re 模块 正则表达式

re模块（正则表达式）

 

一、什么是正则表达式

正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

二、正则表达式基础

字符组 ： [字符组]

在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示 字符分为很多类，比如数字、字母、标点等等。

1 [1]                       匹配1
2 [123]　　　　　　  匹配1、2、3
3 [0-9]　　　　　　　匹配任意一个数字
4 [a-z]　　　　　　　匹配任意一个小写字母
5 [A-Z]　　　　　　　匹配任意一个大写字母
6 [A-Za-z]　　　　　 匹配任意一个字母

示例如下：

1 print(re.findall('[1]','Zll5201314'))       #['1', '1']
2 print(re.findall('[123]','Zll5201314'))     #['2', '1', '3', '1']
3 print(re.findall('[0-9]','Zll5201314'))     #['5', '2', '0', '1', '3', '1', '4']
4 print(re.findall('[a-z]','Zll5201314'))     #['l', 'l']
5 print(re.findall('[A-Z]','Zll5201314'))     #['Z']
6 print(re.findall('[a-zA-Z]','Zll5201314'))  #['Z', 'l', 'l']
7 print(re.findall('[A-Za-z0-3]','Zll5201314')) #['Z', 'l', 'l', '2', '0', '1', '3', '1']

元字符：

 1 .　　　　匹配除换行符以外的任意字符
 2 \w　　　 匹配字母或者数字或者下划线
 3 \s　　　  匹配任意空白字符
 4 \d　　　  匹配数字
 5 \n　　　  匹配换行符
 6 \t　　　　匹配制表符tab
 7 \b　　　　匹配一个单词的结尾
 8 ^　　　　匹配字符串的开始
 9 $　　　　匹配字符串的结尾
10 \W　　　匹配非字母或下划线或数字
11 \D　　　匹配非数字
12 \S　　　匹配非空白符
13 |　　　　匹配|前或者后的内容
14 ()　　　　匹配括号内的表达式，也表示一个组

示例如下：

 1 print(re.findall('.','love_u 520')) #['l', 'o', 'v', 'e', '_', 'u', ' ', '5', '2', '0']
 2 print(re.findall('\w','love_u 520')) #['l', 'o', 'v', 'e', '_', 'u', '5', '2', '0']
 3 print(re.findall('\s','love_u 520')) #[' ']
 4 print(re.findall('\d','love_u 520')) #['5', '2', '0']
 5 print(re.findall('\n','love_u 520')) #[]
 6 print(re.findall('\b','love_u 520')) #[]
 7 print(re.findall('^l','love_u 520')) #['l']
 8 print(re.findall('520$','love_u 520'))#['520']
 9 print(re.findall('\W','love_u 520')) #[' ']
10 print(re.findall('\D','love_u 520')) #['l', 'o', 'v', 'e', '_', 'u', ' ']
11 print(re.findall('\S','love_u 520')) #['l', 'o', 'v', 'e', '_', 'u', '5', '2', '0']
12 print(re.findall('love|u','love_u 520')) #['love', 'u']

量词:

1 *   重复零次或者多次
2 +　　重复1次或者多次
3 ?　　重复零次或者一次
4 {n}　　重复n次
5 {n,}　　重复n次或者更多次
6 {n,m}　　重复n到m次

示例如下：

1 print(re.findall('5*','555 5')) #['555', '', '5', '']
2 print(re.findall('5+','555 5')) #['555', '5']
3 print(re.findall('5?','555 5')) #['5', '5', '5', '', '5', '']
4 print(re.findall('5{2,3}','555 5')) #['555']
5 print(re.findall('5{2}','555 5')) #['55']
6 print(re.findall('5{3}','555 5')) #['555']

三、常见的正则表达式应用

1 手机号（国内）：^[1-9][3478]\d{9}
2 电话号（国内）：[0-9-()（）]{7,18}
3 邮编：\d{6}
4 QQ：[1-9]([0-9]{5,11})
5 身份证号：\d{17}[\d|x]|\d{15}
6 邮箱：\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+\.)+[A-Za-z]{2,14}
7 网址：^((https|http|ftp|rtsp|mms)?:\/\/)[^\s]+
8 日期：\d{4}(\-|\/|.)\d{1,2}\1\d{1,2}
9 用户名：[A-Za-z0-9_\-\u4e00-\u9fa5]+

#正则表达式在线测试网址“http://tool.chinaz.com/regex/”

四、python中如何使用正则表达式

findall()方法：

此方法是在整个字符串中匹配指定字符或者字符串，并且将所有满足条件的结果返回到一个列表中，如下：

1 ret = re.findall('a','abac')
2 print(ret)　　#['a', 'a']
3 ret = re.findall('ab','abac')
4 print(ret)　　#['ab']

search()方法：

此方法是在整个字符串中查找满足匹配条件的字符或者字符串，一旦找到一个就不再继续查找，并返回包含查找值的对象，可以用.group()方法进行查看，如下：

1 ret = re.search('a','abac')
2 print(ret.group())  #a

match()方法：

此方法是用来从开头位置查找是否满足匹配条件，如果没有就会返回None，如果有，则会返回一个包含查找值的对象，可以用group()方法进行查看，如下：

1 ret = re.match('a','abac')
2 print(ret.group())  #a
3
4 ret = re.match('b','abac')
5 print(ret)  #None

split()方法：

此方法用来对一个字符串进行切分，如下：

1 ret = re.split('[ab]', 'abcd')  # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
2 print(ret)  # ['', '', 'cd']

sub()以及subn()方法：

1 ret = re.sub('\d', '*', 'a1b2c3')#将数字替换成'*'，默认替换所有的数字
2 print(ret) #a*b*c*
3
4 ret = re.sub('\d', '*', 'a1b2c3', 1)#将数字替换成'*'，参数1表示只替换1个
5 print(ret) #a*b2c3
6
7 ret = re.subn('\d', '*', 'a1b2c3')#将数字替换成'*'，返回一个元祖(替换后的字符串,替换的次数)
8 print(ret) #('a*b*c*', 3)

compile()方法：

此方法是先把正则表达式编译好，以方便多次使用，如下：

1 obj = re.compile('\d{3}')  #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
2 ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
3 print(ret.group())  #结果 ： 123

finditer()方法：
此方法与findall类似，只不过返回的不是一个列表，而是一个生产器，可以用next(iter).group()来查看里面的值，如下：

1 ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
2 print(ret)  # <callable_iterator object at 0x10195f940>
3 print(next(ret).group())  #查看第一个结果
4 print(next(ret).group())  #查看第二个结果
5 print([i.group() for i in ret])  #查看剩余的左右结果