正则表达式在每种语言中都会有,目的就是匹配符合你预期要求的字符串。

Python正则表达式主要由re库提供,拥有了基本所有的表达式。

16.1 Python正则表达式

符号

描述

示例

.匹配除换行符(\n)之外的任意单个字符字符串123\n456,匹配123:1.3
^匹配字符串开头abc\nxyz,匹配以abc开头的行:^abc
$匹配字符串结尾abc\nxyz,匹配以xyz结束的行:xyz$
*匹配多个hello\nword,匹配以w开头d结尾的单词:w*d
+匹配1个或多个abc\nabcc\nadf,匹配abc和abcc:ab+
匹配0个或1个abc\nac\nadd,匹配abc或ac:a?c
[.]匹配中括号之中的任意一个字符abcd\nadd\nbbb,匹配abcd和add:[abc]
[ .-.]匹配中括号中范围内的任意一个字符abcd\nadd\nbbb,匹配abcd和add:[a-c]
[^]匹配[^字符]之外的任意一个字符abc\n\abb\nddd,不匹配abc和abb:[^a-c]
{n}或{n,}匹配花括号前面字符至少n个字符1\n\12\n123\n1234,匹配123和1234:[0-9]{3}
{n,m}匹配花括号前面字符至少n个字符,最多m个字符1\n\12\n123\n1234\n12345,匹配123和1234 :[0-9]{3,4}
|匹配竖杠两边的任意一个abc\nabd\abe,匹配abc和abd:ab(c|d)
\转义符,将特殊符号转成原有意义1.2,匹配1.2:1\.2,否则112也会匹配到


特殊字符

描述

示例

\A匹配字符串开始

与^区别是:当使用修饰符re.M匹配多行时,\A将所有字符串作为一整行处理。

abc123\nabc456,匹配abc123:\Aabc,^则都会匹配到

\Z匹配字符串结束与\A同理
\b匹配字符串开始或结束(边界)abc\nabcd,匹配a开头并且c结尾字符串:\babc\b
\B与\b相反
\d匹配任意十进制数,等效[0-9]1\n123\nabc,匹配1和123:[0-9],包含单个数字的都会匹配到,如果只想匹配1:\b[0-9]\b
\D匹配任意非数字字符,等效[^0-9]1\n12\nabc,匹配abc:[^0-9]
\s匹配任意空白字符,等效[\t\n\r\f\v]1\n a,注意a前面有个空格,匹配a:\s
\S匹配任意非空白字符,等效[^\t\n\r\f\v]1\n a\n ,匹配1和a:\S
\w匹配任意数字和字母,等效[a-zA-Z0-9_]1\n a\n ,匹配1和a:\w
\W与\w相反,等效[^a-zA-Z0-9_]
\n反向引用,n是数字,从1开始编号,表示引用第n个分组匹配的内容ff,匹配ff:(.)\1,即"ff"


扩展正则表达式

描述

( )匹配小括号中正则表达式或字符。用上面\n特殊字符引用。
(?#...)注释小括号内的内容
(?:...)不保存匹配的分组
(?P<name>...)命名分组,name是标识名称,默认是数字ID标识分组匹配
(?=...)匹配后面能匹配表的达式...,称为正先行断言
(?!...)匹配后面不能匹配的表达式...,称为负先行断言
(?<=...)匹配前面能匹配的表达式...,称为正后发断言
(?<!...)匹配前面不能匹配的表达式...,称为负后发断言
(?(id/name)Y/N)如果分组提供的id或name存在,则使用Y表达式匹配,否则N表达式匹配

断言:断言就是一个条件,判断某个字符串前面或后面是否满足某种规律的字符串,不能引用。

16.2 re库

re模块有以下常用的方法:

方法

描述

re.compile(pattern, flags=0)把正则表达式编译成一个对象
re.findall(pattern, string, flags=0)以列表形式返回所有匹配的字符串
re.finditer(pattern, string, flags=0)以迭代器形式返回所有匹配的字符串
re.match(pattern, string, flags=0)匹配字符串开始,如果不匹配返回None
re.search(pattern, string, flags=0)扫描字符串寻找匹配,如果符合返回一个匹配对象并终止匹配,否则返回None
re.split(pattern, string, maxsplit=0, flags=0)以匹配模式作为分隔符,切分字符串为列表
re.sub(pattern, repl, string, count=0, flags=0)字符串替换,repl替换匹配的字符串,repl可以是一个函数
re.purge()清除正则表达式缓存

参数说明:

pattern   正则表达式

string    要匹配的字符串

flags     标志位的修饰符,用于控制表达式匹配模式

标志位的修饰符,有以下可选项:

修饰符

描述

re.DEBUG显示关于编译正则的debug信息
re.I/re.IGNORECASE忽略大小写
re.L/re.LOCALE本地化匹配,影响\w,\w,\b,\B,\s和\S
re.M/re.MULTILINE多行匹配,影响^和$
re.S/re.DOTAIL匹配所有字符,包括换行符\n,如果没这个标志将匹配除了换行符
re.U/re.UNICODE根据unicode字符集解析字符。影响影响\w,\w,\b,\B,\d,\D,\s和\S
re.X/re.VERBOSE允许编写更好看、更可读的正则表达式,也可以在表达式添加注释,下面会讲到


博客地址:http://lizhenliang.blog.51cto.com

QQ群:323779636(Shell/Python运维开发群


16.2.1 re.compile()

把正则表达式编译成一个对象,方便再次调用:

>>> import re
prog = re.compile(pattern)
result = prog.match(string)
等效于
result = re.match(pattern, string)
例如:检查字符串是否匹配
>>> def displaymatch(match):
...     if match is None:
...         return None
...     return '<Match: %r, group=%r>' % (match.group(), match.groups())
...
>>> valid = re.compile(r"^[a-c1-3]{3}$")
>>> displaymatch(valid.match("a1b"))   # 可用
"<Match: 'a1b', group=()>"
>>> displaymatch(valid.match("a1b2"))  # 不可用
>>> displaymatch(valid.match("bbb"))   # 可用
"<Match: 'bbb', group=()>"

16.2.1 match()

例如:判断字符串开头是否匹配字符
>>> m = re.match(r'hello', 'hello world')           
>>> print m  # 匹配到字符串开头是hello
<_sre.SRE_Match object at 0x7f56d5634030>
>>> m = re.match(r'world', 'hello world')     
>>> print m  # 没有匹配到
None

正则对象匹配方法:

1)group([group1, ...])

>>> m = re.match(r'(\w+) (\w+)', 'hello world')    
>>> m.group(0)    # 全部组匹配
'hello world'
>>> m.group(1)    # 第一个括号子组
'hello'
>>> m.group(2)    # 第二个括号子组
'world'
>>> m.group(1, 2) # 多个参数返回一个元组
('hello', 'world')
通过分子重命名的名字来引用分组结果:
>>> m = re.match(r'(?P<first_name>\w+) (?P<last_name>\w+)', 'hello world')    
>>> m.group('first_name')
'hello'
>>> m.group('last_name')
'world'
# 命名组也可以引用他们的索引
>>> m.group(1)
'hello'
>>> m.group(2)
'world'

如果一组匹配多次,只有最后一个匹配:

>>> m = re.match(r"(..)+", "a1b2c3")    
>>> m.group(1)
'c3'

2)groups([default])

返回一个元组包含所有子组的匹配。

>>> m = re.match(r"(\d+)\.(\d+)", "24.1632")    
>>> m.groups()
('24', '1632')

3)groupdict([default])

返回子组名字作为键,匹配结果作为值的字典。

>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "hello world")    
>>> m.groupdict()
{'first_name': 'hello', 'last_name': 'world'}

4)start()和end()

例如:去掉邮件地址的某字符

>>> email = "tony@163_126.com"    
>>> m = re.search(r"_126", email)
>>> email[:m.start()] + email[m.end():]
'tony@163.com'

5)span()

以列表形式返回匹配索引开始和结束值:

>>> email = "tony@163_126.com"    
>>> m = re.search(r"_126", email)
>>> m.span()
(8, 12)

6)pos和endpos

返回字符串开始和结束索引值:

>>> email = "tony@163_126.com"    
>>> m = re.search(r"_126", email)
>>> m.pos
0
>>> m.endpos
16

16.2.3 search()

search()方法也具备match()方法的正则对象匹配方法,区别是search()匹配到第一个后就返回并终止匹配。

例如:匹配第一个结果就返回

>>> m = re.search(r"c", "abcdefc")
>>> m.group()
'c'
>>> m.span()
(2, 3)

16.2.4 split()

例如:以数字作为分隔符拆分字符串

>>> m = re.split(r"\d+", "a1b2c3")       
>>> m
['a', 'b', 'c', '']
16.2.4 sub()

例如:替换2016

>>> m = re.sub(r"\d+", "2017", "the year 2016")
>>> m
'the year 2017'

例如:repl作为一个函数

>>> def repl(m):                         
...   return str(int(m.group('v')) * 2)     
...
>>> re.sub(r'(?P<v>\d+)', repl, "123abc")
'246abc'

函数返回必须是一个字符串。

16.2.5 findall()和finditer()

例如:得到所有匹配的数字

>>> text = "a1b2c3"
>>> re.findall(r'\d+', text)
['1', '2', '3']
>>> for m in re.finditer(r'\d+', text):
...   print m.group()
...
1
2
3

16.2.6 原始字符串符号"r"

上面所看到的(r"\d+")其中的r代表原始字符串,没有它,每个反斜杠'\'都必须再加一个反斜杠来转义它。

例如,下面两行代码功能上是相同的:

>>> m = re.match(r"\W(.)\1\W", " ff ")
>>> m.group()
' ff '
>>> m = re.match("\\W(.)\\1\\W", " ff ")
>>> m.group()
' ff '
>>> m = re.match("\W(.)\1\W", " ff ")   
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

\W匹配第一个和最后一个空字符,(.)匹配第一个f,\1引用前面(.)匹配的结果(还是f),即是r"ff"

16.3 贪婪和非贪婪匹配

贪婪模式:尽可能最多匹配

非贪婪模式,尽可能最少匹配,一般在量词(*、+)后面加个问号就是非贪婪模式。

# 贪婪匹配
>>> re.findall(r"<div>.*</div>", "<div>a</div><div>b</div><div>c</div>")
['<div>a</div><div>b</div><div>c</div>']
# 非贪婪匹配
>>> re.findall(r"<div>.*?</div>", "<div>a</div><div>b</div><div>c</div>")
['<div>a</div>', '<div>b</div>', '<div>c</div>']
>>> re.findall(r"a(\d+)", "a123b")     
['123']
>>> re.findall(r"a(\d+?)", "a123b")
['1']
# 如果右边有限定,非贪婪失效
>>> re.findall(r"a(\d+)b", "a123b")   
['123']
>>> re.findall(r"a(\d+?)b", "a123b")  
['123']

贪婪匹配是尽可能的向右匹配,直到字符串结束。

非贪婪匹配是匹配满足后就结束。

16.3 了解扩展表达式

以一个字符串来学习断言的用法:"A regular expression "

1)(?=...)

正先行断言,匹配后面能匹配的表达式。

有两个re字符串,只想匹配regular中的:

>>> re.findall(r"..(?=gular)", "A regular expression") 
['re']
# 再向后匹配几个字符说明匹配的regular中的。下面都会说明下,不再注释
>>> re.findall(r"(?=gular).{5}", "A regular expression")
['gular']

2)(?!...)

负先行断言,匹配后面不能匹配表达式。

只想匹配expression中的re字符串,排除掉regular单词:

>>> re.findall(r"re(?!g)", "A regular expression") 
['re']
>>> re.findall(r"re(?!g).{5}", "A regular expression")
['ression']

3)(?<=...)

正向后行断言,匹配前面能匹配表达式。

只想匹配单词里的re,排除开头的re:

>>> re.findall(r"(?<=\w)re", "A regular expression")
['re']
>>> re.findall(r"(?<=\w)re.", "A regular expression")       
['res']

在re前面有一个或多个字符,所以叫后行断言,正则匹配是从前向后,当遇到断言时,会再向字符串前端检测已扫描的字符,相对于扫描方向是向后的。

4)(?<!...)

负向后行断言,匹配前面不能匹配的表达式。

只想匹配开头的re:

>>> re.findall(r"(?<!\w)re", "A regular expression") 
['re']
>>> re.findall(r"(?<!\w)re.", "A regular expression")
['reg']

16.4 修饰符

re.VERBOSE上面说明可能你还不太明白,怎么个更加可读呢,这就来看看,下面两个正则编译等效:

>>> a = re.compile(r"""\d +  # the integral part
...                    \.    # the decimal point
...                    \d *  # some fractional digits""", re.X)
>>> b = re.compile(r"\d+\.\d*")

当你写的正则很长的时候,可以添加注释。


Python正则表达式参考:https://docs.python.org/2/library/re.html