Python正则表达式

python正则表达式的实现主要是通过python的re库，re库是python的标准库，所以无须安装

1.正则表达式的常用操作符

操作符	说明	实例
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a‐z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc* 表示ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+ 表示abc、abcc、abccc等
?	前一个字符0次或1次扩展	abc? 表示ab、abc
|	左右表达式任意一个	abc|def表示abc、def
{m}	扩展前一个字符m次	ab{2}c表示abbc
{m,n}	扩展前一个字符m至n次（含n）	ab{1,2}c表示abc、abbc
^	匹配字符串开头	^abc表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$表示abc且在一个字符串的结尾
( )	分组标记，内部只能使用	操作符|(abc)表示abc，(abc|def)表示abc、def
d	数字，等价于[0‐9]
w	单词字符，等价于[A‐Za‐z0‐9_]

2.re库的使用

主要功能函数

函数	说明
re.search()	在一个字符串中搜索匹配正则表达式的第一个位置，匹配成功返回match对象，否则返回None
re.match()	从一个字符串的开始位置起匹配正则表达式，匹配成功返回match对象，否则返回None
re.findall()	搜索字符串，以列表类型返回全部能匹配的子串
re.split()	将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
re.finditer()	搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
re.sub()	在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串

更详细的说明请参考Python re文档

例如：

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

其中：

• pattern : 正则表达式的字符串或原生字符串表示

• string : 待匹配字符串

• flags : 正则表达式使用时的控制标记

常用标记	说明
re.I或re.IGNORECASE	忽略正则表达式的大小写，[A‐Z]能够匹配小写字符
re.M或re.MULTILINE	正则表达式中的^操作符能够将给定字符串的每行当作匹配开始
re.S或re.DOTALL	正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符

>>> import re
>>> m = re.search(r'[1-9]d{5}', 'abc1234567')
>>> if m:
...     m.group(0)
...
'123456'

还有一种写法是这样的

>>> import re
>>> t = re.compile(r'[1-9]d{5}')
>>> m = t.search('abc1234567')
>>> if m:
...     m.group(0)
...
'123456'

第二种写法的好处是：当要对一个正则表达式进行多次字符串匹配时，可以只编译一次，匹配多次，可以提升效率

3.Match对象

属性	说明
.string	待匹配的文本
.re	匹配时使用的patter对象（正则表达式）
.pos	正则表达式搜索文本的开始位置
.endpos	正则表达式搜索文本的结束位置
.group()	获得匹配后的字符串
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串的结束位置
.span()	返回(.start(), .end())

4.re库的贪婪匹配

re库默认采用贪婪匹配，即输出匹配长的子串

例如

>>> match = re.search(r'PY.*N', 'PYANBNCNDN')   
>>> match.group(0)   
'PYANBNCNDN'

那么，如何输出最小的匹配呢

可以在.*后面加个?，就像这样

>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')   
>>> match.group(0) 
'PYAN'

还有一些其他的操作符

操作符	说明
*?	前一个字符0次或无限次扩展，小匹配
+?	前一个字符1次或无限次扩展，小匹配
??	前一个字符0次或1次扩展，小匹配
{m,n}?	扩展前一个字符m至n次（含n），最小匹配

正则表达式说明

函数	说明
sub(pattern,repl,string)	把字符串中的所有匹配表达式pattern中的地方替换成repl
[^**]	表示不匹配此字符集中的任何一个字符
u4e00-u9fa5	汉字的unicode范围
u0030-u0039	数字的unicode范围
u0041-u005a	大写字母unicode范围
u0061-u007a	小写字母unicode范围
uAC00-uD7AF	韩文的unicode范围
u3040-u31FF	日文的unicode范围

关注公众号：