python的正则相关最全总结
python的正则相关最全总结
-
-
- 7.python的正则
-
- 7.1行定位符
- 7.2元字符
- 7.3重复
- 7.4转义字符
- 7.5常用正则表达式
- 7.6贪婪模式
- 7.7反向引用
- 7.8re模块应用
-
- 一、compile(pattern, flags=0)
- 二、match(pattern, string, flags=0)
- 三、search(pattern, string, flags=0)
- 四、findall(pattern, string, flags=0)
- 五、split(pattern, string, maxsplit=0, flags=0)
- 六、sub(pattern, repl, string, count=0, flags=0)
- 七、flag匹配模式
- 八、分组功能
-
7.python的正则
7.1行定位符
行定位符就是用来描述字符串的边界。“^”表示行的开始；“$”表示行的结尾。
7.2元字符
| 表达式 | 匹配 |
|---|---|
\d |
任意一个数字，0~9 中的任意一个 |
\w |
任意一个字母或数字或下划线，也就是 AZ,az,0~9,_ 中的任意一个 |
\s |
空格、制表符、换页符等空白字符的其中任意一个 |
\D |
\d的反集，也就是非数字的任意一个字符，等同于[^\d] |
\W |
\w的反集，也就是[^\w] |
\S |
\s的反集，也就是[^\s] |
7.3重复
| 表达式 | 匹配 |
|---|---|
{n} |
表达式重复n次，比如\d{2}相当于\d\d,a{3}相当于aaa |
{m,n} |
表达式至少重复m次，最多重复n次。比如ab{1,3}可以匹配ab或abb或abbb |
{m,} |
表达式至少重复m次，比如\w\d{2,}可以匹配a12,_1111,M123等等 |
? |
匹配表达式0次或者1次，相当于{0,1}，比如a[cd]?可以匹配a,ac,ad |
+ |
表达式至少出现1次，相当于{1,}，比如a+b可以匹配ab,aab,aaab等等 |
* |
表达式出现0次到任意次，相当于{0,}，比如\^*b可以匹配b,^^^b等等 |
7.4转义字符
| 表达式 | 匹配 |
|---|---|
\r, \n |
匹配回车和换行符 |
\t |
匹配制表符 |
\\ |
匹配斜杠\ |
\^ |
匹配^符号 |
\$ |
匹配$符号 |
\. |
匹配小数点. |
7.5常用正则表达式
下面是网络上收集的一些常用正则表达式，请参考使用。 PS:各位在复制粘贴的时候务必要小心前后多余的空格！
校验数字的相关表达式：
| 功能 | 表达式 |
|---|---|
| 数字 | ^[0-9]*$ |
| n位的数字 | ^\d{n}$ |
| 至少n位的数字 | ^\d{n,}$ |
| m-n位的数字 | ^\d{m,n}$ |
| 零和非零开头的数字 | `^(0 |
| 非零开头的最多带两位小数的数字 | ^([1-9][0-9]*)+(.[0-9]{1,2})?$ |
| 带1-2位小数的正数或负数 | ^(\-)?\d+(\.\d{1,2})?$ |
| 正数、负数、和小数 | `^(- |
| 有两位小数的正实数 | ^[0-9]+(.[0-9]{2})?$ |
| 有1~3位小数的正实数 | ^[0-9]+(.[0-9]{1,3})?$ |
| 非零的正整数 | ^[1-9]\d*$ |
| 非零的负整数 | ^-[1-9]\d*$ |
| 非负整数 | ^\d+$ |
| 非正整数 | `^-[1-9]\d* |
| 非负浮点数 | ^\d+(\.\d+)?$ |
| 非正浮点数 | `^((-\d+(.\d+)?) |
| 正浮点数 | `1\d*.\d* |
| 负浮点数 | `^-([1-9]\d*.\d* |
| 浮点数 | ^(-?\d+)(\.\d+)?$ |
校验字符的相关表达式：
| 功能 | 表达式 |
|---|---|
| 汉字 | ^[\u4e00-\u9fa5]{0,}$ |
| 英文和数字 | ^[A-Za-z0-9]+$ |
| 长度为3-20的所有字符 | ^.{3,20}$ |
| 由26个英文字母组成的字符串 | ^[A-Za-z]+$ |
| 由26个大写英文字母组成的字符串 | ^[A-Z]+$ |
| 由26个小写英文字母组成的字符串 | ^[a-z]+$ |
| 由数字和26个英文字母组成的字符串 | ^[A-Za-z0-9]+$ |
| 由数字、26个英文字母或者下划线组成的字符串 | ^\w+$ |
| 中文、英文、数字包括下划线 | ^[\u4E00-\u9FA5A-Za-z0-9_]+$ |
| 中文、英文、数字但不包括下划线等符号 | ^[\u4E00-\u9FA5A-Za-z0-9]+$ |
可以输入含有^%&’,;=?$\”等字符 |
[^%&’,;=?$\x22]+ |
禁止输入含有~的字符 |
[^~\x22]+ |
特殊场景的表达式:
| 功能 | 表达式 |
|---|---|
| Email地址 | ^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ |
| 域名 | [a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.? |
| InternetURL | [a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ |
| 手机号码 | `^(13[0-9] |
| 国内电话号码 | `\d{3}-\d{8} |
| 身份证号 | `^\d{15} |
| 短身份证号码 | `^([0-9]){7,18}(x |
| 帐号是否合法 | ^[a-zA-Z][a-zA-Z0-9_]{4,15}$(字母开头，允许5-16字节，允许字母数字下划线) |
| 密码 | ^[a-zA-Z]\w{5,17}$(以字母开头，长度在6~18之间，只能包含字母、数字和下划线) |
| 强密码 | ^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间) |
| 日期格式 | ^\d{4}-\d{1,2}-\d{1,2} |
| 一年的12个月(01～09和1～12) | `^(0?[1-9] |
| 一个月的31天(01～09和1～31) | `^((0?[1-9]) |
| xml文件 | `^([a-zA-Z]±?)+[a-zA-Z0-9]+\.[x |
| 双字节字符 | [^\x00-\xff](包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1)) |
| 空白行的正则表达式 | \n\s*\r (可以用来删除空白行) |
| HTML标记的正则表达式 | `<(\S*?)[^>]>.? |
| 首尾空白字符的正则表达式 | `^\s* |
| 腾讯QQ号 | [1-9][0-9]{4,} (腾讯QQ号从10000开始) |
| 中国邮政编码 | [1-9]\d{5}(?!\d) (中国邮政编码为6位数字) |
| IP地址提取 | \d+\.\d+\.\d+\.\d+ (提取IP地址时有用) |
| IP地址合法性判断 | `((??:25[0-5] |
7.6贪婪模式
在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式。比如，针对文本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。可见，\w+在匹配的时候，总是尽可能多的匹配符合它规则的字符。同理，带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配。
但是有时候，这种模式不是我们想要的结果，比如最常见的HTML标签匹配。假设有如下的字符串：
苹果
桃子
香蕉
我们的意图是获取每个(.*) 苹果 桃子 香蕉
那么怎么办呢？使用非贪婪模式！
在修饰匹配次数的特殊符号后再加上一个?问号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的"不匹配"。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再多匹配一些，以使整个表达式匹配成功。
表达式(.*?) 苹果 桃子
针对文本"dxxxdxxxd"举例：
表达式(d)(\w+?)中的\w+?将尽可能少的匹配第一个d之后的字符，结果是只匹配了一个"x"，整体只匹配了dx。
表达式(d)(\w+?)(d)为了让整个表达式匹配成功，\w+?不得不匹配xxx才可以让后边的d匹配，从而使整个表达式匹配成功。因此，结果是\w+?匹配了xxx，整体匹配了dxxx。
7.7反向引用
表达式在匹配时，表达式引擎会将小括号()包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这是一个非常有用也非常重要的特性。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的 (.*?) "
其实，“小括号包含的表达式所匹配到的字符串"不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面"括号内的子匹配已经匹配到的字符串”。引用方法是\加上一个数字。\1引用第1对括号内匹配到的字符串，\2 引用第2对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号"("在前，那这一对就先排序号。举例如下：
表达式('|")(.*?)(\1)在匹配'Hello', "World"时，匹配结果是：成功；匹配到的内容是'Hello'。再次匹配下一个时，可以匹配到 "World"。这里的(\1)，动态的引用了('|")匹配到的结果。
表达式(\w)\1{4,}在匹配aa bbbb abcdefg ccccc 111121111 999999999时，匹配结果是：成功；匹配到的内容是ccccc。再次匹配下一个时，将得到999999999。这个表达式要求\w范围的字符至少重复5次，注意与\w{5,}之间的区别。
表达式<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?在匹配与
7.8re模块应用
| 方法 | 描述 | 返回值 |
|---|---|---|
| compile(pattern[, flags]) | 根据包含正则表达式的字符串创建模式对象 | re对象 |
| search(pattern, string[, flags]) | 在字符串中查找 | 第一个匹配到的对象或者None |
| match(pattern, string[, flags]) | 在字符串的开始处匹配模式 | 在字符串开头匹配到的对象或者None |
| split(pattern, string[, maxsplit=0,flags]) | 根据模式的匹配项来分割字符串 | 分割后的字符串列表 |
| findall(pattern, string,flags) | 列出字符串中模式的所有匹配项 | 所有匹配到的字符串列表 |
| sub(pat,repl, string[,count=0,flags]) | 将字符串中所有的pat的匹配项用repl替换 | 完成替换后的新字符串 |
| finditer(pattern, string,flags) | 将所有匹配到的项生成一个迭代器 | 所有匹配到的字符串组合成的迭代器 |
| subn(pat,repl, string[,count=0,flags]) | 在替换字符串后，同时报告替换的次数 | 完成替换后的新字符串及替换次数 |
| escape（string） | 将字符串中所有特殊正则表达式字符串转义 | 转义后的字符串 |
| purge(pattern) | 清空正则表达式 | |
| template(pattern[,flags]) | 编译一个匹配模板 | 模式对象 |
| fullmatch(pattern, string[, flags]) | match方法的全字符串匹配版本 | 类似match的返回值 |
一、compile(pattern, flags=0)
这个方法是re模块的工厂方法，用于将字符串形式的正则表达式编译为Pattern模式对象，可以实现更高效率的匹配。第二个参数flag是匹配模式。
使用compile()完成一次转换后，再次使用该匹配模式的时候就不用进行转换了。经过compile()转换的正则表达式对象也能使用普通的re方法。其用法如下：
>>> import re
>>> pat = re.compile(r"abc")
>>> pat.match("abc123")
<_sre.SRE_Match object; span=(0, 3), match='abc'>
>>> pat.match("abc123").group
<built-in method group of _sre.SRE_Match object at 0x00000000035104A8>
>>> pat.match("abc123").group()
'abc'
经过compile()方法编译过后的返回值是个re对象，它可以调用match()、search()、findall()等其他方法,但其他方法不能调用compile()方法。实际上，match()和search()等方法在使用前，Python内部帮你进行了compile的步骤。
>>> re.match(r"abc","abc123").compile()
Traceback (most recent call last):
File "" , line 1, in <module>
re.match(r"abc","abc123").compile()
AttributeError: '_sre.SRE_Match' object has no attribute 'compile'
那么是使用compile()还是直接使用re.match()呢？看场景！如果你只是简单的匹配一下后就不用了，那么re.match()这种简便的调用方式无疑来得更简单快捷。如果你有个模式需要进行大量次数的匹配，那么先compile编译一下再匹配的方式，效率会高很多。
以下的内容，都采用直接通过re模块调用方法的形式。
二、match(pattern, string, flags=0)
match()方法会在给定字符串的开头进行匹配，如果匹配不成功则返回None，匹配成功返回一个匹配对象，这个对象有个group()方法，可以将匹配到的字符串给出。
>>> ret = re.match(r"abc","ab1c123")
>>> print(ret)
None
>>> re.match(r"abc","abc123")
<_sre.SRE_Match object; span=(0, 3), match='abc'>
>>> obj = re.match(r"abc","abc123")
>>> obj.group()
'abc'
对于一个<_sre.SRE_Match object; span=(0, 3), match='abc'>对象，span指的是匹配到的字符在字符串中的位置下标，分别对应start和end。需要注意的是不包括end位置的下标，它是右开口的。具体如下：
>>> obj = re.match(r"abc","abc123")
>>> obj.start()
0
>>> obj.end()
3
>>> obj.span()
(0, 3)
>>> obj.group()
'abc'
import re
pat = re.compile('^abc\w+')
match1 = re.match(pat,'abcd123')
print(match1.group())
#abcd123
三、search(pattern, string, flags=0)
在文本内查找，返回第一个匹配到的字符串。它的返回值类型和使用方法与match()是一样的，唯一的区别就是查找的位置不用固定在文本的开头。
>>> obj = re.search(r"abc","123abc456abc789")
>>> obj
<_sre.SRE_Match object; span=(3, 6), match='abc'>
>>> obj.group()
'abc'
>>> obj.start()
3
>>> obj.end()
6
>>> obj.span()
(3, 6)
pat = re.compile('^abc\w+')
match1 = re.match(pat,'abcd123')
search1 = re.search(r"abc","123abc456abc789")
print(match1.group())
print(search1.group())
#abcd123
#abc
四、findall(pattern, string, flags=0)
作为re模块的三大搜索函数之一，findall()和match()、search()的不同之处在于，前两者都是单值匹配，找到一个就忽略后面，直接返回不再查找了。而findall是全文查找，它的返回值是一个匹配到的字符串的列表。这个列表没有group()方法，没有start、end、span，更不是一个匹配对象，仅仅是个列表！如果一项都没有匹配到那么返回一个空列表。
>>> obj = re.findall(r"abc","123abc456abc789")
>>> obj
['abc', 'abc']
>>> obj.group()
Traceback (most recent call last):
File "", line 1, in
obj.group()
AttributeError: 'list' object has no attribute 'group'
>>> obj = re.findall(r"ABC","123abc456abc789")
>>> print(obj)
[]
import re
pat = re.compile('^abc\w+')
match1 = re.match(pat,'abcd123')
search1 = re.search(r"abc","123abc456abc789")
findall1 = re.findall(r'abc\w+','123abcadfasdf')
print(match1.group())
print(search1.group())
print(findall1)
#abcd123
#abc
#['abcadfasdf']
五、split(pattern, string, maxsplit=0, flags=0)
re模块的split()方法和字符串的split()方法很相似，都是利用特定的字符去分割字符串。但是re模块的split()可以使用正则表达式，因此更灵活，更强大，而且还有“杀手锏”。看下面这个例子，匹配模式是加减乘除四个运算符中的任何一种，通过split()将字符串分割成一个一个的数字：
>>> s = "8+7*5+6/3"
>>> import re
>>> a_list = re.split(r"[\+\-\*\/]",s)
>>> a_list
['8', '7', '5', '6', '3']
split有个参数maxsplit，用于指定分割的次数：
>>> a_list = re.split(r"[\+\-\*\/]",s,maxsplit= 2)
>>> a_list
['8', '7', '5+6/3']
利用分组的概念，re.split()方法还可以保存被匹配到的分隔符，这个功能非常重要！为什么呢？比如，你要计算8+7，是不是要同时获得8，+，7三个字符？就如同下面的例子，字符串s = "8+7*5+6/3"，想要计算字符串内的表达式的值，你必须获得其中加减乘除的符号。
>>> a_list = re.split(r“([\+\-\*\/])”,s) # 注意这里添加了括号！
>>> a_list
['8', '+', '7', '*', '5', '+', '6', '/', '3']
六、sub(pattern, repl, string, count=0, flags=0)
sub()方法类似字符串的replace()方法，用指定的内容替换匹配到的字符，可以指定替换次数。
>>> s = "i am jack! i am nine years old ! i like swiming!"
>>> import re
>>> s = re.sub(r"i","I",s)
>>> s
'I am jack! I am nIne years old ! I lIke swImIng!'
sub()方法有一个高级功能——“分组引用”，这是一个非常强大的功能，运用好了能发挥巨大的作用！举例如下：
import re
origin = "Hello,world!"
r = re.sub(r“(world)”, r“\1”, origin) # 注意括号和\1的作用！
print(r)
运行结果：
Hello,world!
其实现机制是首先在正则表达式里用括号建立了一个分组，然后在要替换进去的字符串里用“\1”引用了这个分组匹配到的内容。PS：还记得正则语法里反向引用的知识点吗？
七、flag匹配模式
Python的re模块提供了一些可选的标志修饰符来控制匹配的模式。可以同时指定多种模式，通过与符号|来设置多种模式共存。如re.I | re.M被设置成I和M模式。
| 匹配模式 | 描述 |
|---|---|
| re.A | ASCII字符模式 |
| re.I | 使匹配对大小写不敏感，也就是不区分大小写的模式 |
| re.L | 做本地化识别（locale-aware）匹配 |
| re.M | 多行匹配，影响 ^ 和 $ |
| re.S | 使 . 这个通配符能够匹配包括换行在内的所有字符，针对多行匹配 |
| re.U | 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B |
| re.X | 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解 |
re.I模式：
正则表达式是区分字母大小写的，但在re.I模式下，则忽略大小写。
split()方法用flag时的问题，尝试运行代码re.split('a','1A1a2A3',re.I)，但是输出结果并不是我们预想的不区分大小写的a，将字符串分割。这是因为re.split(pattern，string，maxsplit,flags)方法的定义体中默认是四个参数，当我们传入三个参数的时候，re.I实际是被当做第三个参数传递进去了，所以没起到该有的作用。如果想让这里的re.I起作用，应当写成flags=re.I，也就是re.split('a','1A1a2A3',flags=re.I)。
re.M模式：
多行匹配模式。默认，元字符^会匹配字符串的开始处，元字符$会匹配字符串的结束位置和字符串后面紧跟的换行符之前（如果存在这个换行符）。如果指定了这个选项，则^将会匹配字符串的开头和每一行的开始处，紧跟在每一个换行符后面的位置。类似的，$会匹配字符串的最后和每一行的最后，在接下来的换行符的前面的位置。
>>> import re
>>> s = "\nabc\n"
>>> re.search(r"^abc$",s)
>>>
>>> re.search(r"abc$",s)
<_sre.SRE_Match object; span=(1, 4), match='abc'>
>>> re.search(r"^abc",s)
>>>
>>> re.search(r"abc",s)
<_sre.SRE_Match object; span=(1, 4), match='abc'>
>>>
>>> re.search(r"^abc$",s,re.M)
<_sre.SRE_Match object; span=(1, 4), match='abc'>
>>>
>>> re.search(r"^abc",s,re.M)
<_sre.SRE_Match object; span=(1, 4), match='abc'>
>>>
>>> re.search(r"abc$",s,re.M)
<_sre.SRE_Match object; span=(1, 4), match='abc'>
re.X模式：
Python的re模块还有一个很有趣的X模式，也就是VERBOSE。该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。当该标志被指定时，在正则表达式字符串中的空白、tab、换行符将被忽略，除非该空白符在字符类中或在反斜杠之后；这可以让你更清晰地组织和缩进表达式。它也允许你将注释写入表达式，这些注释会被引擎忽略；注释用 "#"号来标识，不过该符号不能在字符串或反斜杠之后。巴拉巴拉一堆，你只需要记住它的两个作用：一是让冗长难懂的表达式更易读；二是给表达式加注释。
>>> pat = re.compile(r'''
\* # 转义一个星号
( #左括号代表一个 组的开始
[^\*]+ #捕获任何非星号的字符
) #右括号代表组的结束
\* #转义一个星号
''',re.VERBOSE)
>>> obj = pat.search("hi ,this is a *something* !")
>>> obj
<_sre.SRE_Match object; span=(15, 26), match='*something*'>
>>> obj.group()
'*something*'
re.U模式：
re.UNICODE是种兼容模式。在字符串模式下被忽略（默认模式），在字节类型模式下被禁止。我们知道，在Python3之后，string和bytes被独立成了两种不同的数据类型。在re模块中，不能用bytes去匹配string或者用string去匹配bytes，只能用string匹配string，bytes匹配bytes。下面是一个bytes匹配bytes的例子：
import re
s = "hello"
b = bytes(s, encoding="utf-8")
pat = bytes('he', encoding="utf-8")
print("字符串s：%s" % s)
print("字节类型b：%s" % b)
print("字节类型正则表达式pat：%s" % pat)
obj_s = re.search(pat, b)
print("匹配结果： %s" % obj_s.group())
运行结果：
字符串s：hello
字节类型b：b'hello'
字节类型正则表达式pat：b'he'
匹配结果： b'he'
当使用UNICODE模式时，将强制禁止使用bytes类型，一但使用将报错。在string类型中，UNICODE是默认设置。
obj_s = re.search(pat, b, re.U) #只贴出了修改了的部分
运行结果：
Traceback (most recent call last):
File "F:/Python/pycharm/201705/test.py", line 10, in
obj_s = re.search(pat, b, re.U)
File "C:\Python36\lib\re.py", line 182, in search
return _compile(pattern, flags).search(string)
File "C:\Python36\lib\re.py", line 301, in _compile
p = sre_compile.compile(pattern, flags)
File "C:\Python36\lib\sre_compile.py", line 562, in compile
p = sre_parse.parse(p, flags)
File "C:\Python36\lib\sre_parse.py", line 866, in parse
p.pattern.flags = fix_flags(str, p.pattern.flags)
File "C:\Python36\lib\sre_parse.py", line 840, in fix_flags
raise ValueError("cannot use UNICODE flag with a bytes pattern")
ValueError: cannot use UNICODE flag with a bytes pattern
字符串s：hello
字节类型b：b'hello'
字节e类型正则表达式pat：b'he'
re.S模式：
让圆点.这个通配符能够从默认的不支持换行符，变得可以匹配换行符。这在我们使用网络爬虫，爬取HTML文本的时候，非常重要。我们都知道，比如技术文章，网络小说中，文本通常都是大段大段的，并且包含很多换行符，为了将整个文本爬取下来，我们常常使用(.+)匹配核心文本内容，看下面的例子：
import re
s = """
水调歌头·明月几时有\n
宋代：苏轼\n
\n
丙辰中秋，欢饮达旦，大醉，作此篇，兼怀子由。\n
\n
明月几时有？把酒问青天。\n
不知天上宫阙，今夕是何年。\n
我欲乘风归去，又恐琼楼玉宇，高处不胜寒。\n
起舞弄清影，何似在人间？\n
转朱阁，低绮户，照无眠。\n
不应有恨，何事长向别时圆？\n
人有悲欢离合，月有阴晴圆缺，此事古难全。\n
但愿人长久，千里共婵娟。\n
"""
ret = re.search(r'(.+)
', s)
print(ret)
print(ret.group(1))
代码运行的结果不是我们想象的那样，根本就没匹配到任何东西。原因就是圆点默认不匹配换行符，导致整个匹配的失败。
解决方法就是使用re.S模式！如下所示替换代码中国的语句，运行后就能看到想要的结果。
ret = re.search(r'(.+)
', s, re.S)
八、分组功能
Python的re模块有一个分组功能。所谓的分组就是去已经匹配到的内容里面再筛选出需要的内容，相当于二次过滤。实现分组靠圆括号()，而获取分组的内容靠的是group()、groups()和groupdict()方法，其实前面我们已经展示过。re模块里的几个重要方法在分组上，有不同的表现形式，需要区别对待。
例一：match()方法，不分组时的情况：
import re
origin = "hasdfi123123safd"
# 不分组时的情况
r = re.match("h\w+", origin)
print(r.group()) # 获取匹配到的整体结果
print(r.groups()) # 获取模型中匹配到的分组结果元组
print(r.groupdict()) # 获取模型中匹配到的分组中所有key的字典
结果：
hasdfi123123safd
()
{}
例二：match()方法，有分组的情况（注意圆括号！）
import re
origin = "hasdfi123123safd123"
# 有分组
r = re.match("h(\w+).*(?P\d)$", origin)
print(r.group()) # 获取匹配到的整体结果
print(r.group(1)) # 获取匹配到的分组1的结果
print(r.group(2)) # 获取匹配到的分组2的结果
print(r.groups()) # 获取模型中匹配到的分组结果元组
print(r.groupdict()) # 获取模型中匹配到的分组中所有key的字典
执行结果：
hasdfi123123safd123
asdfi123123safd12
3
('asdfi123123safd12', '3')
{'name': '3'}
分析一下上面的代码，正则表达式h(\w+).*(?P中有2个小括号，表示它分了2个小组，在匹配的时候是拿整体的表达式去匹配的，而不是拿小组去匹配的。(\w+)表示这个小组内是1到多个字母数字字符，(?P中?P是个正则表达式的特殊语法，表示给这个小组取了个叫“name”的名字，?P是固定写法。在获取分组值的时候，group()和group(0)是对等的，都表示整个匹配到的字符串，从group(1)开始，分别是从左往右的小组序号，按位置顺序来。
有时候括号会存在嵌套情况，那怎么确定组的顺序1，2，3？要么用取名字的方法，要么就数左括号，第几个左括号就是第几个分组，例如（1（2，（3）），（4）），0表示表达式本身，不参加数左括号的动作。
例三，search()方法，有分组的情况：
import re
origin = "sdfi1ha23123safd123" # 注意这里对匹配对象做了下调整
# 有分组
r = re.search("h(\w+).*(?P\d)$", origin)
print(r.group())
print(r.group(0))
print(r.group(1))
print(r.group(2))
print(r.groups())
print(r.groupdict())
执行结果：
ha23123safd123
ha23123safd123
a23123safd12
3
('a23123safd12', '3')
{'name': '3'}
表现得和match()方法基本一样。
例四，findall()方法，没有分组的情况：
import re
origin = "has something have do"
# 无分组
r = re.findall("h\w+", origin)
print(r)
执行结果：
['has', 'hing', 'have']
# 一切看起来没什么不一样
注意到了没有？我根本没有调用group相关的方法，因为findall()的返回值是个列表，根本就没有group()、groups()、groupdict()的概念！
例五，findall()方法，有一个分组的情况：
import re
origin = "has something have do"
# 一个分组
r = re.findall("h(\w+)", origin)
print(r)
执行结果：
['as', 'ing', 'ave']
相比较前面未分组的例子，有没有发现什么？对了！没有圈在分组内的内容被抛弃了，比如这里的字符’h’。
例六，findall()方法，有两个以上分组的情况：
import re
origin = "hasabcd something haveabcd do" # 字符串调整了一下
# 两个分组
r = re.findall("h(\w+)a(bc)d", origin)
print(r)
运行结果：
[('as', 'bc'), ('ave', 'bc')]
注意到了返回值是什么了吗？元组组成的列表！
例七，sub()方法，有分组的情况：
import re
origin = "hasabcd something haveabcd do"
# 有分组
r = re.sub("h(\w+)", "haha",origin)
print(r)
运行结果：
haha somethaha haha do
看到没有？sub()没有分组的概念！这是因为sub()方法是用正则表达式整体去匹配，然后又整体的去替换，分不分组对它没有意义。这里一定要注意了！
例八，split()方法，有一个分组的情况：
import re
origin = "has abcd something abcd do"
# 有一个分组
r = re.split("(abcd)", origin)
print(r)
运行结果：
['has ', 'abcd', ' something ', 'abcd', ' do']
事实上，在前面我们已经展示过这个例子，通过分组，我们可以拿到split匹配到的分隔符。
例九，split()方法，有两个分组，并且嵌套：
import re
origin = "has abcd something abcd do"
# 有一个分组
r = re.split("(a(bc)d)", origin)
print(r)
运行结果：
['has ', 'abcd', 'bc', ' something ', 'abcd', 'bc', ' do']
例十，split()方法，有多个分组，并且嵌套：
import re
origin = "has abcd something abcd do"
# 有一个分组
r = re.split("(a(b)c(d))", origin)
print(r)
运行结果：
['has ', 'abcd', 'b', 'd', ' something ', 'abcd', 'b', 'd', ' do']
1-9 ↩︎