Python正则表达式

一、正则表达式

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
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
a| b	匹配a或b
(re)	对正则表达式分组并记住匹配的文本
(?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。

二、re模块

re模块是Python中用于正则表达式操作的标准库之一。它提供了一套方法和函数，用于在字符串中搜索、匹配和替换模式。

re模块主要包含以下常用函数和方法：

• re.compile(pattern, flags): 将正则表达式的模式编译为一个正则表达式对象，并返回该对象。

#语法：
re.compile(pattern[, flags])

解释
# 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，具体参数为：

# 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 为了增加可读性，忽略空格和 # 后面的注释

• re.search(pattern, string, flags): 在字符串中搜索匹配指定模式的第一个位置，并返回一个匹配对象。

# 语法：
re.search(pattern, string, flags=0)


# 解释：
# pattern：匹配的正则表达式
# 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，如：是否区分大小写，多行匹配等等。

• re.match(pattern, string, flags): 从字符串的开头开始匹配指定模式，并返回一个匹配对象。

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

# 解释：
# pattern：匹配的正则表达式
# 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，如：是否区分大小写，多行匹配等等。

• re.findall(pattern, string, flags): 在字符串中搜索匹配指定模式所有的位置，并返回一个包含所有匹配结果的列表。

# 语法：
findall(string[, pos[, endpos]])

# 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。

• re.sub(pattern, repl, string, count=0, flags=0): 将字符串中匹配指定模式的部分替换为指定的字符串，并返回替换后的字符串。

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

# 解释：
# 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：可选参数，表示正则表达式的匹配模式。默认值为0，表示使用标准的正则表达式匹配。

• re.split(pattern, string, maxsplit=0, flags=0): 根据指定的模式对字符串进行分割，并返回分割后的子字符串列表。

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

# 解释：
# 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，如：是否区分大小写，多行匹配等等。

除了这些常用函数和方法外，re模块还提供了其他一些函数和方法，用于对正则表达式进行操作和调整。在使用re模块时，可以通过传递不同的flags参数来控制正则表达式的匹配方式，如是否忽略大小写、是否使用多行模式等。

三、正则表达式实例

import re
# 匹配邮箱地址：
email = "[email protected]"
pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
match = re.match(pattern, email)
if match:
    print("邮箱地址有效")
else:
    print("邮箱地址无效")


# 匹配手机号码：
phone_number = "1234567890"
pattern = r"^[1-9]\d{9}$"
match = re.match(pattern, phone_number)
if match:
    print("手机号码有效")
else:
    print("手机号码无效")


# 提取字符串中的数字：
string = "abc123def456"
pattern = r"\d+"
numbers = re.findall(pattern, string)
print(numbers)  # 输出: ['123', '456']


# 替换字符串中的特定字符：
string = "Hello, World!"
pattern = r"[aeiou]"
replacement = "*"
new_string = re.sub(pattern, replacement, string)
print(new_string)  # 输出: H*ll*, W*rld!