python教程——正則表達(dá)式

正則表達(dá)式是一個(gè)特殊的字符序列，它能幫助你方便的檢查一個(gè)字符串是否與某種模式匹配。

Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達(dá)式模式。

re 模塊使 Python 語言擁有全部的正則表達(dá)式功能。

compile 函數(shù)根據(jù)一個(gè)模式字符串和可選的標(biāo)志參數(shù)生成一個(gè)正則表達(dá)式對象。該對象擁有一系列方法用于正則表達(dá)式匹配和替換。

re 模塊也提供了與這些方法功能完全一致的函數(shù)，這些函數(shù)使用一個(gè)模式字符串做為它們的第一個(gè)參數(shù)。

本章節(jié)主要介紹 Python 中常用的正則表達(dá)式處理函數(shù)，如果你對正則表達(dá)式不了解，可以查看我們的 正則表達(dá)式 - 教程。

re.match函數(shù)

re.match 嘗試從字符串的起始位置匹配一個(gè)模式，如果不是起始位置匹配成功的話，match()就返回none。

函數(shù)語法：

re.match(pattern, string, flags=0)

函數(shù)參數(shù)說明：

參數(shù)描述

pattern匹配的正則表達(dá)式

string要匹配的字符串。

flags標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達(dá)式修飾符 - 可選標(biāo)志

匹配成功re.match方法返回一個(gè)匹配的對象，否則返回None。

我們可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達(dá)式。

匹配對象方法描述

group(num=0)匹配的整個(gè)表達(dá)式的字符串，group() 可以一次輸入多個(gè)組號，在這種情況下它將返回一個(gè)包含那些組所對應(yīng)值的元組。

groups()返回一個(gè)包含所有小組字符串的元組，從 1 到 所含的小組號。

實(shí)例

#!/usr/bin/python

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

以上實(shí)例運(yùn)行輸出結(jié)果為：

(0, 3)

None

實(shí)例

#!/usr/bin/python3

import re

line = "Cats are smarter than dogs"

# .* 表示任意匹配除換行符（\n、\r）之外的任何單個(gè)或多個(gè)字符

# (.*?) 表示"非貪婪"模式，只保存第一個(gè)匹配到的子串

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:

   print ("matchObj.group() : ", matchObj.group())

   print ("matchObj.group(1) : ", matchObj.group(1))

   print ("matchObj.group(2) : ", matchObj.group(2))

else:

   print ("No match!!")

以上實(shí)例執(zhí)行結(jié)果如下：

matchObj.group() :   Cats are smarter than dogs

matchObj.group(1) :   Cats

matchObj.group(2) :   smarter

re.search方法

re.search 掃描整個(gè)字符串并返回第一個(gè)成功的匹配。

函數(shù)語法：

re.search(pattern, string, flags=0)

函數(shù)參數(shù)說明：

參數(shù)描述

pattern匹配的正則表達(dá)式

string要匹配的字符串。

flags標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達(dá)式修飾符 - 可選標(biāo)志

匹配成功re.search方法返回一個(gè)匹配的對象，否則返回None。

我們可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達(dá)式。

匹配對象方法描述

group(num=0)匹配的整個(gè)表達(dá)式的字符串，group() 可以一次輸入多個(gè)組號，在這種情況下它將返回一個(gè)包含那些組所對應(yīng)值的元組。

groups()返回一個(gè)包含所有小組字符串的元組，從 1 到 所含的小組號。

實(shí)例

#!/usr/bin/python3

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

以上實(shí)例運(yùn)行輸出結(jié)果為：

(0, 3)

(11, 14)

實(shí)例

#!/usr/bin/python3

import re

line = "Cats are smarter than dogs"

searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)

if searchObj:

   print ("searchObj.group() : ", searchObj.group())

   print ("searchObj.group(1) : ", searchObj.group(1))

   print ("searchObj.group(2) : ", searchObj.group(2))

else:

   print ("Nothing found!!")

以上實(shí)例執(zhí)行結(jié)果如下：

searchObj.group() :   Cats are smarter than dogs

searchObj.group(1) :   Cats

searchObj.group(2) :   smarter

re.match與re.search的區(qū)別

re.match 只匹配字符串的開始，如果字符串開始不符合正則表達(dá)式，則匹配失敗，函數(shù)返回 None，而 re.search 匹配整個(gè)字符串，直到找到一個(gè)匹配。

實(shí)例

#!/usr/bin/python3

import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'dogs', line, re.M|re.I)

if matchObj:

   print ("match --> matchObj.group() : ", matchObj.group())

else:

   print ("No match!!")

matchObj = re.search( r'dogs', line, re.M|re.I)

if matchObj:

   print ("search --> matchObj.group() : ", matchObj.group())

else:

   print ("No match!!")

以上實(shí)例運(yùn)行結(jié)果如下：

No match!!

search --> matchObj.group() :   dogs

檢索和替換

Python 的re模塊提供了re.sub用于替換字符串中的匹配項(xiàng)。

語法：

re.sub(pattern, repl, string, count=0, flags=0)

參數(shù)：

pattern : 正則中的模式字符串。

repl : 替換的字符串，也可為一個(gè)函數(shù)。

string : 要被查找替換的原始字符串。

count : 模式匹配后替換的最大次數(shù)，默認(rèn) 0 表示替換所有的匹配。

flags : 編譯時(shí)用的匹配模式，數(shù)字形式。

前三個(gè)為必選參數(shù)，后兩個(gè)為可選參數(shù)。

實(shí)例

#!/usr/bin/python3

import re

phone = "2004-959-559 # 這是一個(gè)電話號碼"

# 刪除注釋

num = re.sub(r'#.*$', "", phone)

print ("電話號碼 : ", num)

# 移除非數(shù)字的內(nèi)容

num = re.sub(r'\D', "", phone)

print ("電話號碼 : ", num)

以上實(shí)例執(zhí)行結(jié)果如下：

電話號碼 :   2004-959-559

電話號碼 :   2004959559

repl 參數(shù)是一個(gè)函數(shù)

以下實(shí)例中將字符串中的匹配的數(shù)字乘以 2：

實(shí)例

#!/usr/bin/python

import re

# 將匹配的數(shù)字乘以 2

def double(matched):

    value = int(matched.group('value'))

    return str(value * 2)

s = 'A23G4HFD567'

print(re.sub('(?P<value>\d+)', double, s))

執(zhí)行輸出結(jié)果為：

A46G8HFD1134

compile 函數(shù)

compile 函數(shù)用于編譯正則表達(dá)式，生成一個(gè)正則表達(dá)式（ Pattern ）對象，供 match() 和 search() 這兩個(gè)函數(shù)使用。

語法格式為：

re.compile(pattern[, flags])

參數(shù)：

pattern : 一個(gè)字符串形式的正則表達(dá)式

flags 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數(shù)為：

re.I 忽略大小寫

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境

re.M 多行模式

re.S 即為' . '并且包括換行符在內(nèi)的任意字符（' . '不包括換行符）

re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫

re.X 為了增加可讀性，忽略空格和' # '后面的注釋

實(shí)例

實(shí)例

>>>import re

>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一個(gè)數(shù)字

>>> m = pattern.match('one12twothree34four')        # 查找頭部，沒有匹配

>>> print( m )

None

>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配

>>> print( m )

None

>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配

>>> print( m )                                        # 返回一個(gè) Match 對象

<_sre.SRE_Match object at 0x10a42aac0>

>>> m.group(0)   # 可省略 0

'12'

>>> m.start(0)   # 可省略 0

3

>>> m.end(0)     # 可省略 0

5

>>> m.span(0)    # 可省略 0

(3, 5)

在上面，當(dāng)匹配成功時(shí)返回一個(gè) Match 對象，其中：

group([group1, …]) 方法用于獲得一個(gè)或多個(gè)分組匹配的字符串，當(dāng)要獲得整個(gè)匹配的子串時(shí)，可直接使用 group() 或 group(0)；

start([group]) 方法用于獲取分組匹配的子串在整個(gè)字符串中的起始位置（子串第一個(gè)字符的索引），參數(shù)默認(rèn)值為 0；

end([group]) 方法用于獲取分組匹配的子串在整個(gè)字符串中的結(jié)束位置（子串最后一個(gè)字符的索引+1），參數(shù)默認(rèn)值為 0；

span([group]) 方法返回 (start(group), end(group))。

再看看一個(gè)例子：

實(shí)例

>>>import re

>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)   # re.I 表示忽略大小寫

>>> m = pattern.match('Hello World Wide Web')

>>> print( m )                            # 匹配成功，返回一個(gè) Match 對象

<_sre.SRE_Match object at 0x10bea83e8>

>>> m.group(0)                            # 返回匹配成功的整個(gè)子串

'Hello World'

>>> m.span(0)                             # 返回匹配成功的整個(gè)子串的索引

(0, 11)

>>> m.group(1)                            # 返回第一個(gè)分組匹配成功的子串

'Hello'

>>> m.span(1)                             # 返回第一個(gè)分組匹配成功的子串的索引

(0, 5)

>>> m.group(2)                            # 返回第二個(gè)分組匹配成功的子串

'World'

>>> m.span(2)                             # 返回第二個(gè)分組匹配成功的子串索引

(6, 11)

>>> m.groups()                            # 等價(jià)于 (m.group(1), m.group(2), ...)

('Hello', 'World')

>>> m.group(3)                            # 不存在第三個(gè)分組

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

IndexError: no such group

findall

在字符串中找到正則表達(dá)式所匹配的所有子串，并返回一個(gè)列表，如果有多個(gè)匹配模式，則返回元組列表，如果沒有找到匹配的，則返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

語法格式為：

re.findall(pattern, string, flags=0)

或

pattern.findall(string[, pos[, endpos]])

參數(shù)：

pattern 匹配模式。

string 待匹配的字符串。

pos 可選參數(shù)，指定字符串的起始位置，默認(rèn)為 0。

endpos 可選參數(shù)，指定字符串的結(jié)束位置，默認(rèn)為字符串的長度。

查找字符串中的所有數(shù)字：

實(shí)例

import re

result1 = re.findall(r'\d+','runoob 123 google 456')

pattern = re.compile(r'\d+')   # 查找數(shù)字

result2 = pattern.findall('runoob 123 google 456')

result3 = pattern.findall('run88oob123google456', 0, 10)

print(result1)

print(result2)

print(result3)

輸出結(jié)果：

['123', '456']

['123', '456']

['88', '12']

多個(gè)匹配模式，返回元組列表：

實(shí)例

import re

result = re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')

print(result)

[('width', '20'), ('height', '10')]

re.finditer

和 findall 類似，在字符串中找到正則表達(dá)式所匹配的所有子串，并把它們作為一個(gè)迭代器返回。

re.finditer(pattern, string, flags=0)

參數(shù)：

參數(shù)描述

pattern匹配的正則表達(dá)式

string要匹配的字符串。

flags標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達(dá)式修飾符 - 可選標(biāo)志

實(shí)例

import re

it = re.finditer(r"\d+","12a32bc43jf3")

for match in it:

    print (match.group() )

輸出結(jié)果：

12

32

43

3

re.split

split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

re.split(pattern, string[, maxsplit=0, flags=0])

參數(shù)：

參數(shù)描述

pattern匹配的正則表達(dá)式

string要匹配的字符串。

maxsplit分割次數(shù)，maxsplit=1 分割一次，默認(rèn)為 0，不限制次數(shù)。

flags標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。參見：正則表達(dá)式修飾符 - 可選標(biāo)志

實(shí)例

>>>import re

>>> re.split('\W+', 'runoob, runoob, runoob.')

['runoob', 'runoob', 'runoob', '']

>>> re.split('(\W+)', ' runoob, runoob, runoob.')

['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']

>>> re.split('\W+', ' runoob, runoob, runoob.', 1)

['', 'runoob, runoob, runoob.']

>>> re.split('a*', 'hello world')   # 對于一個(gè)找不到匹配的字符串而言，split 不會對其作出分割

['hello world']

正則表達(dá)式對象

re.RegexObject

re.compile() 返回 RegexObject 對象。

re.MatchObject

group() 返回被 RE 匹配的字符串。

start() 返回匹配開始的位置

end() 返回匹配結(jié)束的位置

span() 返回一個(gè)元組包含匹配 (開始,結(jié)束) 的位置