Python基础学习之正则表达式

1. python 中的正则匹配步骤

用import re 导入正则表达式模块；

用re.compile() 创建一个regex对象，最好使用原始字符串；即在字符串前加r；

向regex对象的search() 中传入想查找的字符串。返回值为一个Match对象；

调用Match对象的group() 方法，返回实际匹配文本字符串；

例子：寻找电话号码

import re phoneNumRegex = re.compile(r'\d{3}-\d{3}-\d{4}') mo = phoneNumRegex.search('My phone number is 333-333-2222.') print('Number is :' + mo.group()) # 输出：333-333-2222

2. 常用的匹配模式

2.1 利用括号进行分组；

import re phoneNumRegex = re.compile(r'(\d{3})-(\d{3}-\d{4})') # 使用括号，第一个括号内是第一组，第二个括号内是第二组； mo = phoneNumRegex.search('My phone number is 333-333-2222.') print('Number is :' + mo.group(0)) # 返回整个匹配文本；输出：Number is :333-333-2222 print('Number is :' + mo.group()) # group()中传入0，或者不传入，则返回整个匹配文本 print('Area Number is :' + mo.group(1)) # group()中传入1，返回第一个括号内的匹配值；输出：Area Number is :333 print('Phone Number is :' + mo.group(2)) # group()中传入2，返回第一个括号内的匹配值；输出：Phone Number is :333-2222 print(mo.groups()) # 使用gourps() 一次返回所有括号内的匹配结果；输出：('333', '333-2222') areaNum, ThoneNum = mo.groups() # 多重赋值技巧 print(areaNum, ThoneNum) # 输出：333 333-2222 phoneNumRegex = re.compile(r'(\(\d{3}\))-(\d{3}-\d{4})') # 当匹配值中有括号时，使用 \( 和 \） 进行转义； mo = phoneNumRegex.search('My phone number is (333)-333-2222.') print('Number is :' + mo.group()) # 输出：Number is :(333)-333-2222

2.2 使用管道符（|）匹配多个分组； | 相当于或运算；但只返回第一个匹配到的值；

import re HeroRegex=re.compile(r'batman|superman') # 匹配 batman 或者 superman； mo1=HeroRegex.search('batman and superman!') print(mo1.group()) # 输出管道符中第一个匹配项；输出：batman mo2=HeroRegex.search('superman and batman!') print(mo2.group()) # 输出管道符中第一个匹配项；输出：superman

2.3 使用问号 （？） 实现可选匹配

使用 ？ 表明？前面的分组是可选的，即匹配？前面的分组 零次 或者 一次，举例如下：

import re BatRegex=re.compile(r'bat(wo)?man') mo1=BatRegex.search('batman and batwoman') print(mo1.group()) mo2=BatRegex.search('batwoman and batman') print(mo2.group())

2.4 用星号（*） 匹配零次，一次或者多次

使用 * 可以匹配 * 前面的分组零次，一次或者多次，举例如下：

import re BatRegex=re.compile(r'bat(wo)*man') mo1=BatRegex.search('batman and batwoman') print(mo1.group()) mo2=BatRegex.search('batwoman and batman') print(mo2.group()) mo3=BatRegex.search('batwowowowowowoman and batman') print(mo3.group())

2.5 使用加号（+）匹配 一次 或者 多次；

使用加号 + 匹配+前面的分组 一次或者多次，若一次都没有出现，则匹配结果为None；

import re BatRegex=re.compile(r'bat(wo)+man') mo1=BatRegex.search('batman and batwoman') print(mo1.group()) mo2=BatRegex.search('batman') print(mo2==None) # 返回 True

2.6 使用花括号 {} 匹配指定次数；

使用花括号{}， {3}前面的分组重复3次；{3，5} 前面的分组重复 3-5次；{3，}前面的分组3到无限大次；

import re BatRegex=re.compile(r'bat(wo){3}man') mo1=BatRegex.search('batman and batman') print(mo1==None) mo2=BatRegex.search('batwowowoman') print(mo2.group())

2.7 贪心匹配 & 非贪心匹配

当{3，5}，即匹配三次，四次，五次 都可以，那么 Python会匹配尽量多的次数，例如， Batwowowowowoman, 使用 BatRegex=re.compile(r'(wo){3,5}')，那么Python会自动匹配最多的次数，即wowowowowo, 那么如何可以匹配少的次数呢；我们使用问好（？），即BatRegex=re.compile(r'(wo){3,5}?') ，则返回wowowo;

import re BatRegex=re.compile(r'(wo){3,5}') mo1=BatRegex.search('batman and batwowowowowoman') print(mo1.group()) BatRegex2=re.compile(r'(wo){3,5}?') mo2=BatRegex2.search('batman and batwowowowowoman') print(mo2.group())

3. Findall() 方法

Regex 的另一个方法是findall()，可以返回一组字符串，包含所有满足条件的匹配项；

正则表达式没有分组，则返回一个字符串列表；

正则表达式有分组，返回元组的列表，每个元组表示一个匹配；

import re phoneNumRegex=re.compile(r'\d\d\d-\d\d\d\d-\d\d\d\d') print(phoneNumRegex.findall('kai:199-1982-1222; Pi:178-1982-1223')) #返回 ['199-1982-1222', '178-1982-1223'] phoneNumRegex2=re.compile(r'(\d\d\d)-(\d\d\d\d-\d\d\d\d)') print(phoneNumRegex2.findall('kai:199-1982-1222; Pi:178-1982-1223')) #返回 [('199', '1982-1222'), ('178', '1982-1223')]

4. 字符匹配

4.1 字符分类

''' \d 表示 0-9 的任何数字 \D 表示除了0-9 的任何字符 \w 表示任何字母，数字或者下划线字符 \w 表示除了 字母，数字 或者下划线 的字符 \s 表示 空格 制表符或者换行 \S 表示除 空格，制表符，换行之外的字符 '''

4.2 建立自己的字符分类

使用上述字符分类大广泛的话，可以自定义字符分类，方法是使用 []，比如要匹配元音字母，使用[aeiouAEIOU]，还可以使用 [0-5] 表示0到5的数字；并且 [] 中不需要使用\来取反义； 在[]最开始使用^ ,表示除 [] 中之外的字符；例如: [^AEIOUaeiou] ; 表示除 [aeiouAEIOU] 之外的字符；

4.3 插入字符和美元字符

可以在正则表达式开始的地方使用插入符号（^），表明匹配必须发生在被查找文本开始处。类似的 正则表达式最后使用 $， 表示文本结束；

举例： r'\d+$' 表示 从开始到结束都是数字的字符串。

import re phoneNumRegex=re.compile(r'^\d+$') print(phoneNumRegex.findall('1234567 345')==[]) # 无论是哪里有非数字的字符，都会返回[]； print(phoneNumRegex.findall('1234455'))

4.4 通配字符

正则表达式中，. （句号）代表通配符， 匹配除了换行外的所有字符（只匹配一个字符）；使用真正的. 需要使用转义（.）； 通过传入 re.DOTALL 作为re.compile() 的第二个参数，可以使. 匹配所有字符，包括换行符；

import re noNewLineRegex=re.compile('.*') newLineRegex=re.compile('.*',re.DOTALL) mo=noNewLineRegex.search('So ,god bless American.\n God do not bless American.') mo1=newLineRegex.search('So ,god bless American.\n God do not bless American.') print("----") print(mo.group()) print("----") print(mo1.group())

4.5 点星（.*）符号

使用 .* 代表任意字符；

import re nameRegex=re.compile(r'first name:(.*) last name:(.*)') mo=nameRegex.search('first name:zhang last name: Kai') print(mo.group()) # 返回：first name:zhang, last name: Kai

贪心模式 & 非贪心模式（使用？）

import re nonGreedyRegex=re.compile(r'<.*?>') # 非贪心模式 GreedyRegex=re.compile(r'<.*>') # 贪心模式 mo=nonGreedyRegex.search('<first name:zhang> last name: Kai>') mo2=GreedyRegex.search('<first name:zhang> last name: Kai>') print(mo.group()) # 返回：<first name:zhang> print(mo2.group()) #返回：<first name:zhang> last name: Kai>

5. 第二参数 re.I

RE.compile()的第二参数；

6. 正则表达式命名分组

命名方式： ？P<名称> 举例：(?P<year>\d{4}) 匹配一个四位数字，名字为year;