Python中re模块的使用

compile()

编译正则表达式，返回一个正则表达式对象，该对象可复用。

re.compile(pattern, flags=0)
# pattern：编译时用的表达式字符串
# flags：编译标志位，用于修改正则表达式匹配方式

常用flags

标志	含义
re.S(DOTALL)	使 . 匹配包括换行符在内的所有字符
re.I(IGNORECASE)	忽略大小写
re.L(LOCALE)	本地化识别匹配，影响 \w, \W, \b, \B, \s, \S
re.M(MULTILINE)	多行匹配，影响^和$
re.X(VERBOSE)	详细模式，该模式下正则表达式可以是多行，忽略空白字符，且可以加注释
re.U	根据Unicode字符集解析字符，影响\w, \W, \b, \B, \d, \D, \s, \S

match()

判断目标字符串是否在字符串开始处匹配。

re.match(pattern, string, flags=0)
# pattern：正则表达式对象
# string：目标字符串

用法：

re.match('hel', 'hello world').group()           # 'hel'
re.match('hel', 'HELLO WORLD', re.I).group()     # 'HEL'

注意：不完全匹配，即只判断字符串开头是否匹配。可以在正则表达式对象末尾加上边界符$来实现完全匹配。

search()

判断目标字符串是否在字符串中匹配，只要找到第一个匹配则返回，没有匹配则返回None。

re.search(pattern, string, flags=0)
# pattern：正则表达式对象
# string：目标字符串

用法：

re.search('wor', 'hello world').group()        # wor
re.search('wor', 'HELLO WORLD', re.I).group()  # WOR

match() VS search()

相同：

• 一旦匹配成功，会返回一个match object对象，该对象包含group等方法。

re.search('wor', 'hello world').start()   # 6
# 返回匹配开始处索引
re.search('wor', 'hello world').end()     # 9
# 返回匹配结束处索引
re.search('wor', 'hello world').span()    # (6, 9)
# 返回匹配开始、结束处索引组成的元组
re.search('wor', 'hello world').group()   # 'wor'
# 返回整体匹配的字符串，可以一次输入多个组号（正则表达式对象需要有进行分组）

不同：

• match从字符串开始处匹配，开始处不匹配则匹配失败；search在字符串整体中进行匹配，只要找到一个匹配对象即返回匹配字符串。

findall()

遍历匹配，返回所有匹配的字符串组成的列表。

re.findall(pattern, string, flags=0)
# pattern：正则表达式对象
# string：目标字符串

用法：

re.findall('o', 'hello world')   # ['o', 'o']

finditer()

遍历匹配，返回一个匹配结果的迭代器。

re.finditer(pattern, string, flags=0)
# pattern：正则表达式对象
# string：目标字符串

用法：

res = re.finditer('o', 'hello world')
for i in res:
    print(i.group())
# o o

re.finditer()函数返回结果是一个迭代器，迭代对象为match object对象。

split()

根据匹配的字符串分割目标字符串，返回分割后结果列表。

re.split(pattern, string[, maxsplit[, flags=0]])
# pattern：正则表达式对象
# string：目标字符串
# maxsplit：最大分割次数，默认为无穷大即分割为最小块

用法：

re.split('o', 'hello world')
# ['hell', 'w', 'rld']
re.split('o', 'hello world', 1)
# ['hell', 'world']

sub()

替换给定字符串的匹配子串，返回替换后对象。

re.sub(pattern, repl, string, count)
# pattern：正则表达式对象
# repl：替换对象
# string：目标字符串
# count：替换次数，默认无穷大即全部替换

用法：

re.sub('o', 'p', 'hello world')    # hellp world
re.sub('o', 'p', 'hello world', 1) # hellp wprld

subn()

返回替换后结果和次数组成的元组。

re.subn(pattern, repl, string, count=0, flags=0)
# pattern：正则表达式对象
# repl：替换对象
# string：目标字符串
# count：替换次数，默认全部替换

用法：

re.subn('o','p', 'hello world')
# ('hellp wprld', 2)
re.subn('o','p', 'hello world', 1)
# ('hellp world', 1)
re.subn('o','p', 'hello world', 9)
# ('hellp wprld', 2)

Python支持的正则表达元字符和语法

语法	说明	表达式实例	完整匹配的字符串
一般字符	匹配自身	abc	abc
.	匹配除换行符\n之外所有字符，DOTALL模式也能匹配换行符	a.c	agc
[...]	字符集。对应位置可以为字符集中任意字符，[]内可以是具体字符也可以是字符范围，如[abc]或[a-c]。第一个字符如果是^则表示取反。	a[bcd]e	abe
\d	数字：[0-9]	a\dc	a2c
\D	非数字：[^\d]	a\Dc	abc
\s	空白字符：[<空格>\t\r\n\f\v]	a\sc	a c
\S	非空白字符：[^\s]	a\Sc	abc
\w	单词字符：[A-Za-z0-9]	a\wc	aBc
\W	非单词字符：[^\w]	a\Wc	a c
*	匹配前一个字符0次或多次	abc*	ab，abccc
+	匹配前一个字符1次或多次	abc+	abc，abccc
?	匹配前一个字符0次或1次	abc?	ab,abc
{m}	匹配前一个字符m次	ab{2}c	abbc
{m, n}	匹配前一个字符m到n次	ab{1,2}c	abc，abbc
^	匹配字符串开头，多行模式中匹配每一行开头	^abc	abc
$	匹配字符串末尾，多行模式中匹配每一行末尾	abc$	abc
\A	仅匹配字符串开头	\Abc	abc
\Z	仅匹配字符串末尾	abc\Z	abc
\b	匹配\w 和\W 之间	a\b!ba	a!bc
\B	[^\b]	a\Bbc	abc
|	或操作符	abc|def	abc，def
(...)	括号内表达式作为分组，从字符串起始开始匹配，每匹配到一个符合条件的则编号+1。分组表达式作为一个整体，可以后接数量词。	(abc){2},a(123|456)c	abcabc,a456c
(?P<name>...)	分组，除原有编号之外再指定一个别名。	(?P<id>abc){2}	abcabc
<number>	引用编号为<number>的分组匹配到的字符串	(\d)abc1	1abc1
(?P=name)	引用别名为<name>的分组匹配到的字符串	(?P<id>\d)abc(?P=id)	1abc1，3abc3
(?:...)	(...)的不分组版本，用于使用或操作符后接数量词	(?:abc){2}	abcabc
(?#...)	#后内容作为注释被忽略	abc(#coment)1	abc1
(?=...)	之后的字符串内容需要匹配表达式才能成功匹配，不消耗字符串内容	a(?=\d)	后面是数字的a
(?!...)		a(?!\d)	后面不是数字的a
(?<=...)		a(<=\d)	前面是数字的a
(?<!...)		a(<!\d)	前面是不是数字的a

贪婪模式和非贪婪模式

使用正则表达式进行模式匹配的时候默认都是贪婪模式，即在匹配范围内尽可能匹配最大长度的字符串。贪婪模式会影响到*、+、{m, n}等元字符的使用，可以在后面加上?使其变为非贪婪模式。

re.search('abc.*d', 'abcdccccd')
# 贪婪模式，匹配整个字符串，输出 'abcdccccd'
re.search('abc.*?d', 'abcdccccd')
# 非贪婪模式，匹配到 abc 后面一个 d 即停止匹配，输出 'abcd'