Python正则表达式笔记

作用

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

函数

函数参数

正则表达式所有的函数一般都包括三个参数：

• 第一个参数：pattern
  匹配的正则表达式，类似数据结构的模式串或子串。
• 第二个参数：string
• 要匹配的字符串，类似数据结构的主串。
• 最后一个参数：flags=0
  标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。可选标志如下：

字符	功能
re.I	使匹配对大小写不敏感
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符

查找函数

re.findall()

功能：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表。
如果没有找到匹配的，则返回空列表。

示例代码：

import re
str='她们分别叫做御坂10086和御坂12306'
x=re.findall('御坂',str)
print(x)

输出：

['御坂', '御坂']

re.search()

功能：查找模式串，只返回查找到的第一个结果。
返回Match对象，包括匹配到的结果以及其在字符串中的位置。

对于Match对象：

• 使用.group()可获取搜索到的值。
• 使用.span()可获取搜索到的值在主串中的位置(下标从0开始)。
• 使用.start()可获取搜索到的值在主串中的开始位置。
• 使用.end()可获取搜索到的值在主串中的结束位置。

示例代码：

import re
str='她们分别叫做御坂10086和御坂12306'
x=re.search('御坂',str)
print(x)
print(x.group())
print(x.span())
print(x.start())
print(x.end())

输出：

<re.Match object; span=(6, 8), match='御坂'>
御坂
(6, 8)
6
8

re.match()

功能：从主串的开头查找模式串，如果主串的开头是模式串，则只返回查找到的结果。否则返回None
返回Match对象，包括匹配到的结果以及其在字符串中的位置。
使用.group()可获取搜索到的值。
和re.search()的区别是re.match()增加了必须在主串开头处匹配的限制。

示例代码：

str='sa加藤惠saber加藤惠sakura加藤惠'
x=re.match('加藤惠',str)
x1=re.match('sa',str)
print(x)
print(x1)

输出：

None
<re.Match object; span=(0, 2), match='sa'>

re.finditer()

功能：查找模式串，返回一个迭代器。
迭代器中的每个元素是Match对象。

示例代码：

str='加藤惠saber加藤惠sakura加藤惠'
iter=re.finditer(r'加藤惠',str)
for x in iter:
	print(x)

输出：

<re.Match object; span=(0, 3), match='加藤惠'>
<re.Match object; span=(8, 11), match='加藤惠'>
<re.Match object; span=(17, 20), match='加藤惠'>

re.compile()函数

功能：用于编译正则表达式，生成一个正则表达式(Pattern)对象。
re.compile()函数的参数为模式串和标志位。
生成的pattern对象供match()和search()这两个函数使用。
下面以search()举例，用match()也是类似的。

示例代码：

str='她们分别叫做御坂10086和御坂12306'
pattern=re.compile('御坂')
x=pattern.search(str)
print(x)

输出：

<re.Match object; span=(6, 8), match='御坂'>

pattern.search(string,pos,endpos)中的参数：

• 参数1表示主串
• 参数2表示从主串的pos位置开始匹配，默认从主串开始位置开始匹配。
• 参数3表示从主串的endpos位置结束匹配，默认从主串结尾位置结束匹配。

使用re.compile()函数编译后使用pattern.search()函数的结果和直接使用re.search()函数的结果一样。
pattern.search()函数z只是在re.search()函数功能上增加了按照指定主串的位置来匹配参数。

替换函数

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

参数：

• 参数1：模式串
• 参数2：用来替换的字符串，也可以是个函数。
• 参数3：主串
• 参数4：替换的最大次数，默认为0，代表不限制次数。
• 参数5：标志位，re.I等

示例代码：

str='加藤惠saber加藤惠sakura加藤惠'
x=re.sub('加藤惠','英梨梨',str)
print(x)

输出：

英梨梨saber英梨梨sakura英梨梨

re.subn()

功能：在re.sub()的基础上增加了返回替换次数的功能。

示例代码：

str='加藤惠saber加藤惠sakura加藤惠'
x=re.subn('加藤惠','英梨梨',str)
print(x)

输出：

('英梨梨saber英梨梨sakura英梨梨', 3)

分割函数

re.split()

功能：按照匹配的模式串来分割主串，然后返回列表。
除了模式串和主串，还有参数maxsplit，表示分割次数，默认为0，表示不限制次数。

示例代码：

str='加藤惠saber加藤惠sakura加藤惠asuna'
x=re.split('加藤惠',str)
x1=re.split('加藤惠',str,maxsplit=2)
print(x)
print(x1)

输出：

['', 'saber', 'sakura', 'asuna']
['', 'saber', 'sakura加藤惠asuna']

模式串字符

字符类别表达(匹配单个字符)

表达某一类字符，比如数字，字母等。

\d

用来匹配任意单个数字。

示例代码：

str='j_k加藤惠!!123'
x=re.findall(r'\d',str)
print(x)

输出：

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

\D

用来匹配任意单个非数字字符。

示例代码：

str='j_k加藤惠!!123'
x=re.findall(r'\D',str)
print(x)

输出：

['j', '_', 'k', '加', '藤', '惠', '!', '!']

\s

用来匹配任意单个空格。

示例代码：

str='先 有圣人 后 有天'
x=re.findall(r'\s',str)
print(x)

输出：

[' ', ' ', ' ']

\S

用来匹配任意单个非空格字符。

示例代码：

str='先 有圣人 后 有天'
x=re.findall(r'\S',str)
print(x)

输出：

['先', '有', '圣', '人', '后', '有', '天']

\w

用来匹配任意单个汉字、字母、数字或下划线字符。

示例代码：

str='j_k加藤惠!!'
x=re.findall(r'\w',str)
print(x)

输出：

['j', '_', 'k', '加', '藤', '惠']

\W

用来匹配任意单个除了汉字、字母、数字和下划线之外的任意字符

示例代码：

str='j_k加藤惠!!'
x=re.findall(r'\W',str)
print(x)

输出：

['!', '!']

[a-z]

[]表示可以匹配中括号中出现的任意单个字符，并且支持 -。
[a-z]表示可以匹配字母a-z中任意单个字符。
[A-Z]，[a-zA-Z0-9]也可以这样类比。

示例代码：

str='j_k加藤惠MM!!123'
x=re.findall(r'[a-z]',str)
print(x)

输出：

['j', 'k']

[^a-z]

取反操作，表示除了字母a-z中任意单个字符

示例代码：

str='j_k加藤惠MM!!123'
x=re.findall(r'[^a-z]',str)
print(x)

输出：

['_', '加', '藤', '惠', 'M', 'M', '!', '!', '1', '2', '3']

.

表示除/n之外的任意单个字符。

示例代码：

str='j_k加藤惠MM!!123\n'
x=re.findall('.',str)  
print(x)

输出：

['j', '_', 'k', '加', '藤', '惠', 'M', 'M', '!', '!', '1', '2', '3']

多次匹配字符

匹配多个字符。

*

用来匹配0或多个字符

示例代码：

str='加j藤k惠mm英eee梨riri梨\n'
x=re.findall('[a-z]*',str)
print(x)

输出：

['', 'j', '', 'k', '', 'mm', '', 'eee', '', 'riri', '', '', '']

+

用来匹配1或多个字符

示例代码：

str='加j藤k惠mm英eee梨riri梨\n'
x=re.findall('[a-z]+',str)
print(x)

输出：

['j', 'k', 'mm', 'eee', 'riri']

？

用来匹配0或1个字符，并且启用非贪心模式。

示例代码：

str='加藤惠mm加藤惠'
x=re.findall('(加.惠)?',str)
print(x)

输出：

['加藤惠', '', '', '加藤惠', '']

{2}

用来匹配2个字符

示例代码：

str='加j藤k惠mm英eee梨riri梨\n'
x=re.findall('[a-z]{2}',str)
print(x)

输出：

['mm', 'ee', 'ri', 'ri']

{1,3}

用来匹配1-3个字符
另外{0,3}表示匹配0-3个字符,{1,}表示匹配一个以上字符。

示例代码：

str='加j藤k惠mm英eee梨riri梨\n'
x=re.findall('[a-z]{1,3}',str)
print(x)

输出：

['j', 'k', 'mm', 'eee', 'rir', 'i']

组合模式

将多个模式组合在一起，可以拼接也可以二选一等。

[0-9][a-z]

将模式直接拼接在一起，表示匹配形如单个数字+单个小写字母的两个字符

示例代码：

str='加2j1藤k惠m3m英eee梨ri9ri梨\n'
x=re.findall('[0-9][a-z]',str)
print(x)

输出：

['2j', '3m', '9r']

|

或操作，表示可以匹配任意一种模式

示例代码：

str='加藤惠m3m英梨梨123\n'
x=re.findall('[0-9]|[a-z]',str)
print(x)

输出：

['j', 'k', 'mm', 'eee', 'rir', 'i']

{}

表示在分组后可以以组为单位应用量词。
()表示分组。
如：(abc){3}表示abcabcabc。

示例代码：

str='abcabcabc加藤惠mm英梨梨abcabcabc\n'
x=re.findall('(abc){3}',str)
print(x)

输出：

['abc', 'abc']

位置

限定模式串出现的位置，比如行首，行尾或者在特定符之后等。

^

匹配在字符串开头的模式串。
否则返回空列表。

示例代码：

str='加藤惠mm英梨梨\n'
x=re.findall('^mm',str)
y=re.findall('^加藤惠',str)
print(x)
print(y)

输出：

[]
['加藤惠']

$

匹配在字符串末尾的模式串。
否则返回空列表。
注意：$需放在模式串后面。

示例代码：

str='加藤惠mm英梨梨\n'
x=re.findall('mm$',str)
y=re.findall('英梨梨$',str)
print(x)
print(y)

输出：

[]
['英梨梨']

\b

匹配在边界的模式串。
\b所表示的边界，是字母、数字、汉字与特殊字符的边界，放在模式串右边则表示字符右边界。此时字母、数字、汉字均可视为同一类字符。

示例代码：

str='123.megumi我我我'
x=re.findall(r'\bme',str) #必须加r或者使用\\b
x1=re.findall(r'mi\b',str)
print(x)
print(x1)

输出：

['me']
[]

\B

匹配在非单词边界的模式串。
与\b完全相反，只要字母、数字、汉字之间没有特殊字符都可以匹配。

示例代码：

str='123.megumi我我我'
x=re.findall(r'\Bme',str) 
x1=re.findall(r'mi\B',str)
print(x)
print(x1)

输出：

[]
['mi']

(?=…)

匹配出现在…之前的模式串。
(?=…)需放在模式串右边。
另外这里的之前非常严格，必须是紧挨着…模式串才能匹配到。

示例代码：

str='saber加藤惠sabersakura'
x=re.findall(r'saber(?=sakura)',str) #匹配sakura之前的saber
print(x)

输出：

['saber']

(?!..)

匹配不出现在…之前的模式串。
(?!..)需放在模式串右边。
这里的之前也非常严格，必须是紧挨着…模式串才能匹配到。

示例代码：

str='saber,saber加藤惠sabersakura'
x=re.findall(r'saber(?!sakura)',str) #匹配除了sakura前面以外的saber
print(x)

输出：

['saber', 'saber']

(?<=…)

匹配出现在…之后的模式串。
(?<=…)需放在模式串左边。
这里的之后非常严格，必须是紧挨着…模式串才能匹配到。

示例代码：

str='加藤惠saber加藤惠sakura加藤惠'
x=re.findall(r'(?<=sakura)加藤惠',str) #只匹配sakura之后的加藤惠
print(x)

输出：

['加藤惠']

(?<!..)

匹配不出现在…之后的模式串。
(?<=…)需放在模式串左边。
这里的之后非常严格，必须是紧挨着…模式串才能匹配到。

示例代码：

str='加藤惠saber加藤惠sakura加藤惠'
x=re.findall(r'(?<!sakura)加藤惠',str)
print(x)

输出：

['加藤惠', '加藤惠']

分组

()

用来将字符打包成一个组处理
只会匹配出()的内容，()外的内容都是作为条件而已。

对于search(),findall()这种只匹配一个对象的函数，返回的Match对象只能返回一个最外面一层的分组。
对于Match对象，可以使用.groups()查看匹配到的每个分组。

示例代码：

str='加藤惠saber加藤惠sakura加藤惠'
x=re.search(r'((加藤惠)s)',str)
y=re.findall(r'((加藤惠)s)',str)
print(x) #只返回最外层的一个分组
print(x.group())
print(x.groups()) #查看所有分组
print(y)

输出：

<re.Match object; span=(0, 4), match='加藤惠s'>
加藤惠s
('加藤惠s', '加藤惠')
[('加藤惠s', '加藤惠'), ('加藤惠s', '加藤惠')]

其他概念

贪婪模式和非贪婪模式

贪婪匹配：最大长度匹配。
非贪婪匹配：最少长度匹配。
举例：

string='abcabc' #主串(要被匹配的字符串)
pattern='ab.*c' #模式串(匹配的正则表达式)

贪婪匹配结果为abcabc。
非贪婪匹配结果为abc。

默认为贪婪模式。在量词后面加个问号?就是非贪婪模式。这个问号称为非贪婪限定符。
量词如：{m,n},*,+,?

r的作用

如：r"123"，避免转义字符\在字符串中起作用。

参考：菜鸟驿站