Python正则表达式

目录
一、正则表达式语法
二、Python支持的其它正则表达式的标志位flags
三、标准库模块 re

Python正则表达式

一、正则表达式语法

1.基本模式

语法	说明	模式示例	匹配
普通字符	普通的文本值代表自身，用于匹配非特殊字符	ab	ab
.	匹配除换行符\n以外的任意一个字符。如果要匹配多行文本，可以指定re.DOTALL标志位	ab.	匹配abc或abC，不匹配ab。因为b后面一定要有一个字符
\	转义字符，比如要匹配点号.本身，需要转义它.，如果不转义，.将有上一行所示的特殊含义	ab.	匹配ab.com，不匹配abc
[]	匹配中括号内的一个字符 1. 中括号内的字符可以全部列出，如[abc]表示匹配字符a或b或c 2. 也可以使用-表示范围，如[a-z]表示匹配所以小写字母中的任意一个字符 3. 本文后续要介绍的如、+等特殊字符在中括号内将失去特殊含义，如[+()]表示匹配字符*或+或(或) 4. 本文后续要介绍的特殊字符集如\d、\w等也可以放入此中括号内，继续保持特殊含义 5. 如果中括号内的字符序列前面有一个，表示不匹配中括号内的任何一个字符，如[0-9]表示不匹配数字，a[^0-9]c不匹配a1c，但会匹配abc 6. 要匹配字符]，可以转义它，或者把它放在中括号内的首位，如a[()[]{}]c或a[{}]c都可以匹配到a]c	a[0-9]b	a1b或a2b

2.特殊字符集

语法	说明	模式示例	匹配
\d	匹配任意一个数字字符，等价于[0-9]	a\db	a1b
\D	匹配任意一个非数字字符，等价于[^0-9]	a\Db	aAb
\s	匹配任意一个空白字符，等价于[ \t\n\r\f\v]	a\sb	a b
\S	匹配任意一个非空白字符，等价于[^ \t\n\r\f\v]	a\Sb	aAb
\w	匹配任意一个 alphanumeric character，等价于[a-zA-Z0-9_]	a\wb	azb或aZb或a1b或a_b
\W	匹配任意一个 non-alphanumeric character，等价于[^a-zA-Z0-9_]	a\Wb	a-b或a b

3.匹配数量

语法	说明	模式示例	匹配
prev*	匹配0个或多个 prev，尽可能多地匹配，贪婪模式，等价于{0,}	ab*	a或ab或abb或abbb，注意是匹配字符a后面跟0个或多个字符b
prev*?	匹配0个或多个 prev，尽可能少地匹配，非贪婪模式	ab*?	a，非贪婪模式下匹配0个字符b
prev+	匹配1个或多个 prev，尽可能多地匹配，贪婪模式，等价于{1,}	ab+	ab或abb或abbb
prev+?	匹配1个或多个 prev，尽可能少地匹配，非贪婪模式	ab+?	ab，非贪婪模式下匹配1个字符b
prev?	匹配0个或1个 prev，尽可能多地匹配，贪婪模式，等价于{0,1}	ab?	a或ab
prev??	匹配0个或1个 prev，尽可能少地匹配，非贪婪模式	ab??	a，非贪婪模式下匹配0个字符b
prev{m}	匹配m个连续的 prev	a{3}	aaa
prev{m,n}	匹配m到n个连续的 prev ，尽可能多地匹配，贪婪模式。n可选，如果不指定，则表示m到无穷多个连续的 prev	a{3,5}	aaa或aaaa或aaaaa
prev{m,n}?	匹配m到n个连续的 prev ，尽可能少地匹配，非贪婪模式	a{3,5}?	aaa

4.边界

语法	说明	模式示例	匹配
^prev	匹配以 prev 开头的字符串（脱字符）。多行文本中，默认^只会匹配第一行的开头位置，如果设置了re.MULTILINE标志位，则^也会匹配换行符之后的开头位置	^ab	abcd
prev$	匹配以 prev 结尾的字符串。多行文本中，默认$只会匹配最后一行的结尾位置，如果设置了re.MULTILINE标志位，则$也会匹配换行符之前的结尾位置	ab$	只匹配ab。如果是.*ab$则会匹配123ab，否则使用ab\Z
\b	单词边界。Matches the empty string, but only at the beginning or end of a word. A word is defined as a sequence of word characters. Note that formally, \b is defined as the boundary between a \w and a \W character (or vice versa), or between \w and the beginning/end of the string. 注意： \b在Python中默认会被转义为\x08表示退格，需要将整个正则表达式指定为原始字符串（在前面加个r），即r'\bfoo\b'	r'\bfoo\b' 请使用re.findall()测试	匹配foo或foo.或(foo)或bar foo baz，但不匹配foobar或foo3
\B	非单词边界。Matches the empty string, but only when it is not at the beginning or end of a word. \B is just the opposite of \b.	py\B	匹配python或py3或py2，但不匹配py或py.或py!
\A	仅匹配以之开头的字符串	\Aab	abcde
\Z	仅匹配以之结尾的字符串	ab\Z	123ab

5.分组

语法	说明	模式示例	匹配
(expr)	将小括号内的表达式作为一个分组，后面可以接表示数量的特殊字符。每个分组的编号从1开始递增，后续可以使用\1、\2这样引用分组匹配到的内容	a(bc)?d	ad或abcd，不匹配abcbcd
expr1 │expr2	匹配 expr1 或 expr2 ，a│b│c等价于[abc]，都表示匹配字符a或b或c。从左至右，如果匹配了某个表达式，则跳过后续表达式。expr1 │ expr2表示作用于整个待匹配的字符串，而(expr1│expr2)加入小括号内表示分组，不是整个字符串	p(i│u)g	pig或pug
\1	引用编号为1的分组匹配到的字符串，同理\2表示引用第2个分组。注意： 此时为了不让Python自动将\1转义为\x01，需要将整个正则表达式指定为原始字符串（在前面加个r），即r'a(\d)b\1c'	r'a(\d)b\1c'	a3b3c
(?Pexpr)	类似于(expr)，同时给分组指定了一个别名NAME，注意是大写的字母P	r'a(?P\d)b\1c'	a3b3c
(?P=NAME)	引用别名为NAME的分组，当然也可以继续使用编号的形式引用分组如\1，此时要加r指定为原始字符串	a(?P\d)b(?P=quote)c 或 r'a(?P\d)b\1c'	a3b3c

6.扩展语法

语法	说明	模式示例	匹配
(?:expr)	非捕获组。如果分组后续要被\1这样的形式引用，使用(expr)，这叫捕获组，后面可以接表示数量的特殊字符。如果不想分组被引用，就使用(?:expr)，这叫非捕获组，后面可以接表示数量的特殊字符	a(?:\d)+bc，此时不支持引用分组，像r'a(?:\d)+b\1c'这样的属于语法错误	a333bc
prev(?=next)	如果后面为 next，则返回 prev	ab(?=\d)	如果ab后面紧跟一个数字，则匹配，比如ab3，返回ab
prev(?!next)	如果后面不是 next，则返回 prev	ab(?!\d)	如果ab后面不是紧跟一个数字，则匹配，比如abc，返回ab
(?<=prev)next	如果前面为 prev，则返回 next	(?<=\d)ab	如果ab前面是一个数字，则匹配，比如1ab，返回ab
(?	如果前面不是 prev，则返回 next	(?	如果ab前面不是一个数字，则匹配，比如Aab，返回ab

二、修饰符

Python支持的其它正则表达式的标志位flags

• re.A： 或re.ASCII，使\w/\W/d/\D/\s/\S/\b/\B只匹配ASCII字符，不匹配Unicode字符。
• re.I： 或re.IGNORECASE，忽略大小写，[A-Z]会匹配小写字母。
• re.M： 或re.MULTILINE，多行模式，改变^或$的默认行为。
• re.S： 或re.DOTALL，使”.“匹配任何字符，包括换行。如果没有此标志，.将匹配除换行以外的任何内容。
• re.U： 或re.UNICODE，默认使用此标志位，\w/\W/d/\D/\s/\S/\b/\B会匹配Unicode字符，如果指定了re.A标志，则re.U失效。
• re.X： 或re.VERBOSE，允许整个正则表达式写成多行，忽略空白字符，并可以添加#开头的注释，这样更美观。

三、标准库模块 re

1.re.match()：从字符串开头开始匹配

re.match()：从字符串起始位置匹配正则表达式。如果匹配成功，则返回结果，否则返回None。

2.re.search()：寻找首次匹配

re.search()：扫描整个字符串，返回第一个匹配结果。

3.re.findall()或re.finditer()：寻找所有匹配

re.findall()：扫描整个字符串，返回所有的匹配结果组成的列表。匹配失败则返回空列表。

4.re.split()：按匹配切分

# 按换行符切分字符串，返回切分后的列表
re = re.split("\n", content)

5.re.sub()：替换匹配

re.sub()：替换格式匹配的文本。
示例：

# 删去字符串中的所有数字
content = '12df4324jnhfdsf4324kjnvfdv434fdsi3244jkf'
reg = '\d+'
r = re.sub(reg, '', content)
print(r)

运行结果

6.re.compile()：创建匹配模式

示例：

c1 = '2019-06-29 14:10'
c2 = '2016-09-13 17:36'
p = re.compile("\d{2}:\d{2}")
print(re.sub(p, '', c1))
print(re.sub(p, '', c2))

运行结果