正則表達(dá)式

什么是正則表達(dá)式？

　　正則表達(dá)式是對(duì)字符串（包括普通字符（例如，a 到 z 之間的字母）和特殊字符（稱(chēng)為“元字符”））操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個(gè)“規(guī)則字符串”，這個(gè)“規(guī)則字符串”用來(lái)表達(dá)對(duì)字符串的一種過(guò)濾邏輯。正則表達(dá)式是一種文本模式，該模式描述在搜索文本時(shí)要匹配的一個(gè)或多個(gè)字符串。

正則表達(dá)式可以干什么?

快速高效的查找與分析字符串
進(jìn)行有規(guī)律查找比對(duì)字符串，也叫：模式匹配
具有查找、比對(duì)、匹配、替換、插入、添加、刪除等能力。

　　字符串是編程時(shí)涉及到的最多的一種數(shù)據(jù)結(jié)構(gòu)，對(duì)字符串進(jìn)行操作的需求幾乎無(wú)處不在。比如我們編寫(xiě)爬蟲(chóng)收集數(shù)據(jù)，首先都得到網(wǎng)頁(yè)源碼，但是我們要如何提取有效數(shù)據(jù)呢，這時(shí)候我們就需要使用正則表達(dá)式來(lái)進(jìn)行匹配了

re模塊

正則表達(dá)式是一個(gè)特殊的字符序列，它能幫助你方便的檢查一個(gè)字符串是否與某種模式匹配。Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達(dá)式模式。re 模塊使 Python 語(yǔ)言擁有全部的正則表達(dá)式功能。

由于Python的字符串本身也用 \ 轉(zhuǎn)義，所以要特別注意：

            s = 'ABC\\-001' # Python的字符串
# 對(duì)應(yīng)的正則表達(dá)式字符串變成：
# 'ABC\-001'

因此建議使用Python的 r 前綴，就不用考慮轉(zhuǎn)義的問(wèn)題了：

            s = r'ABC\-001' # Python的字符串
# 對(duì)應(yīng)的正則表達(dá)式字符串不變：
# 'ABC\-001'

re模塊符號(hào)大全

正則表達(dá)式模式

模式字符串使用特殊的語(yǔ)法來(lái)表示一個(gè)正則表達(dá)式：

字母和數(shù)字表示他們自身。一個(gè)正則表達(dá)式模式中的字母和數(shù)字匹配同樣的字符串。

多數(shù)字母和數(shù)字前加一個(gè)反斜杠時(shí)會(huì)擁有不同的含義。

標(biāo)點(diǎn)符號(hào)只有被轉(zhuǎn)義時(shí)才匹配自身，否則它們表示特殊的含義。

反斜杠本身需要使用反斜杠轉(zhuǎn)義。

由于正則表達(dá)式通常都包含反斜杠，所以你最好使用原始字符串來(lái)表示它們。模式元素(如? r'\t'，等價(jià)于? \\t?)匹配相應(yīng)的特殊字符。

下表列出了正則表達(dá)式模式語(yǔ)法中的特殊元素。如果你使用模式的同時(shí)提供了可選的標(biāo)志參數(shù)，某些模式元素的含義會(huì)改變。

模式	描述
^	匹配字符串的開(kāi)頭
$	匹配字符串的末尾。
.	匹配任意字符，除了換行符，當(dāng)re.DOTALL標(biāo)記被指定時(shí)，則可以匹配包括換行符的任意字符。
[...]	用來(lái)表示一組字符,單獨(dú)列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0個(gè)或多個(gè)的表達(dá)式。
re+	匹配1個(gè)或多個(gè)的表達(dá)式。
re?	匹配0個(gè)或1個(gè)由前面的正則表達(dá)式定義的片段，非貪婪方式
re{ n}	匹配n個(gè)前面表達(dá)式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的兩個(gè)o。
re{ n,}	精確匹配n個(gè)前面表達(dá)式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等價(jià)于"o+"。"o{0,}"則等價(jià)于"o*"。
re{ n, m}	匹配 n 到 m 次由前面的正則表達(dá)式定義的片段，貪婪方式
a\| b	匹配a或b
(re)	匹配括號(hào)內(nèi)的表達(dá)式，也表示一個(gè)組
(?imx)	正則表達(dá)式包含三種可選標(biāo)志：i, m, 或 x 。只影響括號(hào)中的區(qū)域。
(?-imx)	正則表達(dá)式關(guān)閉 i, m, 或 x 可選標(biāo)志。只影響括號(hào)中的區(qū)域。
(?: re)	類(lèi)似 (...), 但是不表示一個(gè)組
(?imx: re)	在括號(hào)中使用i, m, 或 x 可選標(biāo)志
(?-imx: re)	在括號(hào)中不使用i, m, 或 x 可選標(biāo)志
(?#...)	注釋.
(?= re)	前向肯定界定符。如果所含正則表達(dá)式，以 ... 表示，在當(dāng)前位置成功匹配時(shí)成功，否則失敗。但一旦所含表達(dá)式已經(jīng)嘗試，匹配引擎根本沒(méi)有提高；模式的剩余部分還要嘗試界定符的右邊。
(?! re)	前向否定界定符。與肯定界定符相反；當(dāng)所含表達(dá)式不能在字符串當(dāng)前位置匹配時(shí)成功。
(?> re)	匹配的獨(dú)立模式，省去回溯。
\w	匹配數(shù)字字母下劃線(xiàn)
\W	匹配非數(shù)字字母下劃線(xiàn)
\s	匹配任意空白字符，等價(jià)于 [\t\n\r\f]。
\S	匹配任意非空字符
\d	匹配任意數(shù)字，等價(jià)于 [0-9]。
\D	匹配任意非數(shù)字
\A	匹配字符串開(kāi)始
\Z	匹配字符串結(jié)束，如果是存在換行，只匹配到換行前的結(jié)束字符串。
\z	匹配字符串結(jié)束
\G	匹配最后匹配完成的位置。
\b	匹配一個(gè)單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等。	匹配一個(gè)換行符。匹配一個(gè)制表符, 等
\1...\9	匹配第n個(gè)分組的內(nèi)容。
\10	匹配第n個(gè)分組的內(nèi)容，如果它經(jīng)匹配。否則指的是八進(jìn)制字符碼的表達(dá)式。

注意：表中re指的是表達(dá)式而不是字面的re這兩個(gè)字母

正則表達(dá)式修飾符 - 可選標(biāo)志

正則表達(dá)式可以包含一些可選標(biāo)志修飾符來(lái)控制匹配的模式。修飾符被指定為一個(gè)可選的標(biāo)志。多個(gè)標(biāo)志可以通過(guò)按位 OR(|) 它們來(lái)指定。如 re.I | re.M 被設(shè)置成 I 和 M 標(biāo)志：

修飾符	描述
re.I	使匹配對(duì)大小寫(xiě)不敏感
re.L	做本地化識(shí)別（locale-aware）匹配
re.M	多行匹配，影響 ^ 和 $
re.S	使 . 匹配包括換行在內(nèi)的所有字符
re.U	根據(jù)Unicode字符集解析字符。這個(gè)標(biāo)志影響 \w, \W, \b, \B.
re.X	該標(biāo)志通過(guò)給予你更靈活的格式以便你將正則表達(dá)式寫(xiě)得更易于理解。

正則表達(dá)式對(duì)象

re.RegexObject

re.compile() 返回 RegexObject 對(duì)象。

re.MatchObject

group() 返回被 RE 匹配的字符串。

start()?返回匹配開(kāi)始的位置
end()?返回匹配結(jié)束的位置
span()?返回一個(gè)元組包含匹配 (開(kāi)始,結(jié)束) 的位置

?

準(zhǔn)備知識(shí)

我們先來(lái)看看廖雪峰老師講解的正則表達(dá)式：

正則表達(dá)式是用字符串表示的，所以，我們要首先了解如何用字符來(lái)描述字符。

在正則表達(dá)式中，如果直接給出字符，就是精確匹配。

使用特殊符號(hào)表示字符：用 \d 可以匹配一個(gè)數(shù)字， \w 可以匹配一個(gè)字母或數(shù)字，例如：

'00\d' 可以匹配 '007' ，但無(wú)法匹配 '00A' ；
'\d\d\d' 可以匹配 '010' ；
'\w\w\d' 可以匹配 'py3'。

'.' 可以匹配任意字符，所以：

'py.' 可以匹配 'pyc' 、 'py3' 、 'py!' 等等。

要匹配變長(zhǎng)的字符，在正則表達(dá)式中，用 * 表示任意個(gè)字符（包括0個(gè)），用 + 表示至少一個(gè)字符，用 ? 表示0個(gè)或1個(gè)字符，用 {n} 表示n個(gè)字符，用 {n,m} 表示n-m個(gè)字符。

來(lái)看一個(gè)復(fù)雜的例子： \d{3}\s+\d{3,8} 。

我們來(lái)從左到右解讀一下：

\d{3} 表示匹配3個(gè)數(shù)字，例如 '010' ；
\s 可以匹配一個(gè)空格（也包括Tab等空白符），所以 \s+ 表示至少有一個(gè)空格，例如匹配 ' ' ， ' ' 等；
\d{3,8} 表示3-8個(gè)數(shù)字，例如 '1234567' 。

綜合起來(lái)，上面的正則表達(dá)式可以匹配以任意個(gè)空格隔開(kāi)的帶區(qū)號(hào)的電話(huà)號(hào)碼。

如果要匹配 '010-12345' 這樣的號(hào)碼呢？由于 '-' 是特殊字符，在正則表達(dá)式中，要用 '\' 轉(zhuǎn)義，所以，上面的正則是 \d{3}\-\d{3,8} 。

但是，仍然無(wú)法匹配 '010 - 12345' ，因?yàn)閹в锌崭瘛Ｋ晕覀冃枰鼜?fù)雜的匹配方式。

進(jìn)階

要做更精確地匹配，可以用 [] 表示范圍，比如：

[0-9a-zA-Z\_] 可以匹配一個(gè)數(shù)字、字母或者下劃線(xiàn)；
[0-9a-zA-Z\_]+ 可以匹配至少由一個(gè)數(shù)字、字母或者下劃線(xiàn)組成的字符串，比如 'a100' ， '0_Z' ， 'Py3000' 等等；
[a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或下劃線(xiàn)開(kāi)頭，后接任意個(gè)由一個(gè)數(shù)字、字母或者下劃線(xiàn)組成的字符串，也就是Python合法的變量；
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 更精確地限制了變量的長(zhǎng)度是1-20個(gè)字符（前面1個(gè)字符+后面最多19個(gè)字符）。

A|B 可以匹配A或B，所以 (P|p)ython 可以匹配 'Python' 或者 'python' 。

^ 表示行的開(kāi)頭， ^\d 表示必須以數(shù)字開(kāi)頭。

$ 表示行的結(jié)束， \d$ 表示必須以數(shù)字結(jié)束。

py 也可以匹配 'python' ，但是加上 ^py$ 就變成了整行匹配，就只能匹配 'py' 了。

re模常用方法

re.match()

re.match 嘗試從字符串的起始位置匹配一個(gè)模式，如果不是起始位置匹配成功的話(huà)，match()就返回none。

函數(shù)語(yǔ)法 ：

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

函數(shù)參數(shù)說(shuō)明：

參數(shù)	描述
pattern	匹配的正則表達(dá)式
string	要匹配的字符串。
flags	標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫(xiě)，多行匹配等等。參見(jiàn)上方可選標(biāo)志表格

匹配成功re.match方法返回一個(gè)匹配的對(duì)象，否則返回None。

實(shí)例：

            
              import
            
            
               re


            
            
              print
            
            (re.match(
            
              '
            
            
              www
            
            
              '
            
            ,
            
              '
            
            
              www.baidu.com
            
            
              '
            
            
              ).span())

            
            
              print
            
            (re.match(
            
              '
            
            
              baidu
            
            
              '
            
            ,
            
              '
            
            
              www.baidu.com
            
            
              '
            
            ))

輸出：

第一個(gè)匹配成功，第二個(gè)則失敗

re.search()

re.search 掃描整個(gè)字符串并返回第一個(gè)成功的匹配。

函數(shù)語(yǔ)法：

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

函數(shù)參數(shù)說(shuō)明：

參數(shù)	描述
pattern	匹配的正則表達(dá)式
string	要匹配的字符串。
flags	標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫(xiě)，多行匹配等等。參見(jiàn)上方可選標(biāo)志表格

匹配成功re.search方法返回一個(gè)匹配的對(duì)象，否則返回None。

實(shí)例：

            
              import
            
            
               re


            
            
              print
            
            (re.search(
            
              '
            
            
              www
            
            
              '
            
            ,
            
              '
            
            
              www.baidu.com
            
            
              '
            
            
              ))

            
            
              print
            
            (re.search(
            
              '
            
            
              baidu
            
            
              '
            
            ,
            
              '
            
            
              www.baidu.com
            
            
              '
            
            ))

輸出：

            <_sre.SRE_Match object; span=(0, 3), match=
            
              '
            
            
              www
            
            
              '
            
            >
<_sre.SRE_Match object; span=(4, 9), match=
            
              '
            
            
              baidu
            
            
              '
            
            >

compile 函數(shù)

compile 函數(shù)用于編譯正則表達(dá)式，生成一個(gè)正則表達(dá)式（ Pattern ）對(duì)象，供 match() 和 search() 這兩個(gè)函數(shù)使用。

提前編譯可減少多次正則匹配的運(yùn)行時(shí)間

語(yǔ)法格式為：

            re.compile(pattern[, flags])

參數(shù)：

pattern : 一個(gè)字符串形式的正則表達(dá)式
flags 可選，表示匹配模式

re.findall()

在字符串中找到正則表達(dá)式所匹配的所有子串，并返回一個(gè) 列表，如果沒(méi)有找到匹配的，則返回空列表。

注意： ?match 和 search 是匹配一次 findall 匹配所有。

語(yǔ)法格式為：

            re.findall(string, pos, endpos)

參數(shù)：

string?待匹配的字符串。
pos?可選參數(shù)，指定字符串的起始位置，默認(rèn)為 0。
endpos?可選參數(shù)，指定字符串的結(jié)束位置，默認(rèn)為字符串的長(zhǎng)度。

實(shí)例：

            
              import
            
            
               re

mat
            
            =re.compile(r
            
              '
            
            
              \d+
            
            
              '
            
            )
            
              #
            
            
              匹配數(shù)字
            
            
              print
            
            (mat.findall(
            
              '
            
            
              abafa 124ddwa56
            
            
              '
            
            
              ))

            
            
              print
            
            (mat.findall(
            
              '
            
            
              abafa 124ddwa56
            
            
              '
            
            ,0,7))
            
              #
            
            
              匹配從0位開(kāi)始，到7位結(jié)束

輸出：

re.finditer

和 findall 類(lèi)似，在字符串中找到正則表達(dá)式所匹配的所有子串，并把它們作為一個(gè) 迭代器返回。

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

實(shí)例：

            
              import
            
            
               re

it 
            
            = re.finditer(r
            
              "
            
            
              \d+
            
            
              "
            
            , 
            
              "
            
            
              12a32bc43jf3
            
            
              "
            
            
              )

            
            
              for
            
             match 
            
              in
            
            
               it:
    
            
            
              print
            
            (match.group())

輸出：

?

re.split

split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

            re.split(pattern, string[, maxsplit=0, flags=0])

參數(shù)：

參數(shù)	描述
pattern	匹配的正則表達(dá)式
string	要匹配的字符串。
maxsplit	分隔次數(shù)，maxsplit=1 分隔一次，默認(rèn)為 0，不限制次數(shù)。
flags	標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫(xiě)，多行匹配等等。參見(jiàn)上方可選標(biāo)志表格

實(shí)例：

用正則表達(dá)式切分字符串比用固定的字符更靈活，請(qǐng)看正常的切分代碼：

            >>> 'a b   c'.split(' ')
['a', 'b', '', '', 'c']

發(fā)現(xiàn)無(wú)法識(shí)別連續(xù)的空格，用正則表達(dá)式試試：

            >>> re.split(r'\s+', 'a b   c')
['a', 'b', 'c']

無(wú)論多少個(gè)空格都可以正常分割。加入 , 試試：

            >>> re.split(r'[\s\,]+', 'a,b, c  d')
['a', 'b', 'c', 'd']

再加入 ; 試試：

            >>> re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

?

groups()

我們可以使用group(num) 或 groups() 匹配對(duì)象函數(shù)來(lái)獲取匹配表達(dá)式。

匹配對(duì)象方法	描述
group(num=0)	匹配的整個(gè)表達(dá)式的字符串，group() 可以一次輸入多個(gè)組號(hào)，在這種情況下它將返回一個(gè)包含那些組所對(duì)應(yīng)值的元組。
groups()	返回一個(gè)包含所有小組字符串的元組，從 1 到所含的小組號(hào)。

實(shí)例：

            import
            
               re

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345'
              
                )
print
                
                  (m.group(0))
print(m.group(1
                  
                    ))
print(m.group(2
                    
                      ))
print(m.groups())

輸出：

            010-12345
010
12345
            
              
('010', '12345')

re.sub

Python 的re模塊提供了re.sub用于替換字符串中的匹配項(xiàng)。

語(yǔ)法：

            re.sub(pattern, repl, string, count=0, flags=0)

參數(shù)：

pattern : 正則中的模式字符串。
repl : 替換的字符串，也可為一個(gè)函數(shù)。
string : 要被查找替換的原始字符串。
count : 模式匹配后替換的最大次數(shù)，默認(rèn) 0 表示替換所有的匹配。
flags : 編譯時(shí)用的匹配模式，數(shù)字形式。

前三個(gè)為必選參數(shù)，后兩個(gè)為可選參數(shù)。

實(shí)例：

            
              import
            
            
               re

phone 
            
            = 
            
              "
            
            
              2004-959-559 # 這是一個(gè)電話(huà)號(hào)碼
            
            
              "
            
            
              #
            
            
               刪除注釋
            
            
num = re.sub(r
            
              '
            
            
              #.*$
            
            
              '
            
            , 
            
              ""
            
            
              , phone)

            
            
              print
            
            (
            
              "
            
            
              電話(huà)號(hào)碼 : 
            
            
              "
            
            
              , num)


            
            
              #
            
            
               移除非數(shù)字的內(nèi)容
            
            
num = re.sub(r
            
              '
            
            
              \D
            
            
              '
            
            , 
            
              ""
            
            
              , phone)

            
            
              print
            
            (
            
              "
            
            
              電話(huà)號(hào)碼 : 
            
            
              "
            
            , num)

repl 參數(shù)可以是一個(gè)函數(shù)

以下實(shí)例中將字符串中的匹配的數(shù)字乘于 2：

實(shí)例：

                  
                    import
                  
                  
                     re
 

                  
                  
                    #
                  
                  
                     將匹配的數(shù)字乘于 2
                  
                  
                    def
                  
                  
                     double(matched):
    value 
                  
                  = int(matched.group(
                  
                    '
                  
                  
                    value
                  
                  
                    '
                  
                  
                    ))
    
                  
                  
                    return
                  
                   str(value * 2
                  
                    )
 
s 
                  
                  = 
                  
                    '
                  
                  
                    A23G4HFD567
                  
                  
                    '
                  
                  
                    print
                  
                  (re.sub(
                  
                    '
                  
                  
                    (?P
                    
                      \d+)
                    
                  
                  
                    '
                  
                  , double, s))

輸出：

                  A46G8HFD1134

?

貪婪匹配

需要特別指出的是，正則匹配默認(rèn)是貪婪匹配，也就是匹配盡可能多的字符。舉例如下，匹配出數(shù)字后面的 0 ：

            >>> re.match(r
            
              '
            
            
              ^(\d+)(0*)$
            
            
              '
            
            , 
            
              '
            
            
              102300
            
            
              '
            
            
              ).groups()
(
            
            
              '
            
            
              102300
            
            
              '
            
            , 
            
              ''
            
            )

由于 \d+ 采用貪婪匹配，直接把后面的 0 全部匹配了，結(jié)果 0* 只能匹配空字符串了。

必須讓 \d+ 采用非貪婪匹配（也就是盡可能少匹配），才能把后面的 0 匹配出來(lái)，加個(gè) ? 就可以讓 \d+ 采用非貪婪匹配：

            >>> re.match(r
            
              '
            
            
              ^(\d+?)(0*)$
            
            
              '
            
            , 
            
              '
            
            
              102300
            
            
              '
            
            
              ).groups()
(
            
            
              '
            
            
              1023
            
            
              '
            
            , 
            
              '
            
            
              00
            
            
              '
            
            )

正則表達(dá)式實(shí)例

字符匹配

實(shí)例	描述
python	匹配 "python".

字符類(lèi)

實(shí)例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括號(hào)內(nèi)的任意一個(gè)字母
[0-9]	匹配任何數(shù)字。類(lèi)似于 [0123456789]
[a-z]	匹配任何小寫(xiě)字母
[A-Z]	匹配任何大寫(xiě)字母
[a-zA-Z0-9]	匹配任何字母及數(shù)字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了數(shù)字外的字符

特殊字符類(lèi)

實(shí)例	描述
.	匹配除 "\n" 之外的任何單個(gè)字符。要匹配包括 '\n' 在內(nèi)的任何字符，請(qǐng)使用象 '[.\n]' 的模式。
\d	匹配一個(gè)數(shù)字字符。等價(jià)于 [0-9]。
\D	匹配一個(gè)非數(shù)字字符。等價(jià)于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、換頁(yè)符等等。等價(jià)于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等價(jià)于 [^ \f\n\r\t\v]。
\w	匹配包括下劃線(xiàn)的任何單詞字符。等價(jià)于'[A-Za-z0-9_]'。
\W	匹配任何非單詞字符。等價(jià)于 '[^A-Za-z0-9_]'。

更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索：z360901061

微信掃一掃加我為好友

QQ號(hào)聯(lián)系： 360901061

您的支持是博主寫(xiě)作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。

【本文對(duì)您有幫助就好】元

2元

5元

10元

20元

自定義