re模块用于对python的正则表达式的操作。
常用正则表达式符号
字符数字： . 匹配除换行符以外的任意字符，即[^ ] s 匹配任意空白符（如 、 、 ） S 匹配任意非空白符 w 匹配[A-Za-z0-9下划线汉字] W 匹配非[A-Za-z0-9下划线汉字] 匹配单词的开始或结束 ^或A 匹配字符串的开始 $或 匹配字符串的结束 d或[0-9] 匹配所有数字 D 匹配非数字 次数： * 重复零次或多次 + 重复一次或多次 ? 重复零次或一次 {n} 重复n次 {n,} 重复n次或更多次 {n,m} 重复n到m次 其他： | 匹配|左或|右的字符 (...) 分组匹配 转义字符 [] 匹配符合[]内的字符 [^] 匹配不符合[]内的字符 组合： (?P<name>...) 分组匹配 [a-z] 匹配所有小写字母字符 [^a-z] 匹配所有非小写字母字符 [^0-9] 匹配所有非数字字符 [u4e00-u9fa5] 匹配中文 (.*)或(.+) 匹配单行 ^(25[0-5]|2[0-4]d|[0-1]?d?d)(.(25[0-5]|2[0-4]d|[0-1]?d?d)){3}$ 匹配IP ^1[3|4|5|7|8|9][0-9]d{8}$ 匹配手机号（貌似手机号第二位有3,4,5,7,8,9）
正则表达式代码实例
import re # . 匹配除换行符以外的任意字符，即[^ ] # + 重复一次或更多次 # .+匹配任意字符串 res = re.search('f.+n',"abcd1234efghijklmn5678") print(res.group()) # fghijklmn # s 匹配任意空白符（如 、 、 ） res = re.search('s+',"123$+ b") print(res.group()) # ' ' # S 匹配任意非空白符 res = re.search('S+',"123aZ你好$+ b") print(res.group()) # 123aZ你好$+ # w 匹配[A-Za-z0-9下划线汉字] res = re.search('w+',"123_你好$+ b") print(res.group()) # 123_你好 # W 匹配非[A-Za-z0-9下划线汉字] res = re.search('W+',"123_你好$+ b") print(res.group()) # $+ # ^或A 匹配字符串的开始 # $或 匹配字符串的结束 res = re.search('A[0-9]+[a-z]',"123b") print(res.group()) # 123b res = re.search('^[0-9]+[a-z]$',"123b") print(res.group()) # 123b # d或[0-9] 匹配所有数字 res = re.search('abcdd',"abcd1234efgh5678") print(res.group()) # abcd1 res = re.search('abcd[0-9]',"abcd1234efgh5678") print(res.group()) # abcd1 # D 匹配非数字 res = re.search('D+',"123$+ b") print(res.group()) # $+ b # ? 重复零次或一次 res = re.search('aal?',"aalex") # 匹配aa或者aal print(res.group()) # aal res = re.search('aal?',"aaex") print(res.group()) # aa # * 重复零次或多次 # {n} 重复n次 # {n,} 重复n次或更多次 # {n,m} 重复n到m次 res = re.search('e[0-9]*',"aa1e2345x") print(res.group()) # e2345 res = re.search('[0-9]{3}',"aa1e2345x") print(res.group()) # 234 res = re.search('[0-9]{3,}',"aa1e2345x") print(res.group()) # 2345 res = re.search('[0-9]{1,3}',"aa1e2345x") print(res.group()) # 1 # | 匹配|左或|右的字符 res = re.search('abc|ABC',"ABCdabcD") print(res.group()) # ABC # (...) 分组匹配 res = re.search('abc{2}',"Alexabcc") #匹配c两次 print(res.group()) # abcc res = re.search('(abc){2}',"Alexabcabc") #匹配abc两次 print(res.group()) # abcabc # 转义字符 res = re.search(r"\","abcd12s3df4sa5f") print(res.group()) # res = re.search("\\","abcd12s3\df4sa5f") print(res.group()) # res = re.search('(abc){2}|',"Alexabcabc|") #匹配管道符，前面需加反斜杠转义 print(res.group()) # abcabc| res = re.search('(abc){2}(||=){2}',"Alexabcabc||=||=") #等号不需转义 print(res.group()) # abcabc||=||= # (?P < name >...) 分组匹配 res = re.search("(?P<id>[0-9]+)","abcd1234sdfsaf") print(res.groupdict()) # {'id': '1234'} res = re.search("(?P<id>[0-9]+)(?P<name>[a-zA-Z]+)","abcd1234sdfs#2af") print(res.groupdict()) # {'id': '1234', 'name': 'sdfs'} a=res.groupdict() print(a['id']) # 1234 a =res.group('id') print(a) # 1234 res = re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{8})","371102199211186666") print(res.groupdict()) # {'province': '3711', 'city': '02', 'birthday': '19921118'} # [a-z] 匹配所有小写字母字符 res = re.search('[a-z]+',"ABCD1234abcd&*") print(res.group()) # abcd # [^a-z] 匹配所有非小写字母字符 res = re.search('[^a-z]+',"ABCD1234abcd&*") print(res.group()) # ABCD1234 # [^0-9] 匹配所有非数字字符 res = re.search('[^0-9]+',"ABCDabcd&*1234") print(res.group()) # ABCDabcd&* # [u4e00-u9fa5] 匹配中文 res = re.search('[u4e00-u9fa5]+',"ABCDabcd&*1234你好") print(res.group()) # 你好 # (.*)或(.+) 匹配单行 res = re.search('(.*)',"ABCDabc d&*1 234你好") print(res.group()) # ABCDabc res = re.search('(.+)',"ABCDabc d&*1 234你好") print(res.group()) # ABCDabc # ^(25[0-5]|2[0-4]d|[0-1]?d?d)(.(25[0-5]|2[0-4]d|[0-1]?d?d)){3}$ 匹配IP res = re.search('^(25[0-5]|2[0-4]d|[0-1]?d?d)(.(25[0-5]|2[0-4]d|[0-1]?d?d)){3}$',"192.168.1.10") if res: print(res.group()) # 192.168.1.10 else: print('it is not a valid IP') # ^1[3|4|5|8][0-9]d{8}$ 匹配手机号 res = re.search('^1[3|4|5|7|8|9][0-9]d{8}$',"18710602222") if res: print(res.group()) # 18710602222 else: print('it is not a valid phone number')
re模块中最常用的匹配语法
1、match(pattern, string, flags=0) 从起始位置开始根据模型去字符串中匹配指定内容，匹配单个
- 正则表达式
- 要匹配的字符串
- 标志位，用于控制正则表达式的匹配方式
import re res = re.match('d+', '123uuasf') if res: print(res.group()) # 123
2、search(pattern, string, flags=0) 根据模型去字符串中匹配指定内容，匹配单个
import re res = re.search('d+', 'aa123uuasf') if res: print(res.group()) # 123
3、findall(pattern, string, flags=0) 根据模型去字符串中匹配指定内容，匹配所有。注意：findall没有group方法。
import re res = re.findall('d+', 'fa123uu888asf') if res: print(res) # ['123', '888']
4、sub(pattern, repl, string, count=0, flags=0) 用于替换匹配的字符串，相比于str.replace功能更加强大
import re res = re.sub("[0-9]+","|","abcd12s3df4sa5f") print(res) # abcd|s|df|sa|f res = re.sub("[0-9]+","|","abcd12s3df4sa5f",count=2) print(res) # abcd|s|df4sa5f
5、split(pattern, string, maxsplit=0, flags=0) 根据指定匹配进行分组，相比于str.split更加强大
import re res = re.split("[0-9]+","abcd12s3df4sa5f") print(res) # ['abcd', 's', 'df', 'sa', 'f']
6、group和groups
import re a = "123abc456" print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group()) # 123abc456 print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(0)) # 123abc456 print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(1)) # 123 print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(2)) # abc print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).groups()) # ('123', 'abc', '456')
几个匹配模式
# flags I = IGNORECASE = sre_compile.SRE_FLAG_IGNORECASE # 忽略大小写 M = MULTILINE = sre_compile.SRE_FLAG_MULTILINE # 多行模式，可改变'^'和'$'的行为 S = DOTALL = sre_compile.SRE_FLAG_DOTALL # 点任意匹配模式，可改变'.'的行为 L = LOCALE = sre_compile.SRE_FLAG_LOCALE # assume current 8-bit locale U = UNICODE = sre_compile.SRE_FLAG_UNICODE # assume unicode locale X = VERBOSE = sre_compile.SRE_FLAG_VERBOSE # ignore whitespace and comments
import re # I = IGNORECASE 忽略大小写 res = re.search("[a-z]+","abcdA123",flags=re.I) print(res.group()) # abcdA # M = MULTILINE 多行模式，可改变'^'和'$'的行为 res = re.search("^[a-z]+"," abcd12 A123",flags=re.M) print(res.group()) # abcd 若不加flags=re.M则abcd是匹配不出来的 res = re.search("foo$"," bfoo sdfsf",flags=re.M) print(res.group()) # foo 不加flags=re.M则foo是匹配不出来的 # S = DOTALL 点任意匹配模式，可改变'.'的行为 msg = '''abc 123 ''' res = re.search("^.+",msg,flags=re.S) print(res.group()) #由于msg中abc和123占2行，如果不加flags=re.S则只能匹配一行abc # 输出： # abc # 123
反斜杠的困扰
与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\"表示。同样，匹配一个数字的"\d"可以写成r"d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。