Python正则表达式模块(re)简介

偏执的太偏执、 2022-08-13 05:00 247阅读 0赞

author：skate  
time：2014/10/13

**Python正则表达式模块(re)简介**

一、Python中转义字符  
    正则表达式使用反斜杠" \\ "来代表特殊形式或用作转义字符，这里跟Python的语法冲突，因此，Python用" \\\\\\\\ "表示正则表达式中的" \\ "，  
因为正则表达式中如果要匹配" \\ "，需要用\\来转义，变成" \\\\ "，而Python语法中又需要对字符串中每一个\\进行转义，所以就变成了" \\\\\\\\ "。  
    Python特别设计了原始字符串(raw string)，需要注意的是，在写文件路径的时候就不要使用raw string了，raw string就是用'r'作为字符串  
的前缀，如 r"\\n"：表示两个字符"\\"和"n"，而不是换行符了。Python中写正则表达式时推荐使用这种形式。

二、正则表达式元字符说明：  
.    匹配除换行符以外的任意字符  
^    匹配字符串的开始  
$    匹配字符串的结束  
\[\]   用来匹配一个指定的字符类别  
\+    用来匹配前一个字符1次或无限次  
？   对于前一个字符字符重复0次到1次  
\*    对于前一个字符重复0次到无穷次  
\{\}   对于前一个字符重复m次  
\{m，n\} 对前一个字符重复为m到n次  
\\d   匹配数字，相当于\[0-9\]  
\\D   匹配任何非数字字符，相当于\[^0-9\]  
\\s   匹配任意的空白符，相当于\[ fv\]  
\\S   匹配任何非空白字符，相当于\[^ fv\]  
\\w   匹配任何字母数字字符，相当于\[a-zA-Z0-9\_\]  
\\W   匹配任何非字母数字字符，相当于\[^a-zA-Z0-9\_\]  
\\b   匹配单词的开始或结束

三、基本使用

>>> import re    //导入模块  
>>> dir(re)      //查看正则模块包含的方法  
\['DEBUG', 'DOTALL', 'I', 'IGNORECASE', 'L', 'LOCALE', 'M', 'MULTILINE', 'S', 'Scanner', 'T', 'TEMPLATE', 'U', 'UNICODE', 'VERBOSE', 'X', '\_MAXCACHE', '\_\_all\_\_', '\_\_builtins\_\_', '\_\_doc\_\_', '\_\_file\_\_', '\_\_name\_\_', '\_\_package\_\_', '\_\_version\_\_', '\_alphanum', '\_cache', '\_cache\_repl', '\_compile', '\_compile\_repl', '\_expand', '\_pattern\_type', '\_pickle', '\_subx', 'compile', 'copy\_reg', 'error', 'escape', 'findall', 'finditer', 'match', 'purge', 'search', 'split', 'sre\_compile', 'sre\_parse', 'sub', 'subn', 'sys', 'template'\]  
>>>

*提示：当我们不会用模块方法的时候用help*  
>>> help(re.search)  
Help on function search in module re:

search(pattern, string, flags=0)  
    Scan through string looking for a match to the pattern, returning  
    a match object, or None if no match was found.  
(END)

例子：

使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），  
最后使用Match实例获得信息，进行其他的操作。

\# encoding: UTF-8  
import re

\# 将正则表达式编译成Pattern对象  
pattern = re.compile(r'hello')

\# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None  
match = pattern.match('hello world!')

if match:  
    \# 使用Match获得分组信息  
    print match.group()

参考：[http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html][http_www.cnblogs.com_huxi_archive_2010_07_04_1771073.html]

四、常用的正则表达式处理函数

1. search(string\[, pos\[, endpos\]\]) | re.search(pattern, string\[, flags\]):  
这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；  
若无法匹配，则将pos加1后重新尝试匹配；直到pos=endpos时仍无法匹配则返回None。 pos和endpos的默认值分别为0和len(string))；re.search()  
无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

>>> \# encoding: UTF-8  
... import re  
>>>  
>>> \# 将正则表达式编译成Pattern对象  
... pattern = re.compile(r'world')  
>>>  
>>> \# 使用search()查找匹配的子串，不存在能匹配的子串时将返回None  
... \# 这个例子中使用match()无法成功匹配  
... match = pattern.search('hello world!')  
>>>  
>>> if match:  
...     \# 使用Match获得分组信息  
...     print match.group()  
...  
world  
>>>

2. split(string\[, maxsplit\]) | re.split(pattern, string\[, maxsplit\]):  
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。

>>> import re  
>>>  
>>> p = re.compile(r'\\d+')  
>>> print p.split('one1two2three3four4')  
\['one', 'two', 'three', 'four', ''\]

3. findall(string\[, pos\[, endpos\]\]) | re.findall(pattern, string\[, flags\]):  
搜索string，以列表形式返回全部能匹配的子串。

>>> import re  
>>>  
>>> p = re.compile(r'\\d+')  
>>> print p.findall('one1two2three3four4')  
\['1', '2', '3', '4'\]

4. sub(repl, string\[, count\]) | re.sub(pattern, repl, string\[, count\]):  
使用repl替换string中每一个匹配的子串后返回替换后的字符串。  
当repl是一个字符串时，可以使用\\id或\\g<id>、\\g<name>引用分组，但不能使用编号0。  
当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。  
count用于指定最多替换次数，不指定时全部替换。

>>> import re  
>>>  
>>> p = re.compile(r'(\\w+) (\\w+)')  
>>> s = 'i say, hello world!'  
>>>  
>>> print p.sub(r'\\2 \\1', s)  
say i, world hello!  
>>>  
>>> def func(m):  
...     return m.group(1).title() + ' ' + m.group(2).title()  
...  
>>> print p.sub(func, s)  
I Say, Hello World!  
>>>

\---end----

参考：[https://docs.python.org/2/library/re.html][https_docs.python.org_2_library_re.html]

[http_www.cnblogs.com_huxi_archive_2010_07_04_1771073.html]: http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
[https_docs.python.org_2_library_re.html]: https://docs.python.org/2/library/re.html