Python3学习之路~5.13 re模块 正则表达式

re模块用于对python的正则表达式的操作。

常用正则表达式符号

字符数字：

　　. 匹配除换行符以外的任意字符，即[^\n]
　　\s 匹配任意空白符（如\t、\n、\r ）
　　\S 匹配任意非空白符
    \w 匹配[A-Za-z0-9下划线汉字]
    \W 匹配非[A-Za-z0-9下划线汉字]
　　\b 匹配单词的开始或结束
　　^或\A 匹配字符串的开始
　　$或\Z 匹配字符串的结束
　　\d或[0-9] 匹配所有数字
    \D 匹配非数字

次数：

　　* 重复零次或多次
　　+ 重复一次或多次
　　? 重复零次或一次
　　{n} 重复n次
　　{n,} 重复n次或更多次
　　{n,m} 重复n到m次

其他：
    | 匹配|左或|右的字符
    (...) 分组匹配
    \ 转义字符
    [] 匹配符合[]内的字符
    [^] 匹配不符合[]内的字符
组合：
    (?P<name>...) 分组匹配
    [a-z] 匹配所有小写字母字符
    [^a-z] 匹配所有非小写字母字符
　　[^0-9] 匹配所有非数字字符
    [\u4e00-\u9fa5] 匹配中文
    (.*)或(.+) 匹配单行
    ^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$ 匹配IP
    ^1[3|4|5|7|8|9][0-9]\d{8}$ 匹配手机号（貌似手机号第二位有3,4,5,7,8,9）

正则表达式代码实例

import re

# . 匹配除换行符以外的任意字符，即[^\n]
# + 重复一次或更多次
# .+匹配任意字符串
res = re.search('f.+n',"abcd1234efghijklmn5678")
print(res.group())  # fghijklmn

# \s 匹配任意空白符（如\t、\n、\r ）
res = re.search('\s+',"123$+ \r\n   b")
print(res.group())  #   ' \r\n\t'

# \S 匹配任意非空白符
res = re.search('\S+',"123aZ你好$+ \r\n   b")
print(res.group())  # 123aZ你好$+

# \w 匹配[A-Za-z0-9下划线汉字]
res = re.search('\w+',"123_你好$+ b")
print(res.group())  #   123_你好

# \W 匹配非[A-Za-z0-9下划线汉字]
res = re.search('\W+',"123_你好$+ b")
print(res.group())  #   $+

# ^或\A    匹配字符串的开始
# $或\Z 匹配字符串的结束
res = re.search('\A[0-9]+[a-z]\Z',"123b")
print(res.group())  #   123b

res = re.search('^[0-9]+[a-z]$',"123b")
print(res.group())  #   123b

# \d或[0-9]    匹配所有数字
res = re.search('abcd\d',"abcd1234efgh5678")
print(res.group())  # abcd1

res = re.search('abcd[0-9]',"abcd1234efgh5678")
print(res.group())  # abcd1

# \D 匹配非数字
res = re.search('\D+',"123$+ b")
print(res.group())  #   $+ b

# ?    重复零次或一次
res = re.search('aal?',"aalex") # 匹配aa或者aal
print(res.group())  #   aal

res = re.search('aal?',"aaex")
print(res.group())  #   aa

# * 重复零次或多次
# {n}    重复n次
# {n,}    重复n次或更多次
# {n,m}    重复n到m次
res = re.search('e[0-9]*',"aa1e2345x")
print(res.group())  #   e2345

res = re.search('[0-9]{3}',"aa1e2345x")
print(res.group())  #

res = re.search('[0-9]{3,}',"aa1e2345x")
print(res.group())  #

res = re.search('[0-9]{1,3}',"aa1e2345x")
print(res.group())  #

# | 匹配|左或|右的字符
res = re.search('abc|ABC',"ABCdabcD")
print(res.group())  #   ABC

# (...) 分组匹配
res = re.search('abc{2}',"Alexabcc") #匹配c两次
print(res.group())  #   abcc

res = re.search('(abc){2}',"Alexabcabc") #匹配abc两次
print(res.group())  #   abcabc

# \ 转义字符
res = re.search(r"\\","abcd12s3\df4sa5f")
print(res.group())  # \

res = re.search("\\\\","abcd12s3\\df4sa5f")
print(res.group())  # \

res = re.search('(abc){2}\|',"Alexabcabc|") #匹配管道符，前面需加反斜杠转义
print(res.group())  #   abcabc|

res = re.search('(abc){2}(\|\|=){2}',"Alexabcabc||=||=") #等号不需转义
print(res.group())  #   abcabc||=||=

# (?P < name >...) 分组匹配
res = re.search("(?P<id>[0-9]+)","abcd1234sdfsaf")
print(res.groupdict())  # {'id': '1234'}

res = re.search("(?P<id>[0-9]+)(?P<name>[a-zA-Z]+)","abcd1234sdfs#2af")
print(res.groupdict())  # {'id': '1234', 'name': 'sdfs'}
a=res.groupdict()
print(a['id']) #
a =res.group('id')
print(a) #

res = re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{8})","")
print(res.groupdict())  # {'province': '3711', 'city': '02', 'birthday': '19921118'}

# [a-z] 匹配所有小写字母字符
res = re.search('[a-z]+',"ABCD1234abcd&*")
print(res.group())  #   abcd

# [^a-z] 匹配所有非小写字母字符
res = re.search('[^a-z]+',"ABCD1234abcd&*")
print(res.group())  #   ABCD1234

# [^0-9] 匹配所有非数字字符
res = re.search('[^0-9]+',"ABCDabcd&*1234")
print(res.group())  #  ABCDabcd&*

# [\u4e00-\u9fa5] 匹配中文
res = re.search('[\u4e00-\u9fa5]+',"ABCDabcd&*1234你好")
print(res.group())  #  你好

# (.*)或(.+) 匹配单行
res = re.search('(.*)',"ABCDabc\nd&*1\r\n234你好")
print(res.group())  #  ABCDabc

res = re.search('(.+)',"ABCDabc\nd&*1\r\n234你好")
print(res.group())  #  ABCDabc

# ^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$ 匹配IP
res = re.search('^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$',"192.168.1.10")
if res:
    print(res.group())  #  192.168.1.10
else:
    print('it is not a valid IP')

# ^1[3|4|5|8][0-9]\d{8}$ 匹配手机号
res = re.search('^1[3|4|5|7|8|9][0-9]\d{8}$',"")
if res:
    print(res.group())  #
else:
    print('it is not a valid phone number')

re模块中最常用的匹配语法

1、match(pattern, string, flags=0)    从起始位置开始根据模型去字符串中匹配指定内容，匹配单个

• 正则表达式
• 要匹配的字符串
• 标志位，用于控制正则表达式的匹配方式

import re

res = re.match('\d+', '123uuasf')
if res:
    print(res.group()) #

2、search(pattern, string, flags=0)    根据模型去字符串中匹配指定内容，匹配单个

import re

res = re.search('\d+', 'aa123uuasf')
if res:
    print(res.group()) #

3、findall(pattern, string, flags=0)    根据模型去字符串中匹配指定内容，匹配所有。注意：findall没有group方法。

import re

res = re.findall('\d+', 'fa123uu888asf')
if res:
    print(res) # ['123', '888']

4、sub(pattern, repl, string, count=0, flags=0)    用于替换匹配的字符串，相比于str.replace功能更加强大

import re

res = re.sub("[0-9]+","|","abcd12s3df4sa5f")
print(res)  # abcd|s|df|sa|f

res = re.sub("[0-9]+","|","abcd12s3df4sa5f",count=2)
print(res)  # abcd|s|df4sa5f

5、split(pattern, string, maxsplit=0, flags=0)    根据指定匹配进行分组，相比于str.split更加强大

import re
res = re.split("[0-9]+","abcd12s3df4sa5f")
print(res)  # ['abcd', 's', 'df', 'sa', 'f']

6、group和groups

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

print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(0)) # 123abc456
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(1)) #
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(2)) # abc

print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).groups()) # ('123', 'abc', '456')

几个匹配模式

# flags
I = IGNORECASE = sre_compile.SRE_FLAG_IGNORECASE # 忽略大小写
M = MULTILINE = sre_compile.SRE_FLAG_MULTILINE # 多行模式，可改变'^'和'$'的行为
S = DOTALL = sre_compile.SRE_FLAG_DOTALL # 点任意匹配模式，可改变'.'的行为
L = LOCALE = sre_compile.SRE_FLAG_LOCALE # assume current 8-bit locale
U = UNICODE = sre_compile.SRE_FLAG_UNICODE # assume unicode locale
X = VERBOSE = sre_compile.SRE_FLAG_VERBOSE # ignore whitespace and comments

import re

# I = IGNORECASE 忽略大小写
res = re.search("[a-z]+","abcdA123",flags=re.I)
print(res.group())  # abcdA

# M = MULTILINE 多行模式，可改变'^'和'$'的行为
res = re.search("^[a-z]+","\nabcd12\nA123",flags=re.M)
print(res.group())  # abcd 若不加flags=re.M则abcd是匹配不出来的

res = re.search("foo$","\nbfoo\nsdfsf",flags=re.M)
print(res.group())  # foo 不加flags=re.M则foo是匹配不出来的

# S = DOTALL 点任意匹配模式，可改变'.'的行为
msg = '''abc
123
'''
res = re.search("^.+",msg,flags=re.S)
print(res.group())  #由于msg中abc和123占2行，如果不加flags=re.S则只能匹配一行abc
# 输出：
# abc
#

匹配模式举例

反斜杠的困扰

与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。