Python 正则表达式 re
非打印字符
非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：
| 字符 | 描述 |
|---|---|
| \cx | 匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 |
| \f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
| \n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
| \r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
| \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]。注意 Unicode 正则表达式会匹配全角空格符。 |
| \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
| \t | 匹配一个制表符。等价于 \x09 和 \cI。 |
| \v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
特殊字符
许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符**** 放在它们前面。下表列出了正则表达式中的特殊字符：
| 特别字符 | 描述 |
|---|---|
| $ | 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \ 转义。 |
| ( ) | 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 \ 转义。 |
| * | 匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \ 转义。 |
| + | 匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \ 转义。 |
| . | 匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \ 转义。 |
| [ | 标记一个中括号表达式的开始。要匹配 [，请使用 \ 转义。 |
| ? | 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \ 转义。 |
| \ | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。匹配自身，用 \ 自身进行转义 |
| ^ | 匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 \ 转义。 |
| { | 标记限定符表达式的开始。要匹配 {，请使用 \ 转义。 |
| | | 指明两项之间的一个选择。要匹配 |
限定符
正则表达式的限定符有：
| 字符 | 描述 |
|---|---|
| * | 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
| + | 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
| ? | 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。 |
| n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 | |
| n 是一个非负整数。至少匹配n 次。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*'。 | |
| m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 |
定位符
定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。
定位符用来描述字符串或单词的边界，^ 和 $ 分别指字符串的开始与结束，\b 描述单词的前或后边界，\B 表示非单词边界。
正则表达式的定位符有：
| 字符 | 描述 |
|---|---|
| ^ | 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。 |
| $ | 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。 |
| \b | 匹配一个单词边界，即字与空格间的位置。 |
| \B | 非单词边界匹配。 |
贪婪、非贪婪
+、*、{n,} 等默认都是贪婪匹配，即默认匹配最多的模式。如
haaaaaa
如果你用ha*作为匹配模式，会匹配到haaaaaa，这种默认会匹配最长的模式，就是贪婪模式。
如果你用ha*?作为匹配模式，会匹配到ha，加了?以后，就会将*转变成非贪婪模式，只会匹配最短。
所以，当?在其他限定符之后出现，就是作为非贪婪模式。
元字符大全
下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为：
| 字符 | 描述 |
|---|---|
| \ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\' 匹配 "" 而 "(" 则匹配 "("。 |
| ^ | 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。 |
| $ | 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。 |
| * | 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
| + | 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
| ? | 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。 |
| n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 | |
| n 是一个非负整数。至少匹配n 次。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*'。 | |
| m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 | |
| ? | 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 |
| . | 匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像"(.|\n)"的模式。 |
| (pattern) | 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '(' 或 ')'。 |
| (?:pattern) | 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 |
| (?=pattern) | 正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| (?!pattern) | 正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| (?<=pattern) | 反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"`(?<=95 |
| (?<!pattern) | 反向否定预查，与正向否定预查类似，只是方向相反。例如"(?"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows`"。 |
| x|y | 匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 |
| [xyz] | 字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。 |
| [^xyz] | 负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。 |
| [a-z] | 字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 |
| [^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 |
| \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'。 |
| \cx | 匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 |
| \d | 匹配一个数字字符。等价于 [0-9]。 |
| \D | 匹配一个非数字字符。等价于 [^0-9]。 |
| \f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
| \n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
| \r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
| \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 | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
| \t | 匹配一个制表符。等价于 \x09 和 \cI。 |
| \v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
| \w | 匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。 |
| \W | 匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。 |
| \xn | 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。 |
| \num | 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。 |
| \n | 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 |
| \nm | 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。 |
| \nml | 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 |
| \un | 匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。 |
python的简单实例
下面的例子，和上面的元字符大全列表的顺序基本一一对应。
import re
s_true = r"of course, you looked ok. I like your name eg:(wzt_2333333_2333333@nonsense.com+++), it is\( a great name"
# 查找特殊字符`\c`，前两个\转义了\本身，第三个\转义了(
patt = r"\\\("
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配以of开头
patt = "^of"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 以name结尾
patt = "name$"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查找以nam开始，后面跟着0个或多个e的字符
patt = "name*"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查找以2开始，1个或多个3的数字
patt = "23+"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查找以2开始，0个或1个（2-3之间的数字）
patt = "2[2-3]?"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查找以2开头，2个3的数字
patt = "23{2}"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查找以2开头，1-2个3的数字
patt = "23{1,2}"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查找以2开头，后面有2个以上个3的数字
patt = "23{2,}"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 非贪婪模式，查找以2开头，最少一个3的数字
patt = "23{1,}?"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# .匹配任意除了\n以外的字符
patt = "c.urse"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配括号内的模式，括号内的元素会保存在group里面，可以用group(number)单独拿出来，groups方法查看所有值
patt = "na(me) (eg)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true),re_obj.search(string=s_true).groups() ,re_obj.search(string=s_true).group())
# ?:pattern , 匹配pattern，但是不把结果保存在group里面
patt = "na(?:me)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true),re_obj.search(string=s_true).groups(),re_obj.search(string=s_true).group())
# 匹配后面跟着me的na，如果后面跟的不是me，就匹配不上
patt = "na(?=me)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true),re_obj.search(string=s_true).groups(),re_obj.search(string=s_true).group())
patt = "na(?=ms)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配后面不是me的na，如果后面不是me，就能匹配上，否则匹配不上，和 ?= 相反。
patt = "na(?!me)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
patt = "na(?!ms)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配前面是na的me，如果前面是na，就匹配上了。否则匹配不上。
patt = "(?<=na)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
patt = "(?<=li)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配前面不是na的me，如果前面不是na，就匹配上，和 ?<= 相反。
patt = "(?<!na)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
patt = "(?<!li)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配 a 或者 i
patt = "l(a|i)ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配ais中任意一个即 lake 或 like 或 lske
patt = "l[ais]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非 lake
patt = "l[^a]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配 a-z
patt = "l[a-z]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非 a-z
patt = "l[^a-z]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配单词边界，也就是ok前面要有空格，ok作为一个单词的开头才能匹配上。
patt = r"\bok"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非单词边界，也就是ok后面不是单词的边界，如 oked
patt = r"ok\B"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配数字
patt = "\d"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非数字
patt = "\D"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配任意空白字符，如回车，空格，制表符等
patt = "\s"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配任意非空白字符
patt = "\S"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配数字、字母、下划线
patt = 'wzt\w'
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非数字、字母、下划线
patt = 'com\W+'
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 其他 (?P<name>),这种模式，可以将当前group，也就是当前的括号的部分给命名为 name，然后返回一个字典
print(re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city"))
结果：
<re.Match object; span=(90, 92), match='\\('>
<re.Match object; span=(0, 2), match='of'>
<re.Match object; span=(101, 105), match='name'>
<re.Match object; span=(38, 42), match='name'>
<re.Match object; span=(51, 58), match='2333333'>
<re.Match object; span=(51, 53), match='23'>
<re.Match object; span=(51, 54), match='233'>
<re.Match object; span=(51, 54), match='233'>
<re.Match object; span=(51, 58), match='2333333'>
<re.Match object; span=(51, 53), match='23'>
<re.Match object; span=(3, 9), match='course'>
<re.Match object; span=(38, 45), match='name eg'> ('me', 'eg') name eg
<re.Match object; span=(38, 42), match='name'> () name
<re.Match object; span=(38, 40), match='na'> () na
None
None
<re.Match object; span=(38, 40), match='na'>
<re.Match object; span=(40, 42), match='me'>
None
None
<re.Match object; span=(40, 42), match='me'>
<re.Match object; span=(28, 32), match='like'>
<re.Match object; span=(28, 32), match='like'>
<re.Match object; span=(28, 32), match='like'>
<re.Match object; span=(28, 32), match='like'>
None
<re.Match object; span=(22, 24), match='ok'>
<re.Match object; span=(17, 19), match='ok'>
<re.Match object; span=(51, 52), match='2'>
<re.Match object; span=(0, 1), match='o'>
<re.Match object; span=(2, 3), match=' '>
<re.Match object; span=(0, 1), match='o'>
<re.Match object; span=(47, 51), match='wzt_'>
<re.Match object; span=(76, 85), match='com+++), '>
{'province': '3714', 'city': '81', 'birthday': '1993'}
python re的常用方法
- re.match 从字符的开头开始匹配，返回一个SRE_Match类型的对象，否则返回None；SRE_match对象可以调用 group()方法获取结果，groups()方法获取元组对象，也可以用group(num)获取元组的第几个对象。
- re.search 从字符串任意位置中匹配，返回一个SRE_Match类型的对象，否则返回None
- re.findall 把所有匹配到的字符放到以列表中的元素返回
- re.splitall 以匹配到的字符当做列表分隔符
- re.sub 匹配字符并替换
re.compile(pattern,flags)
参数 flags = re.IGNORECASE
如果想同时使用两个以上的此参数，可以使用|，如:re.I | re.M | re.S
re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
re.M(MULTILINE): 多行模式，忽略换行\n
re.S(DOTALL): 点任意匹配模式，改变'.'的行为，可以搜索所有,包括换行符
- findall 方法
re_str = "hello this is python 2.7.13 and python 3.4.5"
pattern = "python [0-9]\.[0-9]\.[0-9]"
res = re.findall(pattern=pattern, string=re_str) # res = re.findall(pattern, re_str)
print(res)
# 一般采用编译的方式使用python的正则模块，如果在大量的数据量中，编译的方式使用正则性能会提高很多
re_str = "hello this is python 2.7.13 and Python 3.4.5"
re_obj = re.compile(pattern = "python [0-9]\.[0-9]\.[0-9]",flags=re.IGNORECASE) # Regex对象
res = re_obj.findall(re_str)
print(res)
- sub 方法
# sub() 替换方法
re_str = "what is a different between python 2.7.14 and python 3.5.4"
re_obj = re.compile("\d{1,}\.\d{1,}\.\d{1,}")
print(re_obj.sub("a.b.c", re_str, count=1)) # 替换一次
# what is a different between python a.b.c and python 3.5.4
print(re_obj.sub("a.b.c", re_str, count=2)) # 替换两次
# what is a different between python a.b.c and python a.b.c
print(re_obj.sub("a.b.c", re_str)) # 全部替换
# what is a different between python a.b.c and python a.b.c
- split
# split() 分割字符串
re_str = "what is a different between python 2.7.14 and python 3.5.4 USA:NewYork!Zidan.FRA"
re_obj = re.compile("[. :!]") # 按照此列表的元素来分割
print(re_obj.split(re_str))
# ['what', 'is', 'a', 'different', 'between', 'python', '2', '7', '14', 'and', 'python', '3', '5', '4', 'USA', 'NewYork', 'Zidan', 'FRA']
