1. 正則表達式基礎

1.1. 簡單介紹

正則表達式并不是Python的一部分。正則表達式是用于處理字符串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益于這一點，在提供了正則表達式的語言里，正則表達式的語法都是一樣的，區別只在于不同的編程語言實現支持的語法數量不同；但不用擔心，不被支持的語法通常是不常用的部分。如果已經在其他語言里使用過正則表達式，只需要簡單看一看就可以上手了。

下圖展示了使用正則表達式進行匹配的流程：

正則表達式的大致匹配過程是：依次拿出表達式和文本中的字符比較，如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。如果表達式中有量詞或邊界，這個過程會稍微有一些不同，但也是很好理解的，看下圖中的示例以及自己多使用幾次就能明白。

下圖列出了Python支持的正則表達式元字符和語法：

特殊構造的使用：

1.如何匹配不是以abc開頭的單詞

(1)使用\b(單詞開始位置右邊不是abc):'\b(?!abc)\w+

(2)不使用\b:'(?

2.如何匹配不包含abc的單詞

\b((?!abc)\w)+\b

1.2. 數量詞的貪婪模式與非貪婪模式

正則表達式通常用于在文本中查找匹配的字符串。Python里數量詞默認是貪婪的(在少數語言里也可能是默認非貪婪)，總是嘗試匹配盡可能多的字符；非貪婪的則相反，總是嘗試匹配盡可能少的字符。例如：正則表達式"ab*"如果用于查找"abbbc"，將找到"abbb"。而如果使用非貪婪的數量詞"ab*?"，將找到"a"。

1.3. 反斜杠的困擾

與大多數編程語言相同，正則表達式里使用"\"作為轉義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"\"，那么使用編程語言表示的正則表達式里將需要4個反斜杠"\\\\"：前兩個和后兩個分別用于在編程語言里轉義成反斜杠，轉換成兩個反斜杠后再在正則表達式里轉義成一個反斜杠。Python里的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r"\\"表示。同樣，匹配一個數字的"\\d"可以寫成r"\d"。有了原生字符串，你再也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀。

importre'''# common char

print(re.search('abc','abc'))

# .

print(re.search('a.c', 'abc'))

print(re.search('a.c', 'a.c'))

# . \

print(re.findall('a\.c', 'a.c'))

print(re.findall(r'a.c', 'a.c'))

print(re.findall('a\\\c', 'a\\c'))

print(re.findall('a\\\c', r'a\c'))

print(re.findall(r'a\\c', r'a\c'))

# [...]

print(re.findall('a[bcd]e', 'abe'))

print(re.findall('a[bcd]e', 'ace'))

print(re.findall('a[bcd]e', 'ade'))

print(re.findall('a[bcd]e', 'abce'))

# \d \D

print(re.findall('a\dc', 'a1c'))

print(re.findall('a\Dc', 'abc'))

# \s \S

print(re.findall('a\sc', 'a c'))

print(re.findall('a\sc', 'a\nc'))

print(re.findall('a\Sc', 'abc'))

# \w \W

print(re.findall('a\wc', 'abc'))

print(re.findall('a\Wc', 'a c'))

# * + ?

print(re.findall('abc*','ab'))

print(re.findall('abc*','abc'))

print(re.findall('abc*','abccc'))

print(re.findall('abc+','abc'))

print(re.findall('abc+','abccc'))

print(re.findall('abc?','ab'))

print(re.findall('abc?','abc'))

# {m} {m, n} {m, }

print(re.findall('ab{2}c', 'abbc'))

print(re.findall('ab{1,2}c', 'abc'))

print(re.findall('ab{1,2}c', 'abbc'))

print(re.findall('ab{1,}c', 'abc'))

print(re.findall('ab{1,}c', 'abbbc'))

# *? +? ?? {m,n}?

print(re.findall('ab*','abbbc'))

print(re.findall('ab*?','abbbc'))

#print(re.findall(r'[\s\S]*', 'haha'))

# ^ $

print(re.findall('^abc', 'abc'))

print(re.findall('abc$', 'abc'))

# \A \Z

print(re.findall('\Aabc', 'abc'))

print(re.findall('abc\Z', 'abc'))

# \b \B

print(re.findall(r'a\bbc', 'abc'))

print(re.findall(r'a\b!bc', 'a!bc'))

print(re.findall('a\Bbc', 'abc'))

print(re.findall('a\B!bc', 'a!bc'))

# |

print(re.findall(r'abc|def', 'abc'))

print(re.findall(r'abc|def', 'def'))

# (...)

print(re.findall('(abc){2}','abcabc'))

print(re.findall('a(123|456)c', 'a123c'))

# (?P ...)

print(re.findall('(?Pabc){2}','abcabc'))

# \

print(re.findall(r'(\d)abc\1', '1abc8'))

print(re.findall(r'(\d)abc\1', '8abc8'))

# (?P=name)

print(re.findall('(?P\d)abc(?P=id)', '1abc8'))

print(re.findall('(?P\d)abc(?P=id)', '8abc8'))

# (?:...)

print(re.findall('(?:abc){1}', 'abcabc'))

# (?iLmsux)

print(re.findall('(?i)abc', 'abc'))

print(re.findall('(?i)abc', 'Abc'))

print(re.findall('(?i)abc', 'ABC'))

# (?#...)

print(re.findall('abc(?#comment)123', 'abc123'))

# (?=...) (?!...)

print(re.findall('a(?=\d)', 'a1'))

print(re.findall('a(?=\d)', 'ab'))

print(re.findall('a(?!\d)', 'ab'))

print(re.findall('a(?!\d)', 'a1'))

# (?<=...) (?

print(re.findall('(?<=\d)a', '1a'))

print(re.findall('(?<=\d)a', 'ba'))

print(re.findall('(?

print(re.findall('(?

# (?(id/name)yes-pattern|no-pattern)

print(re.findall('(\d)abc(?(1)\d|\w)', '1abc2'))

print(re.findall('(\d)abc(?(1)\d|\w)', 'abcabc'))

print(re.findall('(?P\d)abc(?(id)\d|\w)', '1abc2'))

print(re.findall('(?P\d)abc(?(id)\d|\w)', 'abcabc'))

print(re.findall('(Hello)?(?(1)World|HuHu)', 'HelloWorld'))

print(re.findall('(Hello)?(?(1)World|HuHu)', 'HuHu'))'''

#\

print(re.findall('\\\\', 'a\\c'))print(re.findall(r'\\', 'a\\c'))print(re.findall(r'\\', r'a\c'))print(re.findall('\\d', 'a1c'))print(re.findall(r'\d', 'a1c'))'''# output

['\\']

['\\']

['\\']

['1']

['1']'''

View Code

1.4. 匹配模式

正則表達式提供了一些可用的匹配模式，比如忽略大小寫、多行匹配等，這部分內容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。

2. re模塊

2.1. 開始使用re

Python通過re模塊提供對正則表達式的支持。使用re的一般步驟是先將正則表達式的字符串形式編譯為Pattern實例，然后使用Pattern實例處理文本并獲得匹配結果(一個Match實例)，最后使用Match實例獲得信息，進行其他的操作。

importre#將正則表達式編譯成Pattern對象

pattern = re.compile(r'hello')#使用Pattern對象匹配文本，獲取匹配結果，無法匹配時返回None

match = pattern.match('hello world')ifmatch:#使用Match獲取分組信息

print(match.group())#輸出#hello

re.compile(strPattern[, flag]):

這個方法是Pattern類的工廠方法，用于將字符串形式的正則表達式編譯為Pattern對象。 第二個參數flag是匹配模式，取值可以使用按位或運算符'|'表示同時生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。

可選值有：

re.I(re.IGNORECASE): 忽略大小寫(括號內是完整寫法，下同)

M(MULTILINE): 多行模式，改變'^'和'$'的行為(參見上圖)

S(DOTALL): 點任意匹配模式，改變'.'的行為

L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決于當前區域設定

U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性

X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。以下兩個正則表達式是等價的：

a = re.compile(r"""\d+ # the integer part

\. # the decimal point

\d* # some fractional digits""")

b= re.compile(r"\d+\.\d*")

re提供了眾多模塊方法用于完成正則表達式的功能。這些方法可以使用Pattern實例的相應方法替代，唯一的好處是少寫一行re.compile()代碼，但同時也無法復用編譯后的Pattern對象。這些方法將在Pattern類的實例方法部分一起介紹。如上面這個例子可以簡寫為：

importre

m= re.match(r'hello', 'hello world!')ifm:print(m.group())

re模塊還提供了一個方法escape(string)，用于將string中的正則表達式元字符如*/+/?等之前加上轉義符再返回，在需要大量匹配元字符時有那么一點用。

2.2. Match

Match對象是一次匹配的結果，包含了很多關于此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。

屬性：

string: 匹配時使用的文本。

re: 匹配時使用的Pattern對象。

pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

endpos: 文本中正則表達式結束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

lastindex: 最后一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組，將為None。

lastgroup: 最后一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

方法：

group([group1, …]):獲得一個或多個分組截獲的字符串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，返回group(0)；沒有截獲字符串的組返回None；截獲了多次的組返回最后一次截獲的子串。

groups([default]):以元組形式返回全部分組截獲的字符串。相當于調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為None。

groupdict([default]):返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。

start([group]):返回指定的組截獲的子串在string中的起始索引(子串第一個字符的索引)。group默認值為0。

end([group]):返回指定的組截獲的子串在string中的結束索引(子串最后一個字符的索引+1)。group默認值為0。

span([group]):返回(start(group), end(group))。

expand(template):將匹配到的分組代入template中然后返回。template中可以使用\id或\g、\g引用分組，但不能使用編號0。\id與\g是等價的；但\10將被認為是第10個分組，如果你想表達\1之后是字符'0'，只能使用\g<1>0。

importre

m= re.match(r'(\w+) (\w+)(?P.*)', 'hello world!')print('m.string:', m.string)print('m.re:', m.re)print('m.pos:', m.pos)print('m.endpos:', m.endpos)print('m.lastindex:', m.lastindex)print('m.lastgroup:', m.lastgroup)print('m.group(0):', m.group(0))print('m.group(1):', m.group(1))print('m.group(2):', m.group(2))print('m.group(1, 2):', m.group(1, 2))print("m.group('sign'):", m.group('sign'))print('m.groups():', m.groups())print('m.groupdict():', m.groupdict())print('m.start(2):', m.start(2))print('m.end(2):', m.end(2))print('m.span(2):', m.span(2))print(r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3'))'''# output

m.string: hello world!

m.re: <_sre.sre_pattern object at>

m.pos: 0

m.endpos: 12

m.lastindex: 3

m.lastgroup: sign

m.group(0): hello world!

m.group(1): hello

m.group(2): world

m.group(1, 2): ('hello', 'world')

m.group('sign'): !

m.groups(): ('hello', 'world', '!')

m.groupdict(): {'sign': '!'}

m.start(2): 6

m.end(2): 11

m.span(2): (6, 11)

m.expand(r'\2 \1\3'): world hello!'''

2.3. Pattern

Pattern對象是一個編譯好的正則表達式，通過Pattern提供的一系列方法可以對文本進行匹配查找。

Pattern不能直接實例化，必須使用re.compile()進行構造。

Pattern提供了幾個可讀屬性用于獲取表達式的相關信息：

pattern: 編譯時用的表達式字符串。

flags: 編譯時用的匹配模式。數字形式。

groups: 表達式中分組的數量。

groupindex: 以表達式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內。

importre

p= re.compile(r'(\w+) (\w+)(?P.*)', re.DOTALL)print('p.pattern:', p.pattern)print('p.flags:', p.flags)print('p.groups:', p.groups)print('p.groupindex:', p.groupindex)'''# output

p.pattern: (\w+) (\w+)(?P.*)

p.flags: 48

p.groups: 3

p.groupindex: {'sign': 3}'''

實例方法[ | re模塊方法]：

match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):

這個方法將從string的pos下標處起嘗試匹配pattern；如果pattern結束時仍可匹配，則返回一個Match對象；如果匹配過程中pattern無法匹配，或者匹配未結束就已到達endpos，則返回None。

pos和endpos的默認值分別為0和len(string)；re.match()無法指定這兩個參數，參數flags用于編譯pattern時指定匹配模式。

注意：這個方法并不是完全匹配。當pattern結束時若string還有剩余字符，仍然視為成功。想要完全匹配，可以在表達式末尾加上邊界匹配符'$'。

示例參見2.1小節。

search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):

這個方法用于查找字符串中可以匹配成功的子串。從string的pos下標處起嘗試匹配pattern，如果pattern結束時仍可匹配，則返回一個Match對象；若無法匹配，則將pos加1后重新嘗試匹配；直到pos=endpos時仍無法匹配則返回None。

pos和endpos的默認值分別為0和len(string))；re.search()無法指定這兩個參數，參數flags用于編譯pattern時指定匹配模式。

importre#將正則表達式字符串編譯成Pattern對象

pattern = re.compile(r'world')#使用search()查看匹配的子串，不存在能匹配的子串時返回None#match = pattern.match('hello world')

match = pattern.search('hello world')ifmatch:print(match.group())'''# output

world'''

split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):

按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數，不指定將全部分割。

importre

p= re.compile(r'\d+')print(p.split('one1two2three3four4five5'))'''output:

['one', 'two', 'three', 'four', 'five', '']'''

findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):

搜索string，以列表形式返回全部能匹配的子串。

importre

p= re.compile(r'\d+')for m in p.finditer('one1two2three3four4five5'):print(m.group(), end=' ')'''# output

1 2 3 4 5'''

sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):

使用repl替換string中每一個匹配的子串后返回替換后的字符串。

當repl是一個字符串時，可以使用\id或\g、\g引用分組，但不能使用編號0。

當repl是一個方法時，這個方法應當只接受一個參數(Match對象)，并返回一個字符串用于替換(返回的字符串中不能再引用分組)。

count用于指定最多替換次數，不指定時全部替換。

importre

p= re.compile(r'(?P\w+) (?P\w+)')

s= 'i say, hello world'

print(p.findall(s))print(p.sub(r'\2 \1', s))print(p.sub(r'\g<2> \g<1>', s))print(p.sub(r'\g \g', s))'''# output

[('i', 'say'), ('hello', 'world')]

say i, world hello

say i, world hello

say i, world hello'''

deffunc(m):return m.group(1).title() + ' ' + m.group(2).title()print(p.sub(func, s))'''#output

I Say, Hello World'''

subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):

返回 (sub(repl, string[, count]), 替換次數)。

importre

p= re.compile(r'(?P\w+) (?P\w+)')

s= 'i say, hello world'

print(p.subn(r'\2 \1', s))deffunc(m):return m.group(1).title() + ' ' + m.group(2).title()print(p.subn(func, s))'''#output

('say i, world hello', 2)

('I Say, Hello World', 2)'''

總結

以上是生活随笔為你收集整理的python正则表达式指南_Python正则表达式指南（转）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。