一、基础语法
1.1 语法速查
1.2 最简单的正则匹配
学习正则一般是从 match 和 search 函数开始，推荐教程。
match
match(pattern, string) 函数会从字符串的头部开始搜索，如果匹配到了 pattern 则将其结果存入 group 中，匹配到了几次就存入几次，如果没有匹配到则返回空。
import re
a = "Jack love Rose"
res = re.match(r"Jack", a)
if res:
print(res.group(0))
输出结果
Jack
search
如果想在句子中匹配某个单词应该使用 search() 函数，使用match() 函数是搜索不到的
import re
a = "Jack love coding!"
res1 = re.match(r"love", a)
res2 = re.search(r"love", a)
if res1:
print(res1.group(0))
if res2:
print(res2.group(0))
输出结果
love
如果匹配了多个结果，那么同样的，输出 group(2)、group(3)……
import re
a = "Jack love Rose and love coding!"
res = re.search(r"Jack (.*) and (.*) coding!", a)
if res:
print(res.group(1))
print(res.group(2))
输出结果
love Rose
love
match 和 search 函数适合于本身已经知道了有几个需要匹配项的情况，如果需要找出所有的匹配项，应该使用 findall，后面会讲到。
compile
函数声明
re.compile(pattern[, flags])
flags 是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
我们来尝试一下
import re
a = "Jack love Rose and love coding!"
# 忽略大小写
pattern = re.compile(r"JACK (.*) AND (.*) coding!", re.I)
res = pattern.match(a)
if res:
print(res.group(1))
print(res.group(2))
输出结果
love Rose
love
findall
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次， findall 匹配所有。
import re
pattern = re.compile(r'd+') # 查找数字
result1 = pattern.findall('www.hao123baidu456.com')
result2 = pattern.findall('www.hao123baidu456.com', 0, 10) # 指定匹配范围
print(result1)
print(result2)
输出结果
['123', '456']
['123']
1.3 转义字符匹配
转义字符的匹配需要 "" 做转义。
- 匹配括号
import re
# 匹配括号里的内容
a = "www.hao123(baidu)456.com"
# 忽略大小写
pattern = re.compile(r"((.*))")
res = pattern.findall(a)
print(res[0])
输出内容
baidu
- 匹配$
$是一个特殊的字符，在正则中表示以某字符结尾，假设我们要匹配 $$ 中间的内容（经常在公式转换中使用），应该怎么写呢？
import re
a = "$y=x^2$"
# 匹配$$中间的内容
pattern = re.compile(r"$(.*)$")
res = pattern.findall(a)
print(res[0])
输出结果
y=x^2
其他的转义字符使用方式类似。
1.4 正则替换
Python 的re模块提供了re.sub用于替换字符串中的匹配项。函数声明如下
re.sub(pattern, repl, string, count=0, flags=0)
【例 1】将字符串中的
s替换为A
import re
a = "this is hust"
pattern = re.compile(r"s")
res = re.sub(pattern, "A", a)
print(res)
输出结果
thiA iA huAt
【例 2】将字符串中的 $A$ 替换为 `$A$`
import re
# replace $A$ to `$A$`
a = "设集合$a={1,2,3}$,求集合$a$的子集个数。"
b = re.sub(r'$(.+?)$', r'`$1$`', a)
print(a)
print(b)
输出结果
设集合$a={1,2,3}$,求集合$a$的子集个数。
设集合`$a={1,2,3}$`,求集合`$a$`的子集个数。
这里有个注意的点， 1 表示匹配到的内容。
【例 2】将字符串中的无效，测试替换为空字符
import re
a = "华中科技大学机械学院（无效）"
b = "华中科技大学紫菘公寓（测试）"
c = "华中科技大学无效紫菘测试公寓（西区）"
pattern = re.compile(u"(无效|测试)")
res1 = re.sub(pattern, "", a)
res2 = re.sub(pattern, "", b)
res3 = re.sub(pattern, "", c)
print(res1)
print(res2)
print(res3)
输出结果
华中科技大学机械学院（）
华中科技大学紫菘公寓（）
华中科技大学紫菘公寓（西区）
二、进阶用法
2.1 判断字符串是否为数字
import re
a = "-1234"
b = "-12.34"
c = ".34"
print(re.match(r'^[+-]?d+$', a)) # 匹配int 1
print(re.match(r'^[+-]?[0-9].*$', a)) # 匹配int 2
print(re.match(r'^[+-]?d*(.)d+$', b)) # 匹配float
print(re.match(r'^[+-]?d*(.)d+$', c)) # 匹配float
print(re.match(r'^[+-]?d*(.)?d+$', a)) # 匹配int 或 float
输出结果
<re.Match object; span=(0, 5), match='-1234'>
<re.Match object; span=(0, 5), match='-1234'>
<re.Match object; span=(0, 6), match='-12.34'>
<re.Match object; span=(0, 3), match='.34'>
<re.Match object; span=(0, 5), match='-1234'>
2.2 去除括号中的内容
去除括号里的内容其实就是利用 re.sub 的替换功能
import re
a = "华中科技大学附属同济医院(西区)"
pattern = re.compile(u"$(.*)$")
res = re.sub(pattern, "", a)
print(res)
输出结果
华中科技大学附属同济医院
2.3 去除脏符号
【例 1】因为平时工作中接触数据很多，经常需要对数据进行清洗，其中一个很重要的流程就是去除字符串中除了中文、英文、括号之外的所有字符，这个实现如下
import re
a = "华中科技大学机械学院 B240 (研究生工作室;电话联系)。"
pattern = re.compile(u"[^u4e00-u9fa50-9a-zA-Z()（）]")
res = re.sub(pattern, "", a)
print(res)
输出结果
华中科技大学机械学院B240(研究生工作室电话联系)
【例 2】括号内不是期或者区则删掉括号内容
import re
a = "华中科技大学紫菘公寓（一期）。"
b = "华中科技大学紫菘公寓（西）。"
pattern = re.compile(u"((?!.*[区期]).*)|（(?!.*[区期]).*）")
res1 = re.sub(pattern, "", a)
res2 = re.sub(pattern, "", b)
print(res1)
print(res2)
输出结果
华中科技大学紫菘公寓（一期）。
华中科技大学紫菘公寓。
