Python Re 模块

2017 年 10 月 31 日 Python开发者

（点击上方蓝字，快速关注我们）

来源：chichao

segmentfault.com/a/1190000011578899

如有好文章投稿，请点击 → 这里了解详情

re模块下的函数

compile(pattern)：创建模式对象

import re

pat=re.compile('A')

m=pat.search('CBA')                    #等价于 re.search('A','CBA')

print m

<_sre.SRE_Match object at 0x9d690c8>   #匹配到了，返回MatchObject（True）

m=pat.search('CBD')

print m

None                                   #没有匹配到，返回None（False）

search(pattern,string)：在字符串中寻找模式

m = re.search('asd','ASDasd')

print m

<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）

m = re.search('asd','ASDASD')

print m

None #没有匹配到，返回None（False）

match(pattern,string)：在字符串开始处匹配模式

m = re.search('asd','ASDasd')

print m

<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）

m = re.search('asd','ASDASD')

print m

None #没有匹配到，返回None（False）

等价于

pat=re.compile('a')

print pat.match('Aasd')

None

printpat.match('aASD')

<_sre.SRE_Match object at 0xb72cd6e8>

上面的函数返回都可以在if条件语句中进行判断：

if pat.search('asd'):

...     print 'OK'

...

OK        #找到返回

if re.search('a','ASD'):

...     print "OK"

...       #没有找到

split(pattern,string)：根据模式分割字符串,返回列表

re.split(',','a,s,d,asd')

['a', 's', 'd', 'asd']          #返回列表

pat = re.compile(',')

pat.split('a,s,d,asd')

['a', 's', 'd', 'asd']          #返回列表

re.split('[, ]+','a ,  s  ,d     ,,,,,asd')   #正则匹配：[, ]+，后面说明

['a', 's', 'd', 'asd']

re.split('[, ]+','a ,  s  ,d     ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数

['a', 's', 'd     ,,,,,asd']

pat = re.compile('[, ]+')                     #正则匹配：[, ]+，后面说明

pat.split('a ,  s  ,d     ,,,,,asd',maxsplit=2)        # maxsplit 最多分割次数

['a', 's', 'd     ,,,,,asd']

findall(pattern,string)：列表形式返回匹配项

re.findall('a','ASDaDFGAa')

['a', 'a']                           #列表形式返回匹配到的字符串

pat = re.compile('a')

pat.findall('ASDaDFGAa')

['a', 'a']                           #列表形式返回匹配到的字符串

pat = re.compile('[A-Z]+')       #正则匹配：'[A-Z]+' 后面有说明

pat.findall('ASDcDFGAa')

['ASD', 'DFGA']                      #找到匹配到的字符串

pat = re.compile('[A-Z]')

pat.findall('ASDcDFGAa')         #正则匹配：'[A-Z]+' 后面有说明

['A', 'S', 'D', 'D', 'F', 'G', 'A']  #找到匹配到的字符串

pat = re.compile('[A-Za-z]')     #正则匹配：'[A-Za-z]+' 匹配所有单词，后面有说明

pat.findall('ASDcDFGAa')

['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a']

sub(pat,repl,string) ：用repl替换 pat匹配项

(留的是中间的，因为中间在中心)

re.sub('a','A','abcasd')   #找到a用A替换，后面见和group的配合使用

'AbcAsd'

pat = re.compile('a')

pat.sub('A','abcasd')

'AbcAsd'

pat=re.compile(r'www\.(.*)\..{3}') #正则表达式

  #在Python的string前面加上‘r’，是为了告诉编译器这个string是个raw string，不要转译反斜杠 '\' 。

  #例如，\n 在raw string中，是两个字符，\和n，而不会转译为换行符。

  #由于正则表达式和 \ 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上'r'。



   #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。



   #不是说加了r \就没有转译功能，好乱，就直接记住1句话：

   #当一个字符串使用了正则表达式后，最好在前面加上'r'，这样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

pat.match('www.dxy.com').group(1)

'dxy'

re.sub(r'www\.(.*)\..{3}',r'\1','hello,www.dxy.com')

pat.sub(r'\1','hello,www.dxy.com')

'hello,dxy'

# r'1' 是第一组的意思

#通过正则匹配找到符合规则的"www.dxy.com" ，取得组1字符串去替换整个匹配。

pat=re.compile(r'(\w+) (\w+)')     #正则表达式

s='hello world ! hello hz !'

pat.findall('hello world ! hello hz !')

[('hello', 'world'), ('hello', 'hz')]

pat.sub(r'\2 \1',s)                #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。

'world hello!hz hello!'

escape(string) ：对字符串里面的特殊字符串进行转义

re.escape('www.dxy.cn')

'www\\.dxy\\.cn' #转义

上面的函数中，只有match、search有group方法，其他的函数没有。

函数的方法

group：获取子模式(组)的匹配项

pat = re.compile(r'www\.(.*)\.(.*)')       #用()表示1个组，2个组

m = pat.match('www.dxy.com')

m.group()                                  #默认为0，表示匹配整个字符串

'www.dxy.com'

m.group(1)                                 #返回给定组1匹配的子字符串

'dxy'

m.group(2)

'com'

start：给定组匹配项的开始位置

m.start(2) #组2开始的索引

8

end：给定组匹配项的结束位置

m.end(2) #组2结束的索引

11

span：给定组匹配项的开始结束位置

m.span(2) #组2开始、结束的索引

(8, 11)

正则表达式

元字符

“.” ：通配符,除换行符外的任意的1个字符

pat=re.compile('.')

pat.match('abc')

<_sre.SRE_Match object at 0xb72b6170>

pat.match('abc').group()

'a'                                #匹配到了首个字符

pat.search('abc').group()

'a'

pat.match('\n').group()        #换行符匹配出错

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

AttributeError: 'NoneType' object has no attribute 'group'

“\” : 转义符

pat=re.compile('\.')

pat.search('abc.efg').group() #匹配到.

'.'

pat.findall('abc.efg') #不用group,返回列表

['.']

“[…]” : 字符集合，匹配里面的任意一个元素

>>> pat=re.compile('[abc]')

>>> pat.match('axbycz').group()

'a'

>>> pat.search('axbycz').group()

'a'

>>> pat.findall('axbycz')

['a', 'b', 'c']

“\d” : 数字

>>> pat=re.compile('\d')

>>> pat.search('ax1by2cz3').group()   #匹配到第一个数字:1，返回

'1'

>>> pat.match('ax1by2cz3').group()    #匹配不到（首个不是）返回None，报错，match匹配字符串头

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

AttributeError: 'NoneType' object has no attribute 'group'

>>> pat.findall('ax1by2cz3')          #匹配所有的数字，列表返回

['1', '2', '3']

“\D” : 非数字

>>> pat=re.compile('\D')

>>> pat.match('ax1by2cz3').group()

'a'

>>> pat.search('ax1by2cz3').group()

'a'

>>> pat.findall('ax1by2cz3')

['a', 'x', 'b', 'y', 'c', 'z']

“\s” ：空白字符、 \t、\r、\n、空格

>>> pat=re.compile('\s')

>>> pat.findall('\rax1 \nby2 \tcz3')

['\r', ' ', '\n', ' ', '\t']

>>> pat.search('\rax1 \nby2 \tcz3').group()

'\r'

>>> pat.match('\rax1 \nby2 \tcz3').group()

'\r'

“S” :非空白字符

>>> pat=re.compile('\S')

>>> pat.search('\rax1 \nby2 \tcz3').group()

'a'

>>> pat.findall('\rax1 \nby2 \tcz3')

['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3']

“\w” ：单个的数字和字母，[A-Za-z0-9]

>>> pat=re.compile('\w')

>>> pat.search('1a2b3c').group()

'1'

>>> pat.findall('1a2b3c')

['1', 'a', '2', 'b', '3', 'c']

>>> pat.match('1a2b3c').group()

'1'

“\W”:非单词字符,除数字和字母外

>>> pat=re.compile('\W')

>>> pat.findall('1a2我b3c') #python是用三字节表示一个汉字

['\xe6', '\x88', '\x91']

>>> pat.search('1a2我b3c').group()

'\xe6'

数量词

“*” ：0次或多次

（乘0会变成0）

>>> pat = re.compile('[abc]*')

>>> pat.match('abcabcdefabc').group()

'abcabc'                              #2次

>>> pat.search('abcabcdefabc').group()

'abcabc'                              #2次

>>> pat.findall('abcabcdefabc')

['abcabc', '', '', '', 'abc', '']     #2次和1次,因为有0次，所以匹配了''

“+” ：1次或多次

（加0不会变成0）

>>> pat = re.compile('[abc]+')

>>> pat.match('abcdefabcabc').group()

'abc'

>>> pat.search('abcdefabcabc').group()

'abc'

>>> pat.findall('abcdefabcabc')

['abc', 'abcabc']

“?” ：0次或1次，match,search 不会出现none，会出现’ ‘ （因为0次也是符合的）

0次或1次不是指[xxx]这个集合，而是其中的任何的一个字符

>>> pat = re.compile('[abc]?')

>>> pat.match('defabc').group()     #0次

''

>>> pat.match('abcdefabc').group()

'a'

>>> pat.search('defabc').group()    #0次

''

>>> pat.findall('defabc')           #0次和1次

['', '', '', 'a', 'b', 'c', '']     #后面总再加个''

“数量词?” ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）

>>> pat = re.compile('[abc]+')         #贪婪模式

>>> pat.match('abcdefabcabc').group()  #匹配尽可能多的：abc

'abc'

>>> pat.match('bbabcdefabcabc').group()

'bbabc'

>>> pat.search('dbbabcdefabcabc').group()

'bbabc'

>>> pat.findall('abcdefabcabc')

['abc', 'abcabc']

>>> pat = re.compile('[abc]+?')        #非贪婪模式：+?

>>> pat.match('abcdefabcabc').group()  #匹配尽可能少的：a、b、c

'a'

>>> pat.search('dbbabcdefabcabc').group()

'b'

>>> pat.findall('abcdefabcabc')

['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']

“{m}” ：匹配字符串出现m次

>>> pat = re.compile('[op]{2}')     #o或p出现2次

>>> pat.search('abcooapp').group()  #匹配第一次出现的字符串,o比p先出现

'oo'

>>> pat.findall('abcooapp')         #匹配出现的所有字符串，列表形式返回

['oo', 'pp']

“{m,n}” ：匹配字符串出现m到n次

>>> pat = re.compile('[op]{2,4}')     #o或则p出现2到4次

>>> pat.match('pppabcooapp').group()  #匹配开头

'ppp'

>>> pat.search('pppabcooapp').group() #匹配第一次出现

'ppp'

>>> pat.findall('pppabcooapp')        #匹配所有

['ppp', 'oo', 'pp']

.group() #匹配第一次出现

边界

“^” ：匹配字符串开头或行头

>>> pat = re.compile('^[abc]')     #开头是a、b、c中的任意一个

>>> pat.search('defabc').group()

>>> pat.match('defabc').group()    #均找不到

>>> pat.findall('defabc')

[]

>>> pat.search('adefabc').group()

'a'

>>> pat.match('adefabc').group()   #开头是a、b、c中的任意一个

'a'

>>> pat.findall('adefabc')

['a']

>>> pat = re.compile('^[abc]+')    #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个

>>> pat.findall('cbadefab')

['cba']

>>> pat = re.compile(r'^[abc]+?')  #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个

>>> pat.findall('cbadefab')

['c']

“$” ：匹配字符串结尾或则行尾

>>> pat = re.compile('[abc]$')

>>> pat.match('adefAbc').group()   #match匹配的是字符串开头，所以查找$的时，总是返回None

>>> pat.search('adefAbc').group()  #结尾是a、b、c中的任意一个

'c'

>>> pat.findall('adefAbc')

['c']

>>> pat = re.compile('[abc]+$')

>>> pat.search('adefAbc').group()  #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个

'bc'

>>> pat.findall('adefAbc')

['bc']

“\A”：匹配字符串开头

>>> pat = re.compile('\A[abc]+')

>>> pat.findall('cbadefab')

['cba']

>>> pat.search('cbadefab').group()

'cba'

“\Z”：匹配字符串结尾

>>> pat = re.compile('[abc]+\Z')

>>> pat.search('cbadefab').group()

'ab'

>>> pat.findall('cbadefab')

['ab']

分组

(…)：分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词

>>> pat=re.compile(r'(a)\w(c)')  #\w:单个的数字或字母 [A-Za-z0-9]

>>> pat.match('abcdef').group()

'abc'

>>> pat=re.compile('(a)b(c)')    #分2组，匿名分组



>>> pat.match('abcdef').group()  #默认返回匹配的字符串

'abc'

>>> pat.match('abcdef').group(1) #取分组1，适用于search

'a'

>>> pat.match('abcdef').group(2) #取分组2，适用于search

'c'

>>> pat.match('abcdef').groups() #取所有分组，元组形式返回

('a', 'c')

<number>：引用编号为<number>的分组匹配到的字符串

>>> pat=re.compile(r'www\.(.*)\..{3}')

>>> pat.match('www.dxy.com').group(1)

'dxy'

“(?P<name>…)” ：在模式里面用()来表示分组（命名分组）,适用于提取目标字符串中的某一些部位。

>>> pat=re.compile(r'(?P<K>a)\w(c)')    #分2组：命名分组+匿名分组

>>> pat.search('abcdef').groups()       #取所有分组，元组形式返回

('a', 'c')

>>> pat.search('abcdef').group(1)       #取分组1，适用于match

'a'

>>> pat.search('abcdef').group(2)       #取分组2，适用于match

'c'

>>> pat.search('abcdef').group()        #默认返回匹配的字符串

'abc'

>>> pat.search('abcdef').groupdict()    #命名分组可以返回一个字典【专有】，匿名分组也没有

{'K': 'a'}

“(?P=name)”：引用别名为<name>的分组匹配到的串

>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)')    #(?P=K)引用分组1的值，就是a

>>> pat.search('abcdef').group()              #匹配不到，因为完整'a\wca',模式的第4位是a

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

AttributeError: 'NoneType' object has no attribute 'group'

>>> pat.search('abcadef').group()             #匹配到，模式的第4位和组1一样,值是c

'abca'

>>> pat.search('abcadef').groups()

('a', 'c')

>>> pat.search('abcadef').group(1)

'a'

>>> pat.search('abcadef').group(2)

'c

“<number>” ：引用分组编号匹配：

>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)\2')  #\2引用分组2的值，就是c

>>> pat.findall('Aabcadef')                   #匹配不到，因为完整'a\wcac',模式的第5位是c

[]

>>> pat.findall('Aabcacdef')                  #匹配到，模式的第5位和组2一样,值是c

[('a', 'c')]

>>> pat.search('Aabcacdef').groups()

('a', 'c')

>>> pat.search('Aabcacdef').group()

'abcac'

>>> pat.search('Aabcacdef').group(1)

'a'

>>> pat.search('Aabcacdef').group(2)

'c'

特殊构造

(?:…) (…)不分组版本,用于使用 | 或者后接数量词
(?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
(?#…) #号后的内容将作为注释
(?=…) 之后的字符串内容需要匹配表达式才能成功匹配
(?!…) 之后的字符串不匹配表达式才能成功
(?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

“(?:…)” ：()里面有?:表示该()不是分组

>>> pat=re.compile(r'a(?:bc)')

>>> pat.findall('abc')

['abc']

>>> pat.match('abc').groups() #显示不出分组

“(?=…)”：匹配…表达式，返回。对后进行匹配，总是对后面进行匹配

>>> pat=re.compile(r'\w(?=\d)')    #匹配表达式\d，返回数字的前一位，\w：单词字符[A-Za-z0-9]

>>> pat.findall('abc1 def1 xyz1')

['c', 'f', 'z']

>>> pat.findall('zhoujy20130628hangzhou')  #匹配数字的前一位，列表返回

['y', '2', '0', '1', '3', '0', '6', '2']

>>> pat=re.compile(r'\w+(?=\d)')

>>> pat.findall('abc1,def1,xyz1')          #匹配最末数字的前字符串，列表返回

['abc', 'def', 'xyz']

>>> pat.findall('abc21,def31,xyz41')

['abc2', 'def3', 'xyz4']

>>> pat.findall('zhoujy20130628hangzhou')

['zhoujy2013062']

>>> pat=re.compile(r'[A-Za-z]+(?=\d)')       #[A-Za-z],匹配字母,可以用其他的正则方法

>>> pat.findall('zhoujy20130628hangzhou123') #匹配后面带有数字的字符串，列表返回

['zhoujy', 'hangzhou']

>>> pat.findall('abc21,def31,xyz41')

['abc', 'def', 'xyz']

“(?!…)” 不匹配…表达式，返回。对后进行匹配

>>> pat=re.compile(r'[A-Za-z]+(?!\d)') #[A-Za-z],匹配字母,可以用其他的正则方法

>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') #匹配后面不是数字的字符串，列表返回

['zhouj', 'hangzho', 'binjian']

>>> pat.findall('abc21,def31,xyz41')

['ab', 'de', 'xy']

“(?<=…)”：匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r'(?<=\d)[A-Za-z]+') #匹配前面是数字的字母

>>> pat.findall('abc21,def31,xyz41')

[]

>>> pat.findall('1abc21,2def31,3xyz41')

['abc', 'def', 'xyz']

>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')

['hangzhou']

“(?<!…)”：不匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r'(?<!\d)[A-Za-z]+') #匹配前面不是数字的字母

>>> pat.findall('abc21,def31,xyz41')

['abc', 'def', 'xyz']

>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')

['zhoujy', 'angzhou', 'binjiang']

“(?(id/name) yes |no)”: 组是否匹配，匹配返回

>>> pat=re.compile(r'a(\d)?bc(?(1)\d)')   #no省略了，完整的是a\dbc\d ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字

>>> pat.findall('abc9')                   #返回组1，但第2位（组1）没有，即返回了''

['']

>>> pat.findall('a8bc9')                  #完整的模式，返回组1

['8']

>>> pat.match('a8bc9').group()

'a8bc9'

>>> pat.match('a8bc9').group(1)

'8'

>>> pat.findall('a8bc')                   #第5位不存在，则没有匹配到

[]

“(?iLmsux)”:这里就介绍下i参数：大小写区分匹配

>>> pat=re.compile(r'abc')

>>> pat.findall('abc')

['abc']

>>> pat.findall('ABC')

[]

>>> pat=re.compile(r'(?i)abc') #(?i) 不区分大小写

>>> pat.findall('ABC')

['ABC']

>>> pat.findall('abc')

['abc']

>>> pat.findall('aBc')

['aBc']

>>> pat.findall('aBC')

['aBC']

>>> pat=re.compile(r'abc',re.I) #re.I 作为参数使用，推荐

>>> pat.findall('aBC')

['aBC']

>>> pat.findall('abc')

['abc']

>>> pat.findall('ABC')

['ABC']