python 简单正则表达式使用

一、re库导入

python的正则表达式使用需用到re库。若尚未安装re库，可在终端（命令行）中输入pip3 install re进行安装。若已安装，则可直接输入下面代码进行导入。

import re

二、常用函数

由于只是简单介绍，本文只讨论re库中的两个最常用函数：re.compile()和re.findall()。通过这两个函数，基本可以实现对于字符串中各种类型的字符的检索和提取。

1. re.compile()

re.compile()主要用于设定要找什么类型或者什么样的字符。将要找的类型以字符串形式放在括号内即可。

例如，现有一个字符串s，内容如下：

import re
s = "why when how where what"

p = re.compile('[wh]')

re.compile('[wh]')即表示要找所有的’w’或’h’字符。

2. re.findall()

re.findall()用于返回找到的字符组成的列表。书接上文，还是上面的例子：

import re
s = "why when how where what"

p = re.compile('[wh]')
p.findall(s)

最后一行的p.findall(s)即表示根据p的规则寻找字符串s中符合规则的字符。输出结果如下：

['w', 'h', 'w', 'h', 'h', 'w', 'w', 'h', 'w', 'h']

可见，按照字符串中字符的顺序，所有符合要求的字符都被放入了列表中并输出。

三、具体实例

为避免干讲效率太低，下面直接结合实例来看。

1. 找字母

小写字母表示方法：[a-z]
大写字母表示方法：[A-Z]
大小写都要：[a-zA-Z]
用个新例子：

test_str = "FGH12342g13hjkk0"

p = re.compile('[a-z]')
p.findall(test_str)

结果如下：

['g', 'h', 'j', 'k', 'k']

只输出了小写字母。

若换为大写：

test_str = "FGH12342g13hjkk0"

p = re.compile('[A-Z]')
p.findall(test_str)

结果如下：

['F', 'G', 'H']

若大小写都要：

test_str = "FGH12342g13hjkk0"

p = re.compile('[A-Za-z]')
p.findall(test_str)

结果如下：

['F', 'G', 'H', 'g', 'h', 'j', 'k', 'k']

大小写全输出。

2. 找数字

数字表示方法：[0-9]

test_str = "FGH12342g13hjkk0"

p = re.compile('[0-9]')
p.findall(test_str)

结果如下：

['1', '2', '3', '4', '2', '1', '3', '0']

注：数字也是以字符串形式输出，而非数值。

3. ^用法

^表示not，即取反。
例：仍是上面例子中的字符串，若想要数值之外的字符串内容，可以如下表示：

test_str = "FGH12342g13hjkk0"

p = re.compile('[^0-9]')
p.findall(test_str)

结果如下：

['F', 'G', 'H', 'g', 'h', 'j', 'k', 'k']

即得到所有非数值的字符。

4. 快捷表示

对于常用的字符类型选择，re有对应的快捷表示方法。具体如下：

表示	含义
\d	数值，即等同于[0-9]
\D	非数值，即等同于[^0-9]
\s	空白字符，空格、回车、tab键等
\S	非空白字符
\w	字母数字字符（包括下划线），等同于[a-zA-Z0-9_]
\W	非字母数字字符，等同于[^a-zA-Z0-9_]

所有的大写格式都相当于小写格式取反。
例：

test_str = '123x497a123xb401d7R43'

p = re.compile('\d')
p.findall(test_str)

结果如下：

['1', '2', '3', '4', '9', '7', '1', '2', '3', '4', '0', '1', '7', '4', '3']

5. *用法

*用于表示其前面的筛选规则重复0或多次。这样讲比较抽象，还是看例子：

test_str = 'written watt t ttt'

p = re.compile('t*')
p.findall(test_str)

对于上述代码，返回结果如下：

['', '', '', 'tt', '', '', '', '', '', 'tt', '', 't', '', 'ttt', '']

根据结果，我们可以看到，所有出现t的地方，无论一次或多次，都会放在一个引号里作为整体输出。这个比较好理解。问题在于这些空白字符串。根据其数量和顺序我们不难看出，设置t*作为寻找的字符的格式后，算法会对test_str字符串中的每一个字符进行遍历，如果不符合t，则保存空白字符在列表中，看下一个字符；如果符合是t，则看有几个连续的t，将其放在一个字符串中放入列表，然后接着往后遍历。遍历完整个test_str后，将列表返回并输出。

6. +用法

理解了*的用法，+就简单了很多。
+用于表示其前面的筛选规则重复1或多次。
还是刚才的例子，把*换成+:

test_str = 'written watt t ttt'

p = re.compile('t+')
p.findall(test_str)

得到结果如下：

['tt', 'tt', 't', 'ttt']

可见，只是在*的基础上，把重复0次的情况，即空白字符，去掉了。

7. .用法

.用于表示占位，有几个点就占几位。
例：

test_str = 'written watt t ttt'
p = re.compile('t.t')
p.findall(test_str)

结果如下：

['t t', 'ttt']

可见，.占了一个位置，此位置可以是任何字符，最终结果将长为3且首尾均为t的所有情况输出。

结语：
上面这些表示比较基础，能适用于大多数较基本的需求，希望能为读者提供些帮助。