一、簡介

正則表達式本身是一種小型的、高度專業化的編程語言，而在python中，通過內嵌集成re模塊，程序媛們可以直接調用來實現正則匹配。正則表達式模式被編譯成一系列的字節碼，然后由用C編寫的匹配引擎執行。

二、正則表達式中常用的字符含義

1、普通字符和11個元字符：

普通字符

匹配自身

abc

abc

.

匹配任意除換行符"\n"外的字符(在DOTALL模式中也能匹配換行符

a.c

abc

\

轉義字符，使后一個字符改變原來的意思

a\.c;a\\c

a.c;a\c

*

匹配前一個字符0或多次

abc*

ab;abccc

+

匹配前一個字符1次或無限次

abc+

abc;abccc

?

匹配一個字符0次或1次

abc?

ab;abc

^

匹配字符串開頭。在多行模式中匹配每一行的開頭

^abc

abc

$

匹配字符串末尾，在多行模式中匹配每一行的末尾

abc$

abc

|

或。匹配|左右表達式任意一個，從左到右匹配，如果|沒有包括在()中，則它的范圍是整個正則表達式

abc|def

abc

def

{}

{m}匹配前一個字符m次，{m,n}匹配前一個字符m至n次，若省略n，則匹配m至無限次

ab{1,2}c

abc

abbc

[]

字符集。對應的位置可以是字符集中任意字符。字符集中的字符可以逐個列出，也可以給出范圍，如[abc]或[a-c]。[^abc]表示取反，即非abc。

所有特殊字符在字符集中都失去其原有的特殊含義。用\反斜杠轉義恢復特殊字符的特殊含義。

a[bcd]e

abe

ace

ade

()

被括起來的表達式將作為分組，從表達式左邊開始沒遇到一個分組的左括號“(”，編號+1.

分組表達式作為一個整體，可以后接數量詞。表達式中的|僅在該組中有效。

(abc){2}

a(123|456)c

abcabc

a456c

這里需要強調一下反斜杠\的作用：

反斜杠后邊跟元字符去除特殊功能；(即將特殊字符轉義成普通字符)

反斜杠后邊跟普通字符實現特殊功能；(即預定義字符)

引用序號對應的字組所匹配的字符串。

a=re.search(r'(tina)(fei)haha\2','tinafeihahafei tinafeihahatina').group()

print(a)

結果：

tinafeihahafei

2、預定義字符集(可以寫在字符集[...]中)

\d

數字:[0-9]

a\bc

a1c

\D

非數字:[^\d]

a\Dc

abc

\s

匹配任何空白字符:[\t\r\n\f\v]

a\sc

a c

\S

非空白字符:[^\s]

a\Sc

abc

\w

匹配包括下劃線在內的任何字字符:[A-Za-z0-9_]

a\wc

abc

\W

匹配非字母字符，即匹配特殊字符

a\Wc

a c

\A

僅匹配字符串開頭,同^

\Aabc

abc

\Z

僅匹配字符串結尾，同$

abc\Z

abc

\b

匹配\w和\W之間，即匹配單詞邊界匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。

\babc\b

a\b!bc

空格abc空格

a!bc

\B

[^\b]

a\Bbc

abc

這里需要強調一下\b的單詞邊界的理解：

w = re.findall('\btina','tian tinaaaa')

print(w)

s = re.findall(r'\btina','tian tinaaaa')

print(s)

v = re.findall(r'\btina','tian#tinaaaa')

print(v)

a = re.findall(r'\btina\b','tian#tina@aaa')

print(a)

執行結果如下：

[]

['tina']

['tina']

['tina']

3、特殊分組用法：

(?P)

分組，除了原有的編號外再指定一個額外的別名

(?Pabc){2}

abcabc

(?P=name)

引用別名為的分組匹配到字符串

(?P\d)abc(?P=id)

1abc1

5abc5

\

引用編號為的分組匹配到字符串

(\d)abc\1

1abc1

5abc5

三、re模塊中常用功能函數

1、compile()

編譯正則表達式模式，返回一個對象的模式。(可以把那些常用的正則表達式編譯成正則表達式對象，這樣可以提高一點效率。)

格式：

re.compile(pattern,flags=0)

pattern: 編譯時用的表達式字符串。

flags 編譯標志位，用于修改正則表達式的匹配方式，如：是否區分大小寫，多行匹配等。常用的flags有：

標志

含義

re.S(DOTALL)

使.匹配包括換行在內的所有字符

re.I(IGNORECASE)

使匹配對大小寫不敏感

re.L(LOCALE)

做本地化識別(locale-aware)匹配，法語等

re.M(MULTILINE)

多行匹配，影響^和$

re.X(VERBOSE)

該標志通過給予更靈活的格式以便將正則表達式寫得更易于理解

re.U

根據Unicode字符集解析字符，這個標志影響\w,\W,\b,\B

import re

tt = "Tina is a good girl, she is cool, clever, and so on..."

rr = re.compile(r'\w*oo\w*')

print(rr.findall(tt)) #查找所有包含'oo'的單詞

執行結果如下：

['good', 'cool']

2、match()

決定RE是否在字符串剛開始的位置匹配。//注：這個方法并不是完全匹配。當pattern結束時若string還有剩余字符，仍然視為成功。想要完全匹配，可以在表達式末尾加上邊界匹配符'$'

格式：

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

print(re.match('com','comwww.runcomoob').group())

print(re.match('com','Comwww.runcomoob',re.I).group())

執行結果如下：

com

com

3、search()

格式：

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

re.search函數會在字符串內查找模式匹配,只要找到第一個匹配然后返回，如果字符串沒有匹配，則返回None。

print(re.search('\dcom','www.4comrunoob.5com').group())

執行結果如下：

4com

*注：match和search一旦匹配成功，就是一個match object對象，而match object對象有以下方法：

group() 返回被 RE 匹配的字符串

start() 返回匹配開始的位置

end() 返回匹配結束的位置

span() 返回一個元組包含匹配 (開始,結束) 的位置

group() 返回re整體匹配的字符串，可以一次輸入多個組號，對應組號匹配的字符串。

a. group()返回re整體匹配的字符串，

b. group (n,m) 返回組號為n，m所匹配的字符串，如果組號不存在，則返回indexError異常

c.groups()groups() 方法返回一個包含正則表達式中所有小組字符串的元組，從 1 到所含的小組號，通常groups()不需要參數，返回一個元組，元組中的元就是正則表達式中定義的組。

import re

a = "123abc456"

print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整體

print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123

print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc

print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456

###group(1) 列出第一個括號匹配部分，group(2) 列出第二個括號匹配部分，group(3) 列出第三個括號匹配部分。###

4、findall()

re.findall遍歷匹配，可以獲取字符串中所有匹配的字符串，返回一個列表。

格式：

re.findall(pattern, string, flags=0)

p = re.compile(r'\d+')

print(p.findall('o1n2m3k4'))

執行結果如下：

['1', '2', '3', '4']

import re

tt = "Tina is a good girl, she is cool, clever, and so on..."

rr = re.compile(r'\w*oo\w*')

print(rr.findall(tt))

print(re.findall(r'(\w)*oo(\w)',tt))#()表示子表達式

執行結果如下：

['good', 'cool']

[('g', 'd'), ('c', 'l')]

5、finditer()

搜索string，返回一個順序訪問每一個匹配結果(Match對象)的迭代器。找到 RE 匹配的所有子串，并把它們作為一個迭代器返回。

格式：

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

iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')

for i in iter:

print(i)

print(i.group())

print(i.span())

執行結果如下：

12

(0, 2)

44

(8, 10)

11

(24, 26)

10

(31, 33)

6、split()

按照能夠匹配的子串將string分割后返回列表。

可以使用re.split來分割字符串，如：re.split(r'\s+', text)；將字符串按空格分割成一個單詞列表。

格式：

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

maxsplit用于指定最大分割次數，不指定將全部分割。

print(re.split('\d+','one1two2three3four4five5'))

執行結果如下：

['one', 'two', 'three', 'four', 'five', '']

7、sub()

使用re替換string中每一個匹配的子串后返回替換后的字符串。

格式：

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

import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."

print(re.sub(r'\s+', '-', text))

執行結果如下：

JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

其中第二個函數是替換后的字符串；本例中為'-'

第四個參數指替換個數。默認為0，表示每個匹配項都替換。

re.sub還允許使用函數對匹配項的替換進行復雜的處理。

如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；將字符串中的空格' '替換為'[ ]'。

import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."

print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0))

執行結果如下：

JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

8、subn()

返回替換次數

格式：

subn(pattern, repl, string, count=0, flags=0)

print(re.subn('[1-2]','A','123456abcdef'))

print(re.sub("g.t","have",'I get A, I got B ,I gut C'))

print(re.subn("g.t","have",'I get A, I got B ,I gut C'))

執行結果如下：

('AA3456abcdef', 2)

I have A, I have B ,I have C

('I have A, I have B ,I have C', 3)

四、一些注意點

1、re.match與re.search與re.findall的區別：

re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

a=re.search('[\d]',"abc33").group()

print(a)

p=re.match('[\d]',"abc33")

print(p)

b=re.findall('[\d]',"abc33")

print(b)

執行結果：

3

None

['3', '3']

2、貪婪匹配與非貪婪匹配

*?,+?,??,{m,n}? ? ?前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配

a = re.findall(r"a(\d+?)",'a23b')

print(a)

b = re.findall(r"a(\d+)",'a23b')

print(b)

執行結果：

['2']

['23']

a = re.match('','

title

').group()

print(a)

b = re.match('','

title

').group()

print(b)

執行結果：

title

a = re.findall(r"a(\d+)b",'a3333b')

print(a)

b = re.findall(r"a(\d+?)b",'a3333b')

print(b)

執行結果如下：

['3333']

['3333']

#######################

這里需要注意的是如果前后均有限定條件的時候，就不存在什么貪婪模式了，非匹配模式失效。

3、用flags時遇到的小坑

print(re.split('a','1A1a2A3',re.I))#輸出結果并未能區分大小寫

這是因為re.split(pattern，string，maxsplit,flags)默認是四個參數，當我們傳入的三個參數的時候，系統會默認re.I是第三個參數，所以就沒起作用。如果想讓這里的re.I起作用，寫成flags=re.I即可。

五、正則的小實踐

1、匹配電話號碼

p = re.compile(r'\d{3}-\d{6}')

print(p.findall('010-628888'))

2、匹配IP

re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")

總結

以上是生活随笔為你收集整理的python中的正则表达式re模块_python中的正则表达式（re模块）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。