

• string : 待匹配的字符串。
• pos : 可选参数，指定字符串的起始位置，默认为 0。
• endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

import re
#re.compile() 供findall(string[, pos[, endpos]])使用
s = "a12b12c12d12"
parttern = re.compile(r"\d+")
result1 = parttern.findall(s)
print(result1)  # ['12', '12', '12', '12']
result2 = parttern.findall(s,0,5)
print(result2) # ['12', '1']

#单独使用indall(string[, pos[, endpos]])
result3 = re.findall(r"\d+","20a20b20-20.20c2")
print(result3) #['20', '20', '20', '20', '20', '2']

6、re.finditer()使用，匹配的所有子串，迭代器返回

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

语法：

• m = re.finditer(pattern, string, flags=0)
• 或者
• pattern = re.compile(pattern [,flags])
• m = pattern.finditer(string[, flags=0])
• #调用结果
• for i in m:
  • v= i.group()

参数：

• pattern：匹配的正则表达式(参考后面的正则表达式匹配模式附件)。
• string：要匹配的字符串。
• flags：标志位，用于控制正则表达式的匹配方式（参考后面的flags匹配模式模块）

import re
pattern = re.compile(r"\d+")
it = pattern.finditer("12a32bc43jf3")
s = []
for i in it:
    s.append(i.group()) #将结果转化为列表
print(s)  #['12', '32', '43', '3']

7、re.split()使用，将字符串分割后返回列表

split 方法按照能够匹配的子串将字符串分割后返回列表，

语法：re.split(pattern, string[, maxsplit=0, flags=0])

参数：

• pattern：匹配的正则表达式
• string：要匹配的字符串。
• maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
• flags：标志位，用于控制正则表达式的匹配方式

import re
s ="广东-广州-天河-2020-01-16"
pattern = re.compile(r"-")
s1 = pattern.split(s,maxsplit=3)
print(s1)  #['广东', '广州', '天河', '2020-01-16']

8、'(?P...)' 分组匹配

import re
s = '4225281994xxxxxxxx'
res = re.search('(?P\d{3})(?P\d{3})(?P\d{4})',s)
print(res.groupdict()) 
#{'province': '422', 'city': '528', 'born_year': '1994'}

附件1、flags匹配模式规则表

修饰符flags	描述
re.I	忽略大小写
re.L	表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M	多行模式
re.S	即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
re.U	表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X	了增加可读性，忽略空格和 # 后面的注释
0	flags=0表示不进行特殊指定

附件2、pattern正则表达式匹配模式规则表

模式pattern	描述说明
^	匹配字符串的开头
$	匹配字符串末尾
.	匹配任意字符，除了换行符[可以用flag=re.S解决换行]
[...]	用来表示一组字符，单独列出：[jxr12] 表示匹配 'j'或'x'或'r'或1或2，[0-9]<=>[0123456789]，[A-Z]表示任意大写字母，[a-z]表示所有小写字母
[^...]	不在[]内的其他字符，如：[^abc]匹配除abc的其他字符
re*	0个或者多个表达式
re+	1个或者多个表达式
re?	匹配0个或者1个由前面的正则式定义的片段，非贪婪方式。
.*	.* 代表匹配除换行符之外的所有字符。
.*?	.*? 后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符
re{n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*" 。
re{n,m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
x| y	匹配x或者y
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域 。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。
\	转义字符。如：\. 、\?、\*  转义为本身的意思

最后理解一下：[a-zA-Z0-9_-]+@[a-zA-Z0-9]+(\.[a-zA-Z0-9]+)

表示a到z或A到Z或0到9任意1个或多个@a到z或A到Z或0到9任意1个或多个.a到z或A到Z或0到9任意1个或多个，

即：xx···x@xx···x.xx···x，如：[email protected]