Python基础教程之正则表达式基本语法以及re模块

发表于 5年以前 | 总阅读数：1347 次

什么是正则：

正则表达式是可以匹配文本片段的模式。

正则表达式'Python'可以匹配'python'

正则是个很牛逼的东西，python中当然也不会缺少。

所以今天的Python就跟大家一起讨论一下python中的re模块。

re模块包含对正则表达式的支持。

通配符

.表示匹配任何字符：

'.ython'可以匹配'python'和'fython'

对特殊字符进行转义：

'python\.org'匹配'python.org'

字符集

'[pj]ython'能够匹配'python'和'jython'

反转字符集

'[^abc]'可以匹配除了abc之外的任何字符

选择符

使用管道符号|

可选项

加上问好就变为了可选项：

r'(http://)?(www.)?python.org'只能匹配下面几种：

'http://www.python.org'
'http://python.org'
'www.python.org'
'python.org'

重复子模式

*：允许模式重复0次或多次
+：允许模式重复1次或多次
{m, n}允许模式重复m-n次

当然，正则语法规则很多，远不止上面的这些。但是我们只能点到为止了，因为这篇博客的目的是介绍Python中的模块，re模块。

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

re中重要的函数：

compile(pattern[, flags]) 根据包含正则表达式的字符串创建模式对象

search(pattern, string[, flags]) 在字符串中寻找模式

match(pattern, string[, flags]) 在字符串的开始处匹配模式

split(pattern, string[, maxsplit=0]) 根据匹配项分割字符串

findall(pattern, string) 列出字符串中模式的所有匹配项

sub(pat, rep, string[, count=0]) 字符串中所有pat的匹配项用repl替换

escape(string) 将字符串中所有特殊表达式字符转义

下面就进行简单的应用：

使用match


    import re
    print(re.match('www', 'www.runoob.com').span()) # 在起始位置匹配
    print(re.match('com', 'www.runoob.com')) # 不在起始位置匹配

使用search


    import re
    print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配
    print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配

这时候需要停一下，match和search的区别呢？

看看结果先：

match例子中结果：

(0, 3)
None

search例子中结果：

(0, 3)
(11, 14)

match()函数只检测RE是不是在string的开始位置匹配，search()会扫描整个string查找匹配；
也就是说match()只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回none。

search()会扫描整个字符串并返回第一个成功的匹配。

使用sub

Python 的re模块提供了re.sub用于替换字符串中的匹配项。


    #!/usr/bin/python
    import re
    phone = "2004-959-559 # This is Phone Number"
    # Delete Python-style comments
    num = re.sub(r'#.*$', "", phone)
    print "Phone Num : ", num
    # Remove anything other than digits
    num = re.sub(r'\D', "", phone) 
    print "Phone Num : ", num

结果：

Phone Num : 2004-959-559
Phone Num : 2004959559

最后献上菊花：

^ 匹配字符串的开头
$ 匹配字符串的末尾。
. 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...] 用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0个或多个的表达式。
re+ 匹配1个或多个的表达式。
re? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}
re{ n,} 精确匹配n个前面表达式。
re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b 匹配a或b
(re) G匹配括号内的表达式，也表示一个组
(?imx) 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re) 类似 (...), 但是不表示一个组
(?imx: re) 在括号中使用i, m, 或 x 可选标志
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志
(?#...) 注释.
(?= re) 前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re) 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re) 匹配的独立模式，省去回溯。
\w 匹配字母数字
\W 匹配非字母数字
\s 匹配任意空白字符，等价于 [\t\n\r\f].
\S 匹配任意非空字符
\d 匹配任意数字，等价于 [0-9].
\D 匹配任意非数字
\A 匹配字符串开始
\Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c
\z 匹配字符串结束
\G 匹配最后匹配完成的位置。
\b 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等. 匹配一个换行符。匹配一个制表符。等
\1...\9 匹配第n个分组的子表达式。
\10 匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。