Python中正则表达式的详细教程

1.理解正则表达式

正则表达式是字符串运算的逻辑公式，即“正则字符串”由预先定义的一些特定字符和这些特定字符的组合组成。这个“常规字符串”用于表示字符串的过滤逻辑。

正则表达式是一个非常强大的字符串匹配工具。其他编程语言也有正则表达式的概念，Python也不例外。通过正则表达式，我们可以轻松地从返回的页面内容中提取我们想要的内容。

正则表达式的近似匹配过程如下：1 .依次将表达式与文本中的字符进行比较；2.如果每个字符都能匹配，则匹配成功；一旦存在匹配不成功的字符，匹配就会失败。3.如果表达式中有量词或边界，过程会略有不同。

2.正则表达式的语法规则

下面是Python中正则表达式的一些匹配规则，图片来自CSDN

3.与正则表达式相关的注释(1)量词的贪婪模式和非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。在Python中，量词默认是贪婪的(或者在少数语言中默认是非贪婪的)，总是试图匹配尽可能多的字符；另一方面，不贪婪的人总是试图匹配尽可能少的字符。例如，如果使用正则表达式“ab*”来查找“abbbc”，将会找到“abbb”。如果你用非贪婪的数量词“ab*？”，“一个”就会被发现。

注意：我们一般采用非贪婪模式进行抽取。(2)反斜杠问题

像大多数编程语言一样，正则表达式使用“\”作为转义字符，这可能会导致反斜杠问题。如果需要匹配文本中的字符“\”，那么在用编程语言表示的正则表达式中将需要四个反斜杠“\ \ \”:前两个和后两个用于在编程语言中转义成反斜杠，然后在转换成两个反斜杠后在正则表达式中转义成反斜杠。

Python中的原生字符串很好地解决了这个问题。本例中的正则表达式可以用r“\”表示。同样，匹配数字的“\\d”可以写成r“\ d”。有了原生字符串，妈妈就不用担心会漏掉反斜杠了，写出来的表达式更直观。4.Python Re模块

Python自带re模块，提供对正则表达式的支持。使用的主要方法如下

#返回模式对象重新编译(字符串[，标志]) #以下是函数re。匹配(模式、字符串[、标志])。搜索(模式、字符串[、标志])。split (pattern，string [，maxsplit])re.findall(pattern，string[，flags])re.finditer(pattern，string[，flags])re.sub(pattern，repl，string[，count])re.subn(pattern，repl，String[，count])在介绍这些方法之前，我们先来介绍一下pattern的概念。模式可以理解为匹配模式，那么我们如何得到这种匹配模式呢？很简单，我们需要使用re.compile方法。例如

Pattern=re.compile(r'hello ')我们在参数中传入了本机字符串对象，由编译方法编译生成了一个Pattern对象，然后我们使用这个对象进行进一步的匹配。

此外，您可能已经注意到另一个参数标志。这里，解释一下这个参数的含义：

参数标志是一种匹配模式，其值可以用按位或运算符“|”表示，如re。我| re。M.

可选值有：

？Re。I(ignorrecase):忽略大小写(括号内完整书写，下同)？Re。m(多线):多线模式，改变''和' $ '的行为(见上图)？Re。S (DOTALL):点任意匹配模式来改变“.”的行为？Re。l(拼写：LOCALE):使预定的字符类\w \W \b \B \s \S依赖于当前的语言环境？Re。U (UNICODE):使预定的字符类\ W \ b \ B \ s \ S \ d \ D依赖于UNICODE定义的字符属性？Re。X (VERBOSE):详细模式。在这种模式下，正则表达式可以是多行的，空白字符可以忽略，并且可以添加注释。我们需要在刚才提到的其他几个方法中使用这种模式，比如re.match，我们来逐一介绍一下。

注意：以下七种方法中的标志也意味着匹配模式。如果在模式生成期间已经指示了标志，则没有必要在以下方法中传入该参数。

(1)重新匹配(模式、字符串[、标志])

这个方法将从字符串(我们要匹配的字符串)的开头开始，尝试匹配模式，然后向后匹配。如果遇到不匹配的字符，会立即返回None，如果匹配还没有结束，也会返回None。这两个结果都表明匹配失败，否则，匹配模式成功，匹配终止，字符串没有向后匹配。让我们通过下面的例子来理解

_ _ author _ _=' CQC ' #-*-coding : utf-8-*-# import re module import re #将正则表达式编译成Pattern对象，注意hello前的r表示“原生字符串”pattern=re.compile(r'hello') #使用re.match匹配文本，得到匹配结果。如果无法匹配，它将返回none result1=re。match(模式，“hello”)result 2=re。匹配(模式，' helloocqc！)结果3=re.match(模式，‘你好，CQC！)结果4=re.match(模式，‘你好，CQC！)#如果1匹配成功，如果结果1: #使用match获取分组信息printresult1.group()否则：打印“1”不匹配！#如果2个匹配成功，如果结果2: #使用match获取分组信息printresult2.group()否则：打印' 2个匹配失败！#如果3个匹配成功，ifresult: #使用match获取分组信息printresult3.group()否则：打印' 3个匹配失败！#如果4个匹配成功，如果结果4: #使用match获取分组信息printresult4.group()否则：打印' 4个匹配失败！运行结果

Hellohello3匹配失败！你好匹配分析

1.对于第一个匹配，模式正则表达式是‘hello’，我们匹配的目标字符串也是hello，从头到尾完全匹配，匹配成功。

2.第二个匹配，字符串是helloo CQC，模式匹配可以从字符串头完全匹配，模式匹配结束，同时匹配结束，下面的o CQC不再匹配，返回匹配成功的信息。

3.第三个匹配，string是helo CQC，匹配字符串头中的模式，当找到‘o’时，匹配无法完成，匹配结束并返回None。

4.第四种匹配与第二种匹配原则相同，即使遇到空格字符也不会受到影响。

我们还看到result.group()终于打印出来了。这是什么意思？我们来谈谈Match对象的属性和方法。Match对象是一个匹配的结果，包含了很多关于这个匹配的信息。您可以使用Match提供的可读属性或方法来获取此信息。

属性：1.string:匹配时使用的文本。2.2.re:匹配中使用的模式对象。3.正则表达式在3.pos:文本中开始搜索的索引。该值与具有相同名称的Pattern.match()和Pattern.seach()方法的参数相同。4.结束在文本中搜索的正则表达式的索引。该值与具有相同名称的Pattern.match()和Pattern.seach()方法的参数相同。5.lastindex:是文本中最后捕获的数据包的索引。如果没有捕获到数据包，则为无。6.lastgroup:上次捕获的数据包的别名。如果此数据包没有别名或没有捕获的数据包，它将为无。

方法：1.group([group1，…]):获取一个或多个被组截取的字符串；当指定多个参数时，它们将作为元组返回。Group1可以使用数字或别名；数字0表示整个匹配的子字符串；未填写参数时，返回组(0)；不拦截字符串的组返回无；多次截取的组返回最后截取的子串。2.groups([default]):以元组的形式返回所有组截取的字符串。相当于主叫组(1，2，…最后)。Default表示未截取字符串的组被该值替换，默认值为None。3.groupdict([default]):返回字典，其中别名组的别名作为关键字，该组截取的子字符串作为值。不包括没有别名的组。Default和上面的意思一样。4.start([group]):返回字符串中指定组截取的子字符串的开始索引(子字符串第一个字符的索引)。组默认值为0。5.end([group]):返回字符串中指定组截取的子字符串的结束索引(子字符串最后一个字符的索引1)。组默认值为0。6.span([group]):返回(开始(group)，结束(group))。7.expand(template):将匹配的数据包替换到模板中并返回。您可以在模板中使用\id或\g或\g引用分组，但不能使用数字0。\id相当于\ g；但是，10将被视为第10组。如果要在\1后表示字符“0”，只能使用\g0。

让我们用一个例子来体验一下

# -*- coding: utf-8 -*-#一个简单的匹配实例import re#匹配以下内容：单词空格单词任意字符m=re.match(r'(\w) (\w)(？P.*)'，'你好世界！')print 'm.string: '，m.stringprint 'm.re: '，m.reprint 'm.pos: '，m.posprint 'm.endpos: '，m . end posprint ' m . last index print ' m . last group : '，m . last group print ' m . group(): '，m.group()print 'm.group(1，2)3: '，m .# m . re: # m . pos : 0 # m . end pos : 12 # m . last index : 3 # m . last group :符号# m.group(1，2): ('hello '，' world')# m.groups(): ('hello '，' world '，'！)# m . group dict(): { ' sign ' : '！} # m . start(2): 6 # m . end(2): 11 # m . span(2):(6，11)# m . expand(r ' \ 2 \ 1 \ 3 '): world hello！(2)重新搜索(模式、字符串[、标志])

Search方法与match方法非常相似，不同的是match()函数只检测字符串开头是否re匹配，search()扫描整个字符串寻找匹配，match()只在0位置匹配成功时返回，在开头位置不匹配成功时返回None。同样，搜索方法的返回对象也匹配()返回对象的方法和属性。让我们用一个例子来感受一下

# import re模块import re #将正则表达式编译成Pattern对象pattern=re.compile(r'world')#使用search()查找匹配的子字符串，并返回None#如果没有匹配的子字符串#在本例中，match=re。搜索(模式，‘你好世界！)如果Match: #使用Match获取分组信息print match . group()# # # output # # world(3)re . split(pattern，string [，maxsplit])

根据可以匹配的子字符串，对字符串进行划分并返回列表。Maxsplit用于指定拆分的最大数量，并不指定所有拆分。让我们通过下面的例子来感受一下。

Import repattern=re。编译(r' \ d ')打印re。拆分(模式，‘一一二二三四’)# # #输出# # #[‘一’、‘二’、‘三’、‘四’、’](4)

搜索字符串，并以列表形式返回所有匹配的子字符串。通过这个例子，我们可以感觉到import re pattern=re。编译(r' \ d ')打印re。查找全部(模式，‘一一二三四’)# # #输出# # #[‘1’、‘2’、‘3’、‘4’](5)re

搜索字符串并返回一个迭代器，该迭代器按顺序访问每个匹配结果(匹配对象)。让我们通过下面的例子来感受一下

导入re模式=re。为re中的m编译(r ' \ d ')。finditer(模式，‘一1二2树344’):打印m . group()，###输出#### 1 2 3 4(6)re(模式，repl，字符串[,计数])

使用取代替换线中每一个匹配的子串后返回替换后的字符串。当取代是一个字符串时，可以使用\id或\ g，\ g引用分组，但不能使用编号0。当取代是一个方法时，这个方法应当只接受一个参数（匹配对象),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)。数数用于指定最多替换次数，不指定时全部替换。

导入re模式=re。编译(r '(\ w)(\ w ')s='我说，你好世界!'打印re.sub(模式，r'\2 \1 '，s)def func(m):返回m . group(1).标题()' ' m.group(2).title()打印re.sub(模式、函数、s) ###输出###说我，世界你好！#我说，你好世界！(7)re.subn(模式、回复、字符串[、计数])

返回(sub(repl，string[，count])，替换次数)。

导入re模式=re。编译(r '(\ w)(\ w ')s='我说，你好世界!'print re.subn(模式，r'\2 \1 '，s)def func(m):返回m . group(1).标题()' ' m.group(2).title()打印re.subn(模式、函数、s) ###输出# # # #("说我，世界你好!",2)#('我说，你好世界!', 2)5.Python Re模块的另一种使用方式

在上面我们介绍了七个工具方法，例如匹配，搜索等等，不过调用方式都是重新匹配，重新搜索的方式，其实还有另外一种调用方式，可以通过模式。匹配，模式。搜索调用，这样调用便不用将模式作为第一个参数传入了，大家想怎样调用皆可。

函数应用程序接口列表

match(string[，pos[，endpos]]) | re.match(pattern，string[，flags])search(string[，pos[，endpos]]) | re.search(pattern，string[，flags])split(string[，maxsplit]) | re.split(pattern，string[，maxsplit])findall(string[，pos[，endpos]]) | re.findall(pattern，string[，string[，flags])| find ITER(string，string[，string[，end[，flags])| re。查找ITER(模式具体的调用方法不必详说了，原理都类似，只是参数的变化不同。小伙伴们尝试一下吧~

小伙伴们加油，即使这一节看得云里雾里的也没关系，接下来我们会通过一些实战例子来帮助大家熟练掌握正则表达式的。