????????正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則，凡是符合規則的字符串，我們就認為它“匹配”了，否則，該字符串就是不合法的。

1 正則表達式

1.1 定位符

????????行定位符就是用來描述字符串的邊界，“^”表示行的開始，“$”表示行的結尾。

^tm # 表示要匹配字符串tm的開始位置是行頭 tm$ # 表示要匹配字符串tm的結束位置是行尾

1.2 元字符

????????除了上一節介紹的元字符“^”和“$”外，正則表達式還有更多的元字符，見下圖。

圖1 常用元字符

????????假設你在一篇英文小說里查找hi，你可以使用正則表達式hi。不幸的是，很多單詞里包含hi這兩個連續的字符，比如him,history,high等等。用hi來查找的話，這里邊的hi也會被找出來。如果要精確地查找hi這個單詞的話，我們應該使用\bhi\b。

????????\b是正則表達式規定的一個特殊代碼（某些地方叫它元字符，metacharacter），代表著單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標點符號或者換行來分隔的，但是\b并不匹配這些單詞分隔字符中的任何一個，它只匹配一個位置。

1.3 限定符

????????我們知道，使用(\w*)匹配任意數量的字母或數字，如果想匹配特定數量的數字，就需要使用限定符(指定數量的字符)來實現該功能，如果匹配8位QQ號可用如下表達式：

^\d{8}$
圖2 常用限定符

1.4 字符類

????????正則表達式查找數字和字母是很簡單的，因為已經有了對應這些字符集合的元字符（如\d、\w)，但是如果要匹配沒有預定義元字符的字符集合(比如元音字母a, e, i, o, u)，應該怎么辦？

????????很簡單，只需要在方括號里列出它們就行了，像[aeiou]可以匹配任何一個英文元音字母，[.?!]匹配標點符號(“.” “?”或“!”)。也可以輕松地指定一個字符范圍，像[0-9]代表的含義與\d就是完全一致的：一位數字；同理，[a-z0-9A-Z_]完全等同于\w(如果只考慮英文的話)。

????????說明：要想匹配給定字符串中任意一個漢字，可以使用[\u4e00-\u9fa5]；如果要匹配連續多個漢字，可以使用[\u4e00-\u9fa5]+。

1.5 排除字符

????????在1.1小節列出的是匹配符合指定字符集合的字符串。現在反過來，匹配不符合指定字符集合的字符串。正則表達式提供了^字符。這個元字符在1.1小節中出現過，表示行的開始。而這里將會放到方括號中，表示排除的意思。例如:

[^a-zA-Z]

????????該表達式用于匹配一個不是字母的字符串。

1.6 選擇字符

????????試想一下，如何匹配身份證號碼？首先需要了解一下身份證號碼的規則。身份證號碼長度為15位或者18位。如果為15位時，則全為數字；如果為18位時，前17位為數字，最后一位是校驗位，可能為數字或字符X。
在上面的描述中，包含著條件選擇的邏輯，這就需要使用選擇字符(|)來實現。該字符可以理解為‘或’，匹配身份證的表達式可以寫成如下方式：

(^\d{15}$)|(^\d{18}$)|(^\d{17})(\d|X|x)$)

????????該表達式的意思是以匹配15位數字，或者18位數字，或者17位數字和最后一位。最后一位可以是數字，也可以是X或者x。

1.7 轉義字符

????????正則表達式中的轉義字符()和Python中的大同小異，都是將特殊字符（如“”“?”“|”等）變為普通的字符。舉一個IP地址的實例，用正則表達式匹配諸如“127.0.0.1”格式的IP地址。如果直接使用點字符，格式為:

[1-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}

????????這顯然不對，因為“.”可以匹配一個任意字符。這時，不僅是127.0.0.1這樣的IP，連127101011這樣的字符串也會被匹配出來。所以在使用“.”時，需要使用轉義字符)。修改后上面的正則表達式格式為:

[1-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}

1.8 分組

????????通過1.6小節中的例子，相信讀者已經對小括號的作用有了一定的了解。小括號字符的第一個作用就是可以改變限定符的作用范圍，如“|”、“*”、“^”等。例如下面的表達式中包含小括號。

(six|four)th

????????這個表達式的意思是匹配單詞sixth或fourth，如果不使用小括號，那么就變成了匹配單詞six和fourth了。
小括號的第二個作用是分組，也就是子表達式。如(\.[0-9]{1,3}){3}，就是對分組(\.[0-9]{1,3})進行重復操作。

????????由于模式字符串中可能包括大量的特殊字符和反斜杠，所以需要寫為原生字符串，即在模式字符串前加r或R。例如，模式字符串采用原生字符串表示為:

r`\bm\w*\b`

????????推薦幾個正則表達式在線測試工具，

• 菜鳥工具：https://c.runoob.com/front-end/854/
• Regulex：https://jex.im/regulex/#!flags=&re=%5B0-9%5D%2B
• RegExr：https://regexr.com/

---

2 Re模塊

????????Python提供了re模塊，用于實現正則表達式的操作。在實現時，可以使用re模塊提供的方法（如search()、match()、findall()等）進行字符串處理，也可以先使用re模塊的compile()方法將模式字符串轉換為正則表達式對象，然后再使用該正則表達式對象的相關方法來操作字符串。下面是re模塊中的核心函數。

2.1 編譯表達式

????????compile函數用于編譯正則表達式，生成一個正則表達式(Pattern)對象，供 match()和search()這兩個函數使用。]
參數說明：

• pattern：表示模式字符串，由要匹配的正則表達式轉換而來。
• flags：可選參數，表示標志位，用于控制匹配方式，如是否區分字母大小寫。常用的標志如圖3所示。

圖3 常用標志

語法格式為：

re.compile(pattern[, flags])

2.2 匹配字符串

????????匹配字符串可以使用re模塊提供的match()、search()、findall()等方法。

1. 使用match()方法進行匹配

????????match()方法用于從字符串的開始處進行匹配，如果在起始位置匹配成功，則返回Match對象，否則返回None。其語法格式如下:

re.match(pattern, string, [flags])

參數說明：

• pattern：表示模式字符串，由要匹配的正則表達式轉換而來。
• string：表示要匹配的字符串。
• flags：可選參數，表示標志位，用于控制匹配方式，如是否區分字母大小寫。常用的標志如圖3所示。

例如，匹配字符串是否以mr_開頭，不區分字母大小寫，代碼如下:

import re pattern = re.compile(r'mr_\w+', re.I) # 模式字符串，不區分大小寫 string1 = 'MR_SHOP mr_shop' # 要匹配的字符串 m1 = pattern.match(string1) print(m1) # <re.Match object; span=(0, 7), match='MR_SHOP'> string2 = '項目名稱 MR_SHOP mr_shop' m2 = pattern.match(string2) print(m2) # None

????????由上面的結果我們可以看到，match()方法從字符串的開始位置開始匹配，如果匹配成功，則返回一個Match對象包含了匹配值的位置和匹配數據。其中，要獲取匹配值的起始位置可以使用Match對象的start()方法；要獲取匹配值的結束位置可以使用end()方法；通過span()方法可以返回匹配位置的元組；通過string屬性可以獲取要匹配的字符串。例如下面的代碼:

import repattern = re.compile(r'mr_\w+', re.I) # 模式字符串，不區分大小寫 string1 = 'MR_SHOP mr_shop' # 要匹配的字符串 m1 = pattern.match(string1)print('匹配值的起始位置：', m1.start()) print('匹配值的結束位置：', m1.end()) print('匹配位置的元組：', m1.span()) print('要匹配的字符串：', m1.string) print('匹配數據：', m1.group())

執行結果如下：

匹配值的起始位置： 0
匹配值的結束位置： 7
匹配位置的元組： (0, 7)
要匹配的字符串： MR_SHOP mr_shop
匹配數據： MR_SHOP

2. 使用search()方法進行匹配
????????search()方法用于在整個字符串中搜索第一個匹配的值，如果匹配成功，則返回Match對象，否則返回None。search()方法的語法格式如下:

re.search(pattern, string, [flags])

參數說明：

• pattern：表示模式字符串，由要匹配的正則表達式轉換而來。
• string：表示要匹配的字符串。
• flags：可選參數，表示標志位，用于控制匹配方式，如是否區分字母大小寫。

????????搜索第一個以mr_開頭的字符串，不區分字母大小寫，代碼如下:

import repattern = re.compile(r'mr_\w+', re.I) # 模式字符串，不區分大小寫 string1 = 'MR_SHOP mr_shop' # 要匹配的字符串 match = pattern.search(string1) print(match) string2 = '項目名稱 MR_SHOP mr_shop' match = pattern.search(string2) print(match)

執行結果如下：

<re.Match object; span=(0, 7), match=‘MR_SHOP’>
<re.Match object; span=(5, 12), match=‘MR_SHOP’>

使用findall()方法進行匹配

????????findall()方法用于在整個字符串中搜索所有符合正則表達式的字符串，并以列表的形式返回。如果匹配成功，則返回包含匹配結構的列表，否則返回空列表。findall()方法的語法格式如下:

re.findall(pattern, string, [flags])

• pattern：表示模式字符串，由要匹配的正則表達式轉換而來。
• string：表示要匹配的字符串。
• flags：可選參數，表示標志位，用于控制匹配方式，如是否區分字母大小寫。

????????搜索以mr_開頭的字符串，不區分字母大小寫，代碼如下:

import repattern = re.compile(r'mr_\w+', re.I) # 模式字符串，不區分大小寫 string1 = 'MR_SHOP mr_shop' # 要匹配的字符串 m1 = pattern.match(string1) string2 = '項目名稱 MR_SHOP mr_shop' m2 = pattern.match(string2) match = pattern.findall(string1) print(match) match = pattern.findall(string2) print(match)

執行結果如下：

[‘MR_SHOP’, ‘mr_shop’]
[‘MR_SHOP’, ‘mr_shop’]

2.3 替換字符串

????????sub()方法用于實現字符串替換，語法格式如下：

re.sub(pattern, repl, string, count, flags)

參數說明：

• pattern：表示模式字符串，由要匹配的正則表達式轉換而來。
• repl：表示替換的字符串。
• string：表示要被查找替換的原始字符串。
• count：可選參數，表示模式匹配后替換的最大次數，默認值為0，表示替換所有的匹配。
• flags：可選參數，表示標志位，用于控制匹配方式，如是否區分字母大小寫。

????????替換敏感字符，代碼如下：

import re pattern = re.compile(r'(黑客)|(抓包)|(監聽)|(Trojan)') string = "我是一名程序員，我喜歡看黑客方面的書，想研究一下Trojan。\n" sub = pattern.sub('@_@', string) print(sub) # 輸出為：我是一名程序員，我喜歡看@_@方面的書，想研究一下@_@。

2.4 分割字符串

????????split()方法用于實現根據正則表達式分割字符串，并以列表的形式返回。其作用同字符串對象的split()方法類似，所不同的就是分割字符由模式字符串指定。split()方法的語法格式如下:

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

參數說明：

• pattern：表示模式字符串，由要匹配的正則表達式轉換而來。
• string：表示要匹配的字符串。
• maxsplit：可選參數，表示最大的拆分次數。
• flags：可選參數，表示標志位，用于控制匹配方式，如是否區分字母大小寫。

????????例如，從給定的URL地址中提取出請求地址和各個參數，代碼如下:

pattern = re.compile(r'[?|&]') url = 'http://www.mingrisoft.com/login.jsp?username="mr"&pwd="mrsoft"' result = pattern.split(url) print(result) # 輸出為：['http://www.mingrisoft.com/login.jsp', 'username="mr"', 'pwd="mrsoft"']

---

小結：

函數說明

re.compile(pattern, flags=0)	編譯正則表達式返回正則表達式對象
re.match(pattern, string, flags=0)	用正則表達式匹配字符串 成功返回匹配對象 否則返回None
re.search(pattern, string, flags=0)	搜索字符串中第一次出現正則表達式的模式 成功返回匹配對象 否則返回None
re.split(pattern, string, maxsplit=0, flags=0)	用正則表達式指定的模式分隔符拆分字符串 返回列表
re.sub(pattern, repl, string, count=0, flags=0)	用指定的字符串替換原字符串中與正則表達式匹配的模式 可以用count指定替換的次數
re.fullmatch(pattern, string, flags=0)	match函數的完全匹配（從字符串開頭到結尾）版本
re.findall(pattern, string, flags=0)	查找字符串所有與正則表達式匹配的模式 返回字符串的列表
re.finditer(pattern, string, flags=0)	查找字符串所有與正則表達式匹配的模式 返回一個迭代器
re.purge()	清除隱式編譯的正則表達式的緩存
re.I / re.IGNORECASE	忽略大小寫匹配標記
re.M / re.MULTILINE	多行匹配標記

---

參考

• 正則表達式30分鐘入門教程：https://deerchao.cn/tutorials/regex/regex.htm
• 字符串和正則表達式：https://github.com/jackfrued/Python-100-Days/blob/master/Day01-15
• Python3 正則表達式：https://www.runoob.com/python3/python3-reg-expressions.html

總結

以上是生活随笔為你收集整理的Python基础篇（九）-- 正则表达式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。