「python」正則
正則
基本都是參考：http://funhacks.net/2016/12/27/regular_expression/，部分小改動，感覺講的蠻好的，做下記錄。
正規表示式（regular expression）是可以匹配文字片段的模式。
字元
| 元字元 | 說明 | 正規表示式例項 | 匹配字串 |
|---|---|---|---|
| 一般字元 | 匹配自身 | py | python |
| . | 匹配任意字元（換行符‘n’除外） | p.t | pyt |
| 轉義字元 | python.org | python.org | |
| […] | 字符集，對應位置可以是字符集中任意字元。 可以逐個列出，也可以給出範圍如[1234]，也可以加入^取反，如[^1-4]表示不是1234的其他字元，所有的特殊字元字在字符集中都失去原來的特殊含義 | p[xyz]t | pxt,pyt,pzt |
預定義字元
| 元字元 | 說明 | 正規表示式例項 | 匹配字串 |
|---|---|---|---|
| d | 數字：[0-9] | pdy | p3y |
| D | 數字：[^d] | pDy | pay |
| s | 空白字元：[<空格>，t fv] |
psy | p y |
| S | 非空白字元：[^s] | pSy | pay |
| w | 單詞字元：[a-zA-Z0-9] | pwy | pay |
| W | 非單詞字元：[^w] | pWy | p y |
數量詞
| 元字元 | 說明 | 正規表示式例項 | 匹配字串 |
|---|---|---|---|
| * | 匹配前一個字元任意多次，包括0次 | pyt* | py/pyttttt |
| + | 匹配前一個字元至少1次 | pyt+ | pyt/pyttt |
| ？ | 匹配前一個字元0次或1次 | pyt? | py/pyt |
| {m} | 匹配前一個字元m次 | py{2}t | pyyt |
| {m,n} | 匹配前一個字元m至n次，如果省略m,表示匹配0次至n次，如果省略，則表示匹配m次至無限次 | py{1,2}t | pyt/pyyt |
| *? | 使得*變成非貪婪模式，類似的還有+？ ，{m,n}? |
邊界匹配
| 元字元 | 說明 | 正規表示式例項 | 匹配字串 |
|---|---|---|---|
| ^ | 匹配字串開頭，在多行模式中匹配每一行的開頭 | ^python | python |
| $ | 匹配字串末尾，在多行模式中匹配每一行的末尾 | python$ | python |
邏輯或
| 元字元 | 說明 | 正規表示式例項 | 匹配字串 | |||||
|---|---|---|---|---|---|---|---|---|
| 先嚐試匹配 | 左邊的表示式，匹配成功則跳過右邊的表示式，否則嘗試匹配右邊的表示式 | 15[0 | 1 | 2 | 3] | 150,151,152,153 |
分組
| 元字元 | 說明 | 正規表示式例項 | 匹配字元 |
|---|---|---|---|
| （……） | 被括起來的表示式作為分組，從表示式左邊開始每遇到一個分組的左括號，編號加1 | （d+） | 123 |
| <number> | 應用編號為<number>的分組匹配到的字串 | (d)abd1 | 1abd1 |
re模組
re 模組的一般使用步驟如下：
- 使用 compile 函式將正規表示式的字串形式編譯為一個 Pattern 物件
- 通過 Pattern 物件提供的一系列方法對文字進行匹配查詢，獲得匹配結果（一個 Match 物件）
- 最後使用 Match 物件提供的屬性和方法獲得資訊，根據需要進行其他的操作
compile 函式
compile 函式用於編譯正規表示式，生成一個 Pattern 物件，它的一般使用形式如下：
re.compile(pattern[, flag])其中，pattern 是一個字串形式的正規表示式，flag 是一個可選引數，表示匹配模式，比如忽略大小寫，多行模式等。
import re
pattern = re.compile(r`d+`)
# 此處將匹配數字至少1次的正規表示式編譯成 Pattern 物件 在上面，我們已將一個正規表示式編譯成 Pattern 物件，接下來，我們就可以利用 pattern 的一系列方法對文字進行匹配查詢了。Pattern 物件的一些常用方法主要有：
- match 方法
match 方法用於查詢字串的頭部（也可以指定起始位置），它是一次匹配，只要找到了一個匹配的結果就返回，而不是查詢所有匹配的結果。它的一般使用形式如下：
match(string[, pos[, endpos]])其中，string 是待匹配的字串，pos 和 endpos 是可選引數，指定字串的起始和終點位置，預設值分別是 0 和 len (字串長度)。因此，當你不指定 pos 和 endpos 時，match 方法預設匹配字串的頭部。
當匹配成功時，返回一個 Match 物件，如果沒有匹配上，則返回 None。
>>> import re
>>> pattern = re.compile(r`d+`) # 用於匹配至少一個數字
>>> m = pattern.match(`one12twothree34four`) # 查詢頭部，沒有匹配
>>> print m
None
>>> m = pattern.match(`one12twothree34four`, 2, 10) # 從`e`的位置開始匹配，沒有匹配
>>> print m
None
>>> m = pattern.match(`one12twothree34four`, 3, 10) # 從`1`的位置開始匹配，正好匹配
>>> print m # 返回一個 Match 物件
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0) # 可省略 0
`12`
>>> m.start(0) # 可省略 0
3
>>> m.end(0) # 可省略 0
5
>>> m.span(0) # 可省略 0
(3, 5)在上面，當匹配成功時返回一個 Match 物件，其中：
-
group([group1, …])方法用於獲得一個或多個分組匹配的字串，當要獲得整個匹配的子串時，可直接使用group()或group(0)； -
start([group])方法用於獲取分組匹配的子串在整個字串中的起始位置（子串第一個字元的索引），引數預設值為 0； -
end([group])方法用於獲取分組匹配的子串在整個字串中的結束位置（子串最後一個字元的索引+1），引數預設值為 0； -
span([group])方法返回(start(group), end(group))。
再看看一個例子：
>>> import re
>>> pattern = re.compile(r`([a-z]+) ([a-z]+)`, re.I) # re.I 表示忽略大小寫
>>> m = pattern.match(`Hello World Wide Web`)
>>> print m # 匹配成功，返回一個 Match 物件
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0) # 返回匹配成功的整個子串
`Hello World`
>>> m.span(0) # 返回匹配成功的整個子串的索引
(0, 11)
>>> m.group(1) # 返回第一個分組匹配成功的子串
`Hello`
>>> m.span(1) # 返回第一個分組匹配成功的子串的索引
(0, 5)
>>> m.group(2) # 返回第二個分組匹配成功的子串
`World`
>>> m.span(2) # 返回第二個分組匹配成功的子串
(6, 11)
>>> m.groups() # 等價於 (m.group(1), m.group(2), ...)
(`Hello`, `World`)
>>> m.group(3) # 不存在第三個分組
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: no such group- search 方法
search 方法用於查詢字串的任何位置，它也是一次匹配，只要找到了一個匹配的結果就返回，而不是查詢所有匹配的結果，它的一般使用形式如下：
search(string[, pos[, endpos]])其中，string 是待匹配的字串，pos 和 endpos 是可選引數，指定字串的起始和終點位置，預設值分別是 0 和 len (字串長度)。
當匹配成功時，返回一個 Match 物件，如果沒有匹配上，則返回 None。
>>> import re
>>> pattern = re.compile(`d+`)
>>> m = pattern.search(`one12twothree34four`) # 這裡如果使用 match 方法則不匹配
>>> m
<_sre.SRE_Match object at 0x10cc03ac0>
>>> m.group()
`12`
>>> m = pattern.search(`one12twothree34four`, 10, 30) # 指定字串區間
>>> m
<_sre.SRE_Match object at 0x10cc03b28>
>>> m.group()
`34`
>>> m.span()
(13, 15)再來看一個例子：
import re
# 將正規表示式編譯成 Pattern 物件
pattern = re.compile(r`d+`)
# 使用 search() 查詢匹配的子串，不存在匹配的子串時將返回 None
# 這裡使用 match() 無法成功匹配
m = pattern.search(`hello 123456 789`)
if m:
# 使用 Match 獲得分組資訊
print `matching string:`,m.group()
print `position:`,m.span()執行結果：
matching string: 123456
position: (6, 12)- findall 方法
上面的 match 和 search 方法都是一次匹配，只要找到了一個匹配的結果就返回。然而，在大多數時候，我們需要搜尋整個字串，獲得所有匹配的結果。
findall 方法的使用形式如下：
findall(string[, pos[, endpos]])其中，string 是待匹配的字串，pos 和 endpos 是可選引數，指定字串的起始和終點位置，預設值分別是 0 和 len (字串長度)。
findall 以列表形式返回全部能匹配的子串，如果沒有匹配，則返回一個空列表。
import re
pattern = re.compile(r`d+`) # 查詢數字
result1 = pattern.findall(`hello 123456 789`)
result2 = pattern.findall(`one1two2three3four4`, 0, 10)
print result1
print result2
執行結果：
[`123456`, `789`]
[`1`, `2`]- finditer 方法
finditer 方法的行為跟 findall 的行為類似，也是搜尋整個字串，獲得所有匹配的結果。但它返回一個順序訪問每一個匹配結果（Match 物件）的迭代器。
import re
pattern = re.compile(r`d+`)
result_iter1 = pattern.finditer(`hello 123456 789`)
result_iter2 = pattern.finditer(`one1two2three3four4`, 0, 10)
print type(result_iter1)
print type(result_iter2)
print `result1...`
for m1 in result_iter1: # m1 是 Match 物件
print `matching string: {}, position: {}`.format(m1.group(), m1.span())
print `result2...`
for m2 in result_iter2:
print `matching string: {}, position: {}`.format(m2.group(), m2.span())執行結果：
<type `callable-iterator`>
<type `callable-iterator`>
result1...
matching string: 123456, position: (6, 12)
matching string: 789, position: (13, 16)
result2...
matching string: 1, position: (3, 4)
matching string: 2, position: (7, 8)- split 方法
split 方法按照能夠匹配的子串將字串分割後返回列表，它的使用形式如下：
split(string[, maxsplit])其中，maxsplit 用於指定最大分割次數，不指定將全部分割。
import re
p = re.compile(r`[s,;]+`)
print p.split(`a,b;; c d`)執行結果：
[`a`, `b`, `c`, `d`]- sub 方法
sub 方法用於替換。它的使用形式如下：
sub(repl, string[, count])其中，repl 可以是字串也可以是一個函式：
- 如果 repl 是字串，則會使用 repl 去替換字串每一個匹配的子串，並返回替換後的字串，另外，repl 還可以使用
id的形式來引用分組，但不能使用編號 0； - 如果 repl 是函式，這個方法應當只接受一個引數（Match 物件），並返回一個字串用於替換（返回的字串中不能再引用分組）。
count 用於指定最多替換次數，不指定時全部替換。
import re
p = re.compile(r`(w+) (w+)`)
s = `hello 123, hello 456`
def func(m):
return `hi` + ` ` + m.group(2)
print p.sub(r`hello world`, s) # 使用 `hello world` 替換 `hello 123` 和 `hello 456`
print p.sub(r`2 1`, s) # 引用分組
print p.sub(func, s)
print p.sub(func, s, 1) 執行結果：
hello world, hello world
123 hello, 456 hello
hi 123, hi 456
hi 123, hello 456- subn 方法
subn 方法跟 sub 方法的行為類似，也用於替換。它的使用形式如下：
subn(repl, string[, count])它返回一個元組：
(sub(repl, string[, count]), 替換次數)元組有兩個元素，第一個元素是使用 sub 方法的結果，第二個元素返回原字串被替換的次數
import re
p = re.compile(r`(w+) (w+)`)
s = `hello 123, hello 456`
def func(m):
return `hi` + ` ` + m.group(2)
print p.subn(r`hello world`, s)
print p.subn(r`2 1`, s)
print p.subn(func, s)
print p.subn(func, s, 1)執行結果：
(`hello world, hello world`, 2)
(`123 hello, 456 hello`, 2)
(`hi 123, hi 456`, 2)
(`hi 123, hello 456`, 1)其他函式
事實上，使用 compile 函式生成的 Pattern 物件的一系列方法跟 re 模組的多數函式是對應的，但在使用上有細微差別。
- match 函式
match 函式的使用形式如下：
re.match(pattern, string[, flags]):可以看到，match 函式不能指定字串的區間，它只能搜尋頭部
- search 函式
search 函式的使用形式如下：
re.search(pattern, string[, flags])search 函式不能指定字串的搜尋區間，用法跟 Pattern 物件的 search 方法類似
- findall 函式
re.findall(pattern, string[, flags])findall 函式不能指定字串的搜尋區間，用法跟 Pattern 物件的 findall 方法類似
- finditer 函式
finditer 函式的使用方法跟 Pattern 的 finditer 方法類似，形式如下：
re.finditer(pattern, string[, flags])- split 函式
split 函式的使用形式如下：
re.split(pattern, string[, maxsplit])- sub函式
re.sub(pattern, repl, string[, count])- subn 函式
subn 函式的使用形式如下：
re.subn(pattern, repl, string[, count])兩種模式的選擇
- 使用 re.compile 函式生成一個 Pattern 物件，然後使用 Pattern 物件的一系列方法對文字進行匹配查詢；
- 直接使用 re.match, re.search 和 re.findall 等函式直接對文字匹配查詢；
需要重複用到正規表示式，儘量考慮用第一種
匹配中文
在某些情況下，我們想匹配文字中的漢字，有一點需要注意的是，中文的 unicode 編碼範圍 主要在 [u4e00-u9fa5]，這裡說主要是因為這個範圍並不完整，比如沒有包括全形（中文）標點，不過，在大部分情況下，應該是夠用的。
假設現在想把字串 title = u`你好，hello，世界` 中的中文提取出來，可以這麼做：
import re
title = u`你好，hello，世界`
pattern = re.compile(ur`[u4e00-u9fa5]+`)
result = pattern.findall(title)
print result注意到，我們在正規表示式前面加上了兩個字首 ur，其中 r 表示使用原始字串，u 表示是 unicode 字串。(python3 不需要加u)
執行結果:
[u`u4f60u597d`, u`u4e16u754c`]貪婪匹配
在 Python 中，正則匹配預設是貪婪匹配（在少數語言中可能是非貪婪），也就是匹配儘可能多的字元。
比如，我們想找出字串中的所有 div 塊：
import re
content = `aa<div>test1</div>bb<div>test2</div>cc`
pattern = re.compile(r`<div>.*</div>`)
result = pattern.findall(content)
print result執行結果：
[`<div>test1</div>bb<div>test2</div>`]由於正則匹配是貪婪匹配，也就是儘可能多的匹配，因此，在成功匹配到第一個 </div> 時，它還會向右嘗試匹配，檢視是否還有更長的可以成功匹配的子串。
如果我們想非貪婪匹配，可以加一個 ?，如下：
import re
content = `aa<div>test1</div>bb<div>test2</div>cc`
pattern = re.compile(r`<div>.*?</div>`) # 加上 ?
result = pattern.findall(content)
print result結果：
[`<div>test1</div>`, `<div>test2</div>`]
相關文章
- Python正則部分Python
- Python中的正則Python
- Python正則匹配中文Python
- Python學習之正則Python
- python的re正則匹配Python
- python之正則函式Python函式
- Python 基礎筆記——正則Python筆記
- 正則式 REGEX - Python re libraryPython
- js表情正則 手機正則 郵箱正則JS
- Python之正則表達運用Python
- python正規表示式 小例幾則Python
- python正則一些簡單匹配Python
- 正則
- 【Python爬蟲】正則爬取趕集網Python爬蟲
- 正則_9
- 正則?=用法
- 正則 ?= 用法
- 正則re
- Javascript正則JavaScript
- 正則化
- py 正則
- 正則匹配規則2
- Logstash之Grok正則匹配，讓正則進階！
- Python 正則是否存在前向貪婪匹配呢？Python
- 正則匹配規則記錄
- Java處理正則匹配卡死（正則回溯問題）Java
- 正則請教
- 正則-元字元字元
- 正則雜談
- javascript 常用正則JavaScript
- 正則筆記筆記
- Python-網頁轉義字元及正則全文匹配Python網頁字元
- python爬蟲中使用正則match( )方法匹配目標Python爬蟲
- 【python介面自動化】- 正則用例引數化Python
- Shell階段09 shell正則，grep正則, sed使用及案例
- Python正規表示式保姆式教學，帶你精通大名鼎鼎的正則Python
- 第02章節-Python3.5-JS正則詳解1PythonJS
- Python 爬蟲十六式 - 第七式：正則的藝術Python爬蟲