简介Python正则表达式

一、概念

简单来说正则表达式是由一些普通字符（例如，a 到 z 之间的字母）和一些元字符组成，用来匹配和过滤一些字符串的一种逻辑公式。

二、正则表达式的一些基本规则

1、一些常用的元字符

  ^  ：匹配行或者字符串的起始位置，有时还会匹配整个文档的起始位置。

  $  ：匹配行或字符串的结尾。

 \d  ：匹配数字字符。

 \D  ：匹配一个非数字字符。

 \w ：匹配字母，数字，下划线。

\W  ：匹配任何非单词字符（也就是非字母、数字、下划线字符）。

 \s  ：匹配任何不可见字符（包括空格、Tab等空白符） 。

 \S  ：匹配任何可见字符。

  .   ：匹配除了换行符以外的任何字符。

\n   ：匹配一个换行符。

  *   ：匹配前面的子表达式任意次（匹配0个或多个字符）。如，ab*能匹配“a”，也能匹配“ab”以及“abb”。*等价于{0,}。

 +   ：匹配前面的子表达式一次或多次(大于等于1次）。如，“ab+”能匹配“ab”以及“abb”，但不能匹配“a”。+等价于{1,}。

 ?   ：匹配前面的子表达式零次或一次。如，“ab(cd)?”可以匹配“ab”或“abcd”。?等价于{0,1}。

{n} ： n是一个非负整数。匹配确定的n次。如，“b{2}”不能匹配“abc”中的“b”，但是能匹配“abbc”中的两个b。

{n,}： n是一个非负整数。至少匹配n次。如，“b{2,}”不能匹配“abc”中的“b”，但能匹配“abbbbbbc”中的所有b。“b{1,}”等价于“b+”。“b{0,}”则等价于“b*”。

{n,m} ：m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。如，“b{1,3}”将匹配“abbbbbbc”中的前三个b为一组，后三个b为一组。“b{0,1}”等价于“b?”。

x|y  ：匹配x或y。如，“a|bbc”能匹配“a”或“bbc”。“[ab]ccd”则匹配“accd”或“bccd”。

[xyz] ：字符集合。匹配所包含的任意一个字符。如，“[abc]”可以匹配“abc”中的“a”或“sb”中的“b”。

[^xyz] ：负值字符集合。匹配未包含的任意字符。如，“[^abc]”可以匹配“apple”中的“pple”任一字符。

[a-z] ：字符范围。匹配指定范围内的任意字符。如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符；[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线。

注：对于一些特殊字符需要表达原有符号需要先使字符"转义"，即，将反斜杠字符\ 放在它们前面。如，要匹配 * 字符，则使用 \*。特殊字符有：$、( )、*、+、.、[ ]、?、\、^、{ }、|。

2、运算符优先级

正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。

相同优先级的从左到右进行运算，不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：

运算符	描述
\	转义符
(), (?:), (?=), []	圆括号和方括号
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, \任何元字符、任何字符	定位点和序列（即：位置和顺序）
|	替换，"或"操作 字符具有高于替换运算符的优先级，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，请使用括号创建子表达式，从而产生"(m|f)ood"。

三、Python中正则表达式使用的函数

Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。

1、re.match函数

re.match 从字符串的起始位置开始匹配，如果第一个就不匹配，则返回None。

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

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。如是否区分大小写等。

如：

 #coding:utf-8
 #!/usr/bin/python3
 import re

 s1="abc"
 s2=" asd"
 a=re.match(r'[a-zA-Z\_][0-9a-zA-Z\_]*', s1)
 b=re.match(r'[a-zA-Z\_][0-9a-zA-Z\_]*', s2)
 print(a)
 print(b)

 #运行结果
 <_sre.SRE_Match object; span=(0, 3), match='abc'>
 None

demo

2、re.search函数

re.search 扫描整个字符串并返回第一个成功的匹配，如果整个字符串都没有匹配的，则返回None。

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

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。如是否区分大小写等。

如：

 #coding:utf-8
 #!/usr/bin/python3
 import re

 s1="gabc"
 a1=re.match(r'[abc]', s1)
 print(a1)

 s2="gabc"
 a2=re.search(r'[abc]', s2)
 print(a2)

 s3="get"
 a3=re.search(r'[abc]', s3)
 print(a3)

 #运行结果
 None
 <_sre.SRE_Match object; span=(1, 2), match='a'>
 None
 #match从第一个开始匹配，第一个不匹配就返回None，search全局匹配，直到没有匹配的才返回None。

demo

3、re.compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，让其它用来匹配的函数使用，如match、search函数使用。

compile(pattern, flags=0)

pattern：匹配的正则表达式。　　

flags ：标志位。

一般配合其他函数使用，如和match函数：

re.compile(pattern).match(string)

使用情况如：

#coding:utf-8
#!/usr/bin/python3
import re

s='abcdf13s2j3'
a=re.compile(r'\d+').match(s)
print(a)
a=re.compile(r'\d+').search(s)
print(a)
a=re.compile(r'\d+').findall(s)
print(a)

#运行结果
None
<_sre.SRE_Match object; span=(5, 7), match=''>
['', '', '']

demo

4、re.findall函数

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

findall(pattern, string, flags=0)           #单独使用
findall(self, string, pos=0, endpos=-1)     #与compile函数一起使用

pattern：匹配的正则表达式。

string ： 要匹配的字符串。

flags ：标志位

pos : 可选参数，指定字符串的起始位置，默认为 0。

endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

如：

 #coding:utf-8
 #!/usr/bin/python3
 import re

 s='abcdf12s2j3'
 a=re.findall(r'\d+',s)      #单独使用
 print(a)
 a=re.compile(r'\d+').findall(s)   #与compile函数一起使用
 print(a)

 #运行结果
 ['', '', '']
 ['', '', '']

demo

5、re.finditer函数

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

finditer(pattern, string, flags=0)

pattern：匹配的正则表达式。

string ： 要匹配的字符串。

flags ：标志位

如：

 #coding:utf-8
 #!/usr/bin/python3
 import re

 a = re.finditer(r"\d+","ab57cdf13s2j3")
 print(a)
 for match in a:
     print (match.group() )

 #运行结果
 <callable_iterator object at 0x00E434D0>
 57
 13
 2
 3

demo

6、group()与groups()函数

group()  ：匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

groups()：返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

如：

 #coding:utf-8
 #!/usr/bin/python3
 import re

 a = re.search(r"(\D+)(\d+)(\D+)(\d+)(\D+)(\d+)","ab57cdf13s2j3")
 if a:
    print("a.group() : ", a.group())
    print("a.group(1) : ", a.group(1))
    print("a.group(2) : ", a.group(2))
    print("a.group(6) : ", a.group(6))
    print("a.groups() : ", a.groups())
 else:
    print ("Nothing found!!")

 #运行结果
 a.group() :  ab57cdf13s2
 a.group(1) :  ab
 a.group(2) :  57
 a.group(6) :  2
 a.groups() :  ('ab', '', 'cdf', '', 's', '')

demo

7、re.sub函数

用于替换字符串中的匹配项。

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

pattern : 匹配的正则表达式。

repl : 替换的字符串，也可为一个函数。

string : 要被查找替换的原始字符串。

count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

如：

 #coding:utf-8
 #!/usr/bin/python3
 import re

 s='abcdf13s2j3'
 a=re.sub(r'\d+','-',s,1)     #替换一个
 print(a)
 a=re.sub(r'\d+','-',s)        #全部替换
 print(a)

 #运行结果
 abcdf-s2j3
 abcdf-s-j-

demo

　

参考学习网址：

http://www.runoob.com/regexp/regexp-operator.html

http://www.runoob.com/python/python-reg-expressions.html

注：参考上面博文，根据自己理解整理一份，有些是直接把作者简介拷贝过来的。