python3 正则表达式入坑

怼烎@ 2021-12-23 16:23 208阅读 0赞

# Python3 正则表达式 #

正则表达式是一个**特殊的字符序列**，它能帮助你方便的检查一个字符串是否与某种模式匹配。

Python 自1.5版本起增加了**re 模块**，它提供 Perl 风格的正则表达式模式。

re 模块使 Python 语言拥有全部的正则表达式功能。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

example：

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

\-pattern 匹配的正则表达式  
\-string 匹配的字符串  
\-flags  -标志位，用于控制正则表达式的匹配方式（详细参考正则表达式修饰符）

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

\-pattern 匹配的正则表达式  
\-string 匹配的字符串  
\-flags -标志位，用于控制正则表达式的匹配方式（详细参考正则表达式修饰符）

前者只从字符串开头开始匹配，后者在整个字符串内匹配。

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

\-pattern : 正则中的模式字符串。  
\-repl : 替换的字符串，也可为一个函数。  
\-string : 要被查找替换的原始字符串。  
\-count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。  
\-flags : 编译时用的匹配模式，数字形式。

**compile 函数**  
compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法格式为：re.compile(pattern\[, flags\])

*  pattern : 一个字符串形式的正则表达式
 *  flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
 *   *  re.I 忽略大小写
     *  re.L 表示特殊字符集 \\w, \\W, \\b, \\B, \\s, \\S 依赖于当前环境
     *  re.M 多行模式
     *  re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）
     *  re.U 表示特殊字符集 \\w, \\W, \\b, \\B, \\d, \\D, \\s, \\S 依赖于 Unicode 字符属性数据库
     *  re.X 为了增加可读性，忽略空格和' \# '后面的注释

**findall(string\[, pos\[, endpos\]\])**  
string 待匹配的字符串。  
pos 可选参数，指定字符串的起始位置，默认为 0。  
endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

**re.finditer(pattern, string, flags=0) （返回迭代器）**

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

**正则表达式修饰符 - 可选标志？**

re.I    使匹配对大小写不敏感  
re.L    做本地化识别（locale-aware）匹配  
re.M    多行匹配，影响 ^ 和 $  
re.S    使 . 匹配包括换行在内的所有字符  
re.U    根据Unicode字符集解析字符。这个标志影响 \\w, \\W, \\b, \\B.  
re.X    该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解

表 1. **正则表达式元字符和语法**

<table> 
 <thead> 
 <tr> 
 <th>符号</th> 
 <th>说明</th> 
 <th>实例</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td>.</td> 
 <td>表示任意字符，如果说指定了 DOTALL 的标识，就表示包括新行在内的所有字符。</td> 
 <td>'abc' &nbsp;&gt;&gt;&gt;'a.c' &nbsp; &gt;&gt;&gt;结果为:'abc'&nbsp;</td> 
 </tr> 
 <tr> 
 <td>^</td> 
 <td>表示字符串开头。</td> 
 <td>'abc' &nbsp;&gt;&gt;&gt;'^abc' &nbsp;&gt;&gt;&gt;结果为:'abc'</td> 
 </tr> 
 <tr> 
 <td>$</td> 
 <td>表示字符串结尾。</td> 
 <td>'abc' &nbsp;&gt;&gt;&gt;'abc$' &nbsp;&gt;&gt;&gt;结果为:'abc'</td> 
 </tr> 
 <tr> 
 <td>*, +, ?</td> 
 <td>'*'表示匹配前一个字符重复 0 次到无限次，'+'表示匹配前一个字符重复 1次到无限次，'?'表示匹配前一个字符重复 0 次到1次</td> 
 <td> 'abcccd' &nbsp;&gt;&gt;&gt;'abc*' &gt;&gt;&gt;结果为:'abccc' 'abcccd' &gt;&gt;&gt;'abc+' &nbsp;&gt;&gt;&gt;结果为:'abccc' 'abcccd' &gt;&gt;&gt;'abc?' &nbsp;&gt;&gt;&gt;结果为:'abc' </td> 
 </tr> 
 <tr> 
 <td>*?, +?, ??</td> 
 <td>&nbsp; &nbsp;前面的*,+,?等都是贪婪匹配，也就是尽可能多匹配，后面加?号使其变成惰性匹配即非贪婪匹配</td> 
 <td> 'abc' &nbsp;&gt;&gt;&gt;'abc*?' &gt;&gt;&gt;结果为:'ab' 'abc' &nbsp;&gt;&gt;&gt;'abc??' &gt;&gt;&gt;结果为:'ab' 'abc' &nbsp;&gt;&gt;&gt;'abc+?' &gt;&gt;&gt;结果为:'abc' </td> 
 </tr> 
 <tr> 
 <td>{m}</td> 
 <td>匹配前一个字符 m 次</td> 
 <td>'abcccd' &gt;&gt;&gt;'abc{3}d' &nbsp;&gt;&gt;&gt;结果为:'abcccd'</td> 
 </tr> 
 <tr> 
 <td>{m,n}</td> 
 <td>匹配前一个字符 m 到 n 次</td> 
 <td>'abcccd' &nbsp;&gt;&gt;&gt;&nbsp;'abc{2,3}d'&nbsp;&gt;&gt;&gt;结果为:'abcccd'</td> 
 </tr> 
 <tr> 
 <td>{m,n}?</td> 
 <td>匹配前一个字符 m 到 n 次，并且取尽可能少的情况&nbsp;</td> 
 <td>'abccc' &nbsp;&gt;&gt;&gt;&nbsp;'abc{2,3}?'&nbsp;&gt;&gt;&gt;结果为:'abcc'</td> 
 </tr> 
 <tr> 
 <td>\</td> 
 <td>对特殊字符进行转义，或者是指定特殊序列</td> 
 <td>&nbsp;'a.c' &gt;&gt;&gt;'a\.c' &gt;&gt;&gt; 结果为:&nbsp;'a.c'</td> 
 </tr> 
 <tr> 
 <td>[] &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</td> 
 <td>表示一个字符集,所有特殊字符在其都失去特殊意义,只有：&nbsp;^ &nbsp;- &nbsp;] &nbsp;\ &nbsp; 含有特殊含义</td> 
 <td>'abcd' &gt;&gt;&gt;'a[bc]' &gt;&gt;&gt;结果为:'ab'</td> 
 </tr> 
 <tr> 
 <td>|</td> 
 <td>或者，只匹配其中一个表达式 ，如果|没有被包括在()中，则它的范围是整个正则表达式</td> 
 <td>'abcd' &gt;&gt;&gt;'abc|acd' &gt;&gt;&gt;结果为:'abc'</td> 
 </tr> 
 <tr> 
 <td>( … )</td> 
 <td>被括起来的表达式作为一个分组. findall 在有组的情况下只显示组的内容</td> 
 <td>&nbsp;'a123d' &gt;&gt;&gt;'a(123)d' &gt;&gt;&gt;结果为:'123'</td> 
 </tr> 
 <tr> 
 <td>(?#...)</td> 
 <td>注释，忽略括号内的内容 &nbsp;特殊构建不作为分组</td> 
 <td>&nbsp;'abc123' &gt;&gt;&gt;'abc(?#fasd)123' &gt;&gt;&gt;结果为:'abc123'</td> 
 </tr> 
 <tr> 
 <td>(?= … )</td> 
 <td>表达式’…’之前的字符串，特殊构建不作为分组</td> 
 <td>在字符串’ pythonretest ’中 (?=test) 会匹配’ pythonre ’</td> 
 </tr> 
 <tr> 
 <td>(?!...)</td> 
 <td>后面不跟表达式’…’的字符串，特殊构建不作为分组</td> 
 <td>如果’ pythonre ’后面不是字符串’ test ’，那么 (?!test) 会匹配’ pythonre ’</td> 
 </tr> 
 <tr> 
 <td>(?&lt;= … )</td> 
 <td>跟在表达式’…’后面的字符串符合括号之后的正则表达式，特殊构建不作为分组</td> 
 <td>正则表达式’ (?&lt;=abc)def ’会在’ abcdef ’中匹配’ def ’</td> 
 </tr> 
 <tr> 
 <td>（?:）</td> 
 <td>取消优先打印分组的内容</td> 
 <td>'abc' &gt;&gt;&gt;'(?:a)(b)' &gt;&gt;&gt;结果为'[b]'</td> 
 </tr> 
 <tr> 
 <td>?P&lt;&gt;</td> 
 <td>指定Key</td> 
 <td>'abc' &gt;&gt;&gt;'(?P&lt;n1&gt;a)&gt;&gt;&gt;结果为:groupdict{n1:a}</td> 
 </tr> 
 </tbody> 
</table>

**表 2. 正则表达式特殊序列**

<table> 
 <thead> 
 <tr> 
 <th>特殊表达式序列</th> 
 <th>说明</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td>\A</td> 
 <td>只在字符串开头进行匹配。</td> 
 </tr> 
 <tr> 
 <td>\b</td> 
 <td>匹配位于开头或者结尾的空字符串</td> 
 </tr> 
 <tr> 
 <td>\B</td> 
 <td>匹配不位于开头或者结尾的空字符串</td> 
 </tr> 
 <tr> 
 <td>\d</td> 
 <td>匹配任意十进制数，相当于 [0-9]</td> 
 </tr> 
 <tr> 
 <td>\D</td> 
 <td>匹配任意非数字字符，相当于 [^0-9]</td> 
 </tr> 
 <tr> 
 <td>\s</td> 
 <td>匹配任意空白字符，相当于 [ \t\n\r\f\v]</td> 
 </tr> 
 <tr> 
 <td>\S</td> 
 <td>匹配任意非空白字符，相当于 [^ \t\n\r\f\v]</td> 
 </tr> 
 <tr> 
 <td>\w</td> 
 <td>匹配任意数字和字母，相当于 [a-zA-Z0-9_]</td> 
 </tr> 
 <tr> 
 <td>\W</td> 
 <td>匹配任意非数字和字母的字符，相当于 [^a-zA-Z0-9_]</td> 
 </tr> 
 <tr> 
 <td>\Z</td> 
 <td>只在字符串结尾进行匹配</td> 
 </tr> 
 </tbody> 
</table>

参考：

[https://www.runoob.com/python3/python3-reg-expressions.html][https_www.runoob.com_python3_python3-reg-expressions.html]

[https://www.cnblogs.com/yyyg/p/5498803.html][https_www.cnblogs.com_yyyg_p_5498803.html]

[https://www.runoob.com/regexp/regexp-syntax.html][https_www.runoob.com_regexp_regexp-syntax.html]（结合这个再修改本文）

[https_www.runoob.com_python3_python3-reg-expressions.html]: https://www.runoob.com/python3/python3-reg-expressions.html
[https_www.cnblogs.com_yyyg_p_5498803.html]: https://www.cnblogs.com/yyyg/p/5498803.html
[https_www.runoob.com_regexp_regexp-syntax.html]: https://www.runoob.com/regexp/regexp-syntax.html