Python 正则表达式

正则表达式是一个特别的字符序列，它能资助你方便的查抄一个字符串是否与某种模式匹配。
Python 自1.5版本起增长了re 模块，它提供 Perl 风格的正则表达式模式。
re 模块使 Python 语言拥有全部的正则表达式功能。
compile 函数根据一个模式字符串和可选的标志参数天生一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和更换。
re 模块也提供了与这些方法功能完全同等的函数，这些函数使用一个模式字符串做为它们的第一个参数。
本章节紧张先容Python中常用的正则表达式处置处罚函数。

---

re.match函数

re.match 实验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乐成的话，match() 就返回 none。
函数语法：

1. re.match(pattern, string, flags=0)

复制代码

函数参数分析：
参数形貌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：是否区分巨细写，多行匹配等等。拜见：正则表达式修饰符 - 可选标志匹配乐成 re.match 方法返回一个匹配的对象，否则返回 None。
我们可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式。
匹配对象方法形貌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，在这种环境下它将返回一个包罗那些组所对应值的元组。groups()返回一个包罗全部小组字符串的元组，从 1 到 所含的小组号。实例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re print(re.match('www', 'www.runoob.com').span()) # 在起始位置匹配 print(re.match('com', 'www.runoob.com')) # 不在起始位置匹配
以上实例运行输出结果为：

1. (0, 3)
2. None

复制代码

实例

#!/usr/bin/python import re line = "Cats are smarter than dogs" matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I) if matchObj: print "matchObj.group() : ", matchObj.group() print "matchObj.group(1) : ", matchObj.group(1) print "matchObj.group(2) : ", matchObj.group(2) else: print "No match!!"
以上实例实验结果如下：

1. matchObj.group() :  Cats are smarter than dogs
2. matchObj.group(1) :  Cats
3. matchObj.group(2) :  smarter

复制代码

---

re.search方法

re.search 扫描整个字符串并返回第一个乐成的匹配。
函数语法：

1. re.search(pattern, string, flags=0)

复制代码

函数参数分析：
参数形貌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：是否区分巨细写，多行匹配等等。匹配乐成re.search方法返回一个匹配的对象，否则返回None。
我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
匹配对象方法形貌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，在这种环境下它将返回一个包罗那些组所对应值的元组。groups()返回一个包罗全部小组字符串的元组，从 1 到 所含的小组号。实例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配 print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配
以上实例运行输出结果为：

1. (0, 3)
2. (11, 14)

复制代码

实例

#!/usr/bin/python import re line = "Cats are smarter than dogs"; searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I) if searchObj: print "searchObj.group() : ", searchObj.group() print "searchObj.group(1) : ", searchObj.group(1) print "searchObj.group(2) : ", searchObj.group(2) else: print "Nothing found!!"
以上实例实验结果如下：

1. searchObj.group() :  Cats are smarter than dogs
2. searchObj.group(1) :  Cats
3. searchObj.group(2) :  smarter

复制代码

---

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。
实例

#!/usr/bin/python import re line = "Cats are smarter than dogs"; matchObj = re.match( r'dogs', line, re.M|re.I) if matchObj: print "match --> matchObj.group() : ", matchObj.group() else: print "No match!!" matchObj = re.search( r'dogs', line, re.M|re.I) if matchObj: print "search --> searchObj.group() : ", matchObj.group() else: print "No match!!"
以上实例运行结果如下：

1. No match!!
2. search --> searchObj.group() :  dogs

复制代码

---

检索和更换

Python 的 re 模块提供了re.sub用于更换字符串中的匹配项。
语法：

1. re.sub(pattern, repl, string, count=0, flags=0)

复制代码

参数：

• pattern : 正则中的模式字符串。
  
• repl : 更换的字符串，也可为一个函数。
  
• string : 要被查找更换的原始字符串。
  
• count : 模式匹配后更换的最大次数，默认 0 表现更换全部的匹配。
  

实例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re phone = "2004-959-559 # 这是一个国外电话号码" # 删除字符串中的 Python解释 num = re.sub(r'#.*$', "", phone) print "电话号码是: ", num # 删除非数字(-)的字符串 num = re.sub(r'\D', "", phone) print "电话号码是 : ", num
以上实例实验结果如下：

1. 电话号码是:  2004-959-559
2. 电话号码是 :  2004959559

复制代码

repl 参数是一个函数

以下实例中将字符串中的匹配的数字乘以 2：
实例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re # 将匹配的数字乘以 2 def double(matched): value = int(matched.group('value')) return str(value * 2) s = 'A23G4HFD567' print(re.sub('(?P<value>\d+)', double, s))
实验输出结果为：

1. A46G8HFD1134

复制代码

re.compile 函数

compile 函数用于编译正则表达式，天生一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
语法格式为：

1. re.compile(pattern[, flags])

复制代码

参数：

• pattern : 一个字符串情势的正则表达式
  
• flags : 可选，表现匹配模式，比如忽略巨细写，多行模式等，详细参数为：
  
  
  
  • re.I 忽略巨细写
    
  • re.L 表现特别字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
    
  • re.M 多行模式
    
  • re.S 即为 . 而且包罗换行符在内的恣意字符（. 不包罗换行符）
    
  • re.U 表现特别字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
    
  • re.X 为了增长可读性，忽略空格和 # 反面的解释
    
  
  

实例

实例

>>>import re >>> pattern = re.compile(r'\d+') # 用于匹配至少一个数字 >>> m = pattern.match('one12twothree34four') # 查找头部，没有匹配 >>> print m None >>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配 >>> print m None >>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，恰好匹配 >>> print m # 返回一个 Match 对象 <_sre.SRE_Match object at 0x10a42aac0> >>> m.group(0) # 可省略 0 '12' >>> m.start(0) # 可省略 0 3 >>> m.end(0) # 可省略 0 5 >>> m.span(0) # 可省略 0 (3, 5)
在上面，当匹配乐成时返回一个 Match 对象，此中：

• group([group1, …]) 方法用于得到一个或多个分组匹配的字符串，当要得到整个匹配的子串时，可直接使用 group() 或 group(0)；
  
• start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
  
• end([group]) 方法用于获取分组匹配的子串在整个字符串中的竣事位置（子串末了一个字符的索引+1），参数默认值为 0；
  
• span([group]) 方法返回 (start(group), end(group))。
  

再看看一个例子：
实例

>>>import re >>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表现忽略巨细写 >>> m = pattern.match('Hello World Wide Web') >>> print m # 匹配乐成，返回一个 Match 对象 <_sre.SRE_Match object at 0x10bea83e8> >>> m.group(0) # 返回匹配乐成的整个子串 'Hello World' >>> m.span(0) # 返回匹配乐成的整个子串的索引 (0, 11) >>> m.group(1) # 返回第一个分组匹配乐成的子串 'Hello' >>> m.span(1) # 返回第一个分组匹配乐成的子串的索引 (0, 5) >>> m.group(2) # 返回第二个分组匹配乐成的子串 'World' >>> m.span(2) # 返回第二个分组匹配乐成的子串 (6, 11) >>> m.groups() # 等价于 (m.group(1), m.group(2), ...) ('Hello', 'World') >>> m.group(3) # 不存在第三个分组 Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: no such group
findall

在字符串中找到正则表达式所匹配的全部子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，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 findall 匹配全部。
语法格式为：

1. findall(string[, pos[, endpos]])

复制代码

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，默以为 0。
  
• endpos : 可选参数，指定字符串的竣事位置，默以为字符串的长度。
  

查找字符串中的全部数字：
实例

# -*- coding:UTF8 -*- import re pattern = re.compile(r'\d+') # 查找数字 result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2)
输出结果：

1. ['123', '456']
2. ['88', '12']

复制代码

多个匹配模式，返回元组列表：
实例

import re

result = re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
print(result)

1. [('width', '20'), ('height', '10')]

复制代码

re.finditer

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

1. re.finditer(pattern, string, flags=0)

复制代码

参数：
参数形貌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：是否区分巨细写，多行匹配等等。拜见：正则表达式修饰符 - 可选标志实例

# -*- coding: UTF-8 -*- import re it = re.finditer(r"\d+","12a32bc43jf3") for match in it: print (match.group() )
输出结果：

1. 12
2. 32
3. 43
4. 3

复制代码

re.split

split 方法按照可以大概匹配的子串将字符串分割后返回列表，它的使用情势如下：

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

复制代码

参数：
参数形貌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，默以为 0，不限定次数。flags标志位，用于控制正则表达式的匹配方式，如：是否区分巨细写，多行匹配等等。拜见：正则表达式修饰符 - 可选标志实例

>>>import re >>> re.split('\W+', 'runoob, runoob, runoob.') ['runoob', 'runoob', 'runoob', ''] >>> re.split('(\W+)', ' runoob, runoob, runoob.') ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', ''] >>> re.split('\W+', ' runoob, runoob, runoob.', 1) ['', 'runoob, runoob, runoob.'] >>> re.split('a*', 'hello world') # 对于一个找不到匹配的字符串而言，split 不会对其作出分割 ['hello world']

---

正则表达式对象

re.RegexObject

re.compile() 返回 RegexObject 对象。
re.MatchObject

group() 返回被 RE 匹配的字符串。

• start() 返回匹配开始的位置
  
• end() 返回匹配竣事的位置
  
• span() 返回一个元组包罗匹配 (开始,竣事) 的位置
  

---

正则表达式修饰符 - 可选标志

正则表达式可以包罗一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：
修饰符形貌re.I使匹配对巨细写不敏感re.L做当地化辨认（locale-aware）匹配re.M多行匹配，影响 ^ 和 $re.S使 . 匹配包罗换行在内的全部字符re.U根据Unicode字符集分析字符。这个标志影响 \w, \W, \b, \B.re.X该标志通过给予你更机动的格式以便你将正则表达式写得更易于明确。

---

正则表达式模式

模式字符串使用特别的语法来表现一个正则表达式：
字母和数字表现他们自身。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差异的寄义。
标点符号只有被转义时才匹配自身，否则它们表现特别的寄义。
反斜杠本身必要使用反斜杠转义。
由于正则表达式通常都包罗反斜杠，以是你最好使用原始字符串来表现它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特别字符。
下表列出了正则表达式模式语法中的特别元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的寄义会改变。
模式形貌^匹配字符串的开头$匹配字符串的末了。.匹配恣意字符，除了换行符，当re.DOTALL标志被指定时，则可以匹配包罗换行符的恣意字符。[...]用来表现一组字符,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界说的片断，非贪婪方式re{ n}准确匹配 n 个前面表达式。比方， 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。比方， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的全部 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界说的片断，贪婪方式a| b匹配a或b(re)对正则表达式分组并记取匹配的文本(?imx)正则表达式包罗三种可选标志：i, m, 或 x 。只影响括号中的地区。(?-imx)正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的地区。(?: re)类似 (...), 但是不表现一个组(?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(?#...)解释.(?= re)前向肯定界定符。如果所含正则表达式，以 ... 表现，在当前位置乐成匹配时乐成，否则失败。但一旦所含表达式已经实验，匹配引擎根本没有进步；模式的剩余部分还要实验界定符的右边。(?! 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乐成(?> 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匹配恣意空缺字符，等价于 [ \t\n\r\f]。\S匹配恣意非空字符\d匹配恣意数字，等价于 [0-9].\D匹配恣意非数字\A匹配字符串开始\Z匹配字符串竣事，如果是存在换行，只匹配到换行前的竣事字符串。\z匹配字符串竣事\G匹配末了匹配完成的位置。\b匹配一个单词界限，也就是指单词和空格间的位置。比方， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。\B匹配非单词界限。'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。

---

正则表达式实例

字符匹配

实例形貌python匹配 "python".字符类

实例形貌[Pp]ython匹配 "ython" 或 "python"rub[ye]匹配 "ruby" 或 "rube"[aeiou]匹配中括号内的恣意一个字母[0-9]匹配任何数字。类似于 [0123456789][a-z]匹配任何小写字母[A-Z]匹配任何大写字母[a-zA-Z0-9]匹配任何字母及数字[^aeiou]除了aeiou字母以外的全部字符[^0-9]匹配除了数字外的字符特别字符类

实例形貌.匹配除 "\n" 之外的任何单个字符。要匹配包罗 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。\d匹配一个数字字符。等价于 [0-9]。\D匹配一个非数字字符。等价于 [^0-9]。\s匹配任何空缺字符，包罗空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。\S匹配任何非空缺字符。等价于 [^ \f\n\r\t\v]。\w匹配包罗下划线的任何单词字符。等价于'[A-Za-z0-9_]'。\W匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。