文章目录
- 1. 正则表达式的模式——pattern
- 2. 正则表达式常量——修饰符
- （1）常量理解
- （2）re.IGNORECASE
- （3）re.ASCII
- （4）re.DOTALL
- 3. 正则表达式函数
- （1）查找一个匹配项——match、search和fullmatch
- （2）查找多个匹配项——findall、finditer
- （3）分割——split
- （4）替换——sub、subn
- （5）编译正则项——template、compile
- （6）其他——escape、purge
- 4. 一些简短示例
- （1）常用匹配模式
- （2）多个匹配模式——提取字符串和字符
re模块主要定义了 9个常量、12个函数、1个异常
1. 正则表达式的模式——pattern
模式字符串使用特殊的语法来表示一个正则表达式：
- 字母和数字表示他们自身。一个正则表达式模式中的
字母和数字匹配同样的字符串。- 多数字母和数字
前加一个反斜杠时会拥有不同的含义。标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。- 反斜杠本身需要使用反斜杠转义。
- 由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。
模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。
下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。
模式 | 描述 |
^ | 匹配字符串的开头 |
$ | 匹配字符串的末尾。 |
. |
|
[…] |
|
[^…] |
|
re* |
|
re+ |
|
re? |
|
re{ n} | 精确匹配 n 个前面表达式。例如， o{2} 不能匹配 “Bob” 中的 “o”，但是能匹配 “food” 中的两个 o。 |
re{ n,} | 匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。“o{1,}” 等价于 “o+”。“o{0,}” 则等价于 “o*”。 |
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 |
(re) | 对正则表达式分组并记住匹配的文本 |
(?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 |
|
\W |
|
\s | 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。。 |
\S |
|
\d |
|
\D | 匹配一个非数字字符。等价于 [^0-9]。 |
\A |
|
\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。 |
\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个分组的内容。 |
\10 | 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。 |
2. 正则表达式常量——修饰符
（1）常量理解
常量即表示不可更改的变量，一般用于做标记。re模块中有9个常量，常量的值都是int类型，并且所有的常量都是在RegexFlag枚举类来实现
需要说明的是，这9个常量值是可以叠加使用的，叠加时请使用 |
修饰符 | 简写 | 描述 |
re.IGNORECASE | re.I | 进行 |
re.ASCII | re.A | ASCII表示ASCII码的意思，让 \w, \W, \b, \B, \d, \D, \s 和 \S 只匹配ASCII，而不是Unicode。 |
re.DOTALL | re.S | DOT表示.，ALL表示所有，连起来就是.匹配所有，包括换行符\n。默认模式下.是不能匹配行符\n的。 |
re.MULTILINE | re.M | 多行模式，当某字符串中有换行符\n，默认模式下是不支持换行符特性的，比如：行开头 和 行结尾，而多行模式下是支持匹配行开头的。 |
re.VERBOSE | re.X | 详细模式，可以在正则表达式中加注解。 |
re.LOCALE | re.L | 由当前语言区域决定 \w, \W, \b, \B 和大小写敏感匹配，这个标记只能对byte样式有效。 |
re.UNICODE | re.U | 与 ASCII 模式类似，匹配unicode编码支持的字符，但是 |
re.DEBUG | 显示编译时的debug信息。 | |
re.TEMPLATE | re.T |
9个常量在re常用函数中都可以使用。前5个（IGNORECASE、ASCII、DOTALL、MULTILINE、VERBOSE）较为实用，两个（LOCALE、UNICODE）官方不建议使用、两个（TEMPLATE、DEBUG）试验性功能，不能依赖。
下面使用代码来更直观地查看常用正则表达式常量的使用。
（2）re.IGNORECASE
import re
text = 'QLEE'
pattern = 'qlee'
print('默认模式：', re.findall(pattern, text))
print('忽略大小写模式：', re.findall(pattern, text, re.IGNORECASE))输出：
默认模式： []
忽略大小写模式： ['QLEE']（3）re.ASCII
import re
text = '我是QLEE大家hao'
pattern = r'\w+'
print('unicode：', re.findall(pattern, text))
print('ASCII：', re.findall(pattern, text, re.ASCII))) #只匹配ASCII编码支持的字符输出：
unicode： ['我是QLEE大家hao']
ASCII： ['QLEE', 'hao']（4）re.DOTALL
import re
text = '我是QLEE\n大家hao'
pattern = r'.*'
print('默认模式：', re.findall(pattern, text)) #默认模式可以去掉换行符
print('匹配所有模式：', re.findall(pattern, text, re.DOTALL)) #换行符也匹配输出：
默认模式： ['我是QLEE', '', '大家hao', '']
匹配所有模式： ['我是QLEE\n大家hao', '']3. 正则表达式函数
需要说明的是：查找一个匹配项（search、match、fullmatch）的函数返回值都是一个 匹配对象Match ，需要通过match.group() 获取匹配值。
group() 返回被 RE 匹配的字符串。
类型 | 说明 |
group(num=0) | 匹配的整个表达式的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)，第一个为group(1)，其他依次类推 |
groups() | 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。 |
start()：返回匹配开始的位置end()：返回匹配结束的位置span()：返回一个元组包含匹配 (开始,结束) 的位置
- 举例说明
import re
pattern = r'([a-z]+) ([a-z]+)'
text = 'Hello World Wide Web' # 查待匹配的字符串
tmp = re.match(pattern, text, re.I)
print('match : ', tmp)
print('group : ', tmp.group()) #所有匹配的字符串
print('group(1) : ', tmp.group(1)) #第一个匹配的字符串
print('start : ', tmp.start()) #所有的开始
print('end : ', tmp.end())# 所有的结束
print('span : ', tmp.span(2)) #第2个的开始与结束输出：
match : <_sre.SRE_Match object; span=(0, 11), match='Hello World'>
group : Hello World
group(1) : Hello
start : 0
end : 11
span : (6, 11)（1）查找一个匹配项——match、search和fullmatch
re.match: 必须从字符串开头匹配re.search: 查找任意位置的匹配项re.fullmatch： 整个字符串与正则完全匹配
import re
text = 'aqleebqlee,cqlee'
pattern = 'qlee'
# match,只匹配开头
print('match：', re.match(pattern, text))
# search，匹配任意位置
print('search：', re.search(pattern, text))
# fullmatch，全部匹配
print('fullmatch', re.fullmatch(pattern, text))
print('group获取匹配的值：', re.search(pattern, text).group())输出：
match： None
search： <_sre.SRE_Match object; span=(1, 5), match='qlee'>
fullmatch None
group获取匹配的值： qleesearch函数是在字符串中任意位置匹配，只要有符合正则表达式的字符串就匹配成功，其实有两个匹配项，但search函数值返回一个。
而match函数是要从头开始匹配，而字符串开头多了个字母a，所以无法匹配，fullmatch函数需要完全相同，故也不匹配！
（2）查找多个匹配项——findall、finditer
re.findall： 从字符串任意位置查找，返回一个列表re.finditer：从字符串任意位置查找，返回一个迭代器
两个方法基本类似，只不过一个是返回列表，一个是返回迭代器。我们知道列表是一次性生成在内存中，而迭代器是需要使用时一点一点生成出来的，内存使用更优。
import re
text = 'aqleebqlee,cqlee'
pattern = 'qlee'
# findall,返回所有匹配值，组成列表形式
print('findall: ', re.findall(pattern, text))
# finditer,返回匹配的迭代器，需要转化为list
print('finditer: ', list(re.finditer(pattern, text)))输出：
findall: ['qlee', 'qlee', 'qlee']
finditer: [<_sre.SRE_Match object; span=(1, 5), match='qlee'>, <_sre.SRE_Match object; span=(6, 10), match='qlee'>, <_sre.SRE_Match object; span=(12, 16), match='qlee'>]（3）分割——split
- 函数形式
re.split(pattern, string, maxsplit=0, flags=0)
- pattern：分开 string
- maxsplit： 表示最多进行分割次数
- flags：表示模式
import re
text = 'aqleebqlee,cqlee'
pattern = 'qlee'
print('split: ', re.split(pattern, text, maxsplit=1, flags=re.IGNORECASE))输出：
split: ['a', 'bqlee,cqlee']（4）替换——sub、subn
re.subn与sub函数功能一致，只不过subn返回一个元组(字符串, 替换次数)。
re.sub(pattern, repl, string, count=0, flags=0)
- repl替换掉string中被pattern匹配的字符
- count表示最大替换次数
- flags表示正则表达式的常量
import re
text = 'aqleebqlee,cqlee'
pattern = ','
repl = '/'
# 将','换成'/'
print('sub: ', re.sub(pattern, repl, text, count=2, flags=re.IGNORECASE))输出：
sub: aqleebqlee/cqlee（5）编译正则项——template、compile
compile函数 与 template函数功能为将正则表达式的样式编译为一个正则表达式对象 （正则对象Pattern），这个对象与re模块有同样的正则函数。
这一块暂时用得较少，暂时不做讲解。
（6）其他——escape、purge
- escape
re.escape(pattern) 可以转义正则表达式中具有特殊含义的字符。
pattern = r'qlee\.qlee\*'等价于：
pattern = re.escape(qlee.qlee*)re.escape(pattern) 看似非常好用省去了我们自己加转义，但是使用它很容易出现转义错误的问题，所以并不建议使用它转义，而建议大家自己手动转义！
- purge
re.purge() 函数作用就是清除正则表达式缓存
4. 一些简短示例
（1）常用匹配模式
例子 | 描述 |
[Pp]ython | 匹配 “Python” 或 “python” |
[aeiou] | 匹配中括号内的任意一个字母 |
[^aeiou] | 除了aeiou字母以外的所有字符 |
[0-9] | 匹配任何数字。类似于 [0123456789] |
[a-z] | 匹配任何小写字母 |
[A-Z] | 匹配任何大写字母 |
[a-zA-Z0-9] | 匹配任何字母及数字 |
[^0-9] | 匹配除了数字外的字符 |
（2）多个匹配模式——提取字符串和字符
import re
# 提取字符和数字
'''
\w: 匹配包括下划线的任何单词字符
\d: 匹配数字
+: 匹配一个或多个，要不然只会匹配一个字符和一个数字
'''
result = re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
print(result)输出：
[('width', '20'), ('height', '10')]
