python re模組 正規表示式

導航：

1、正規表示式元字元
2、預定義字符集
3、re模組常用函式
4、注意事項

正規表示式在很多語言裡都支援，python也不例外，re模組就是正規表示式的應用

正規表示式對字串的邏輯操作，主要是對字串的一種過濾，用“元字元” 與“普通字元”組成一個字串規則對已知的字串或文字過濾出自己想要的字串

1、正規表示式元字元

	轉義字元，將後邊緊跟著的字元變成特殊字元，或將後邊的特殊字元變成普通字元 如：在正規表示式中，” “換行符，”\”則代表一個普通字元””
^	匹配第一行行首，匹配多行需要傳參 flags=re.MULTILINE
$	匹配最後一行行尾，匹配多行需要傳參 flags=re.MULTILINE
.	除” “” “外，匹配任意的單個字元，要使”.”匹配換行符，flags=re.DOTALL
|	或，如 “aaa|bbb|ccc”，表示”aaa”,”bbb”,”ccc”三選一
?	匹配前邊的子表示式0次或1次，等價於{0,1}
+	匹配前邊的子表示式1次或多次，等價於{1,}
*	匹配前邊的子表示式0次或多次,，等價於{0,}
{}	{n}匹配前邊的子表示式n次，{n,}匹配前邊的子表示式至少n次 即：>= n， {n,m}匹配前邊的子表示式n~m次，即：n<= 表示式 <=m
()	分組，從1開始，從左至右數”(“為第幾組，下標0為全部分組
[]	字符集匹配[]中的人一個字元，之匹配一次，如[abc]：表示”a”,”b”,”c”三選一。 也可以給定範圍(必須是連續的才行)，如[a-z]：表示a到z任意一個字元。 還可以取反，如[^abc]：除”a”,”b”,”c”外的任意字元。 注：[]中只有”^”,”-“,””三個特殊字元，其中””代表轉義字元， 其它的都代表原本普通的字元，如:[.]只是一個普通的點字元

注：要使用元字元本身的普通字元，請使用轉義字元轉義一下，如 ：”(” 在正規表示式中代表普通給”(“字元，其它的雷同

分組的用法：

( um)	引用指定第幾分組的值
(?P<name>)	指定分組別名”name”
(?P=name)	引用指定別名的分組的值
(?:)	相當於去分組化，變成”與”()子集， 如:”abc(?:qqq|www)”–>相當於”abcqqq|abcwww”

(具體用法請看下邊(search函式))

 

2、預定義字符集

	匹配一個單詞邊界，也就是指單詞和空格間的位置， 其它特殊字元也可以是單詞的邊界，如”#”,”$”,”&”,”*”等
B	匹配非單詞邊界
d	匹配一個數字字元。等價於[0-9]
D	匹配一個非數字字元。等價於[^0-9
s	匹配任何不可見字元，包括空格、製表符、換頁符等， 等價於[ f v]
S	匹配任何可見字元。等價於[^ f v]
w	匹配包括下劃線的任何單詞字元。這裡的”單詞”字元使用Unicode字符集， 類似但不等價於“[A-Za-z0-9_]”，還包含漢字等它國字元
W	匹配任何非單詞字元。這裡的”單詞”字元使用Unicode字符集， 類似但不等價於“[^A-Za-z0-9_]”，還包含漢字等它國字元

 

 3、re模組常用函式

在這裡我要先說明一下 flags 的用法

re.A 或 re.ASCII	使用ASCII字符集進行匹配(不常用)
re.I 或 re.IGNORECASE	忽略大小寫匹配
re.L 或 re.LOCALE	使用當前預定字元類 w W B s S 取決於當前區域設定(不常用)
re.U 或 re.UNICODE	使用Unicode字元類 w W B s S d D 取決於unicode定義的字元屬性(不常用)
re.M 或 re.MULTILINE	多行匹配，使”^”,”$”可以在每一行中都進行匹配
re.S 或 re.DOTALL	使 “.” 可以匹配換行符” “,” “
re.X 或 re.VERBOSE	去掉正規表示式中的所有空格符(不常用)

 

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

按照規則匹配整個字串，返回匹配結果的列表

>>> re.findall(r"hello", "hello world hello")  # 普通匹配
[`hello`, `hello`]
>>> re.findall(r"^hello", "hello world hello")  # 匹配開頭
[`hello`]
>>> re.findall(r"^hello", "hello world
hello", flags=re.MULTILINE)  # 多行匹配開頭
[`hello`, `hello`]
>>> re.findall(r"hello$", "hello world hello")  # 匹配結尾
[`hello`]
>>> re.findall(r"d+", "aaa111bbb222ccc333")  # 匹配數字
[`111`, `222`, `333`]
>>> re.findall(r"d{2}", "aaa111bbb222ccc333")  # 匹配兩位的數字
[`11`, `22`, `33`]
>>> re.findall(r"ab|cd", "ab000cd00")  # 匹配"ab"或"cd"
[`ab`, `cd`]
>>> re.findall(r"(", "ab(cd"))  # 匹配"("
[`(`]

>>> re.findall(r"(abc)+", "abcabcabc")  # 想要匹配多個"abc"，使用分組時會優先把分組的內容返回
[`abc`]
>>> re.findall(r"(?:abc)+", "abcabcabc")  # 想要匹配多個"abc"，(?:)把分組去掉，變成一個普通的字串
[`abcabcabc`]

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

finditer與findall相似，只不過finditer返回一個迭代器，迭代器中每一個元素都是re.Match物件，通過group()可以獲取值

r = re.finditer("hello", "hello world hello")
for i in r:
    print(i.group())

# 輸出結果
hello
hello

 

3）re.search(pattern, string, flags=0)

search函式只返回第一個匹配到的結果，成功返回re.Match物件，否則返回None。

>>> re.search(r"hello", "hello world hello")
<_sre.SRE_Match object; span=(0, 5), match=`hello`>  # 可以看到只返回了第一個"hello"
>>> re.search(r"hello", "hello world hello").group()
`hello`

>>> re.search(r"(abc) 1", "abc abc").group()  # 1 引用分組1的值
`abc abc`
>>> re.search(r"(?P<name>abc) (?P=name)", "abc abc").group()  # (?P=name) 引用分組別名"name"的值
`abc abc`

>>> re.search(r"(?P<name>zhansan) (?P<age>23)", "zhansan 23").group()
`zhansan 23`
>>> re.search(r"(?P<name>zhansan) (?P<age>23)", "zhansan 23").group(0)  # 分組0--即匹配的結果
`zhansan 23`
>>> re.search(r"(?P<name>zhansan) (?P<age>23)", "zhansan 23").group(1)  # 分組1的值
`zhansan`
>>> re.search(r"(?P<name>zhansan) (?P<age>23)", "zhansan 23").group(2)  # 分組2的值
`23`
>>> re.search(r"(?P<name>zhansan) (?P<age>23)", "zhansan 23").group("name")  # 分組別名name的值
`zhansan`
>>> re.search(r"(?P<name>zhansan) (?P<age>23)", "zhansan 23").group("age")  # 分組別名age的值
`23`

 

4）re.match(pattern, string, flags=0)

match從開始處進行匹配，成功返回re.Match物件，否則返回None。類似於於findall程式碼中的第3行

>>> re.findall(r"^abc", "abcooooo")
[`abc`]
>>> re.match(r"abc", "abcooooo").group()
`abc`

 

5）re.sub(pattern, repl, string, count=0, flags=0)

sub按照給定的規則將string字串中的相應的片段替換為repl，count 最多替換的次數，count=0預設為全部替換，返回替換後的字串

>>> re.sub(r"d+", "$", "aaa1bb2ccc333")  # 將連續的數字變成"$"
`aaa$bb$ccc$`

 

6）re.subn(pattern, repl, string, count=0, flags=0)

與sub相識，count 最多替換的次數，count=0預設為全部替換，返回 一個元組，下標0為替換後的字串，下標1成功替換的次數

>>> re.subn(r"d+", "$", "aaabbccc")
(`aaabbccc`, 0)
>>> re.subn(r"d+", "$", "aaa11bb22ccc")
(`aaa$bb$ccc`, 2)
>>> re.subn(r"d+", "$", "aaa11bb22ccc", 1)  # 最多替換1次
(`aaa$bb22ccc`, 1)
>>> re.subn(r"d+", "$", "aaa11bb22ccc", 10)  # 最多替換10次
(`aaa$bb$ccc`, 2)  # 成功替換2次

 

7）re.split(pattern, string, maxsplit=0, flags=0)

通過給定規則，將string進行切割，maxsplit最多切割次數，maxsplit=0預設全部切割，返回切割結果的字串列表

>>> re.split(r"@", "a#b#c#d#e")  # 沒有找到"@"，不切割
[`a#b#c#d#e`]
>>> re.split(r"#", "a#b#c#d#e")  # 按"#"對字串進行切割
[`a`, `b`, `c`, `d`, `e`]
>>> re.split(r"#", "a#b#c#d#e", 2)  # 按"#"對字串進行切割，最多切割2次
[`a`, `b`, `c#d#e`]

 

8）re.compile(pattern, flags=0)

返回一個正規表示式的物件

>>> rg = re.compile(r"d+", flags=0)
>>> re.findall(rg, "a1bb22ccc333")
[`1`, `22`, `333`]

 

4、注意事項

1）”r” 原生字串的使用，在字串前加 “r” 或 “R” 表示這個字串為原生字串，即所有的字元都表示普通字元，無特殊字元，常在正則、路徑中應用

>>> print(r"aa
bb")
aa
bb
>>> print(len(r"aa
bb"))
6
>>> print("aa
bb")
aa
bb
>>> print(len("aa
bb"))
5

可以看到第四行，字串長度為”6″ ，即 “” “n” 是兩個字元。

第6、7行輸出了兩行，第9行字串長度”5″，說明 ”
”  是一個換行符

 

2）例子：如果需要匹配 “” 該如何寫正規表示式（重點）

>>> re.findall(r"aa\", r"aab")
[`aa\`]
>>> re.findall("aa\", r"aab")
Traceback (most recent call last):
  # 報錯內容····太多，就這樣顯示就好
>>> re.findall("aa\\", r"aab")
[`aa\`]
>>> print(len(re.findall(r"aa\", r"aab")[0]))
3

在這裡首先要說明一下，在python中，輸出帶引號的字串中有 “” 字元，是轉義後看到的字元，即 “\”

 

可以看到，在匹配帶轉義字元的正規表示式的中帶 “r” 和不帶 “r” 的寫法有很大的區別

其中的原因是python直譯器在解釋字串的時候會按自己的規則將字串翻譯了一便。

如第3行，”aa\” 經過python 直譯器翻譯之後，已經變成了  r”aa” 這樣的原生字串，傳遞給re模組的時候，re模組無法解析單個 “” 轉義字元，所以會報錯。

如果要匹配  “”  的普通字元，正規表示式需要寫出 “\” ，所以第6行傳遞的時候需要 4 個”\\” ，經過python解釋之後，變成 r”\” 就正確了。

 

綜上所述，在寫正規表示式的時候還是在前邊加個 “r” 這樣或許會避免很多的問題(個人建議，特別是在網上找的正規表示式)