Python进阶学习笔记（五） —— 正则表达式

1 正则表达式简介

正则表达式是一种用来匹配字符串的强有力的武器。设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，就认为它“匹配”，否则就不匹配。

2 元字符

（1）^和$

行定位符用来描述字符串的边界。^表示行的开始，$表示行的结束。
例如：

• 若要匹配以am开头的字符串，则是^am
• 若要匹配以am结尾的字符串，则是am$

注意：^放在方括号里，表示排除字符
例如：[^a-zA-Z]用于匹配一个不是字母的字符

（2）.

匹配除换行符\n以外的任意字符

（3） \w

匹配字母、数字、下划线或汉字

（4）\W

匹配除字母、数字、下划线或汉字以外的字符

（5）\s

匹配单个空白符（包括\n和\t）

（6） \S

匹配除单个空白符（包括\n和\t）以外的字符

（7） \d

匹配数字

（8） \D

匹配非数字的字符

（9） \b

匹配单词的开始或结束，单词的分界符通常是空格，标点符号或者换行。但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。\b匹配这样的位置：它的前一个字符和后一个字符不全是(一个是,一个不是或不存在) \w。

有关\b可详见：https://www.cnblogs.com/litmmp/p/4925374.html

3 限定符

（1）？

匹配前面的字符零次或一次

（2）*

匹配前面的字符零次或多次

（3） +

匹配前面的字符一次或多次

（4） {n}

匹配前面的字符n次

（5） {n,}

匹配前面的字符至少n次

（6）{n,m}

匹配前面的字符最少n次，最多m次

4 字符类

如果要匹配未预定义的元字符集合，只需要在方括号里列出它们就可以了
例如：
[aeiou]：匹配任意一个英文元音字母
[0-9]：匹配一位数字，与\d代表含义完全一致
[\u4e00-\u9fa5]：匹配字符串中任意一个汉字

python提供了re模块，用于实现正则表达式的操作。在实现时，可以用re模块提供的方法进行字符串处理，也可以先使用re模块compile()方法将模式字符串转换为正则表达式对象，然后再用该正则表达式对象的相关方法来操作字符串。

5 匹配字符串

5.1 使用match()方法进行匹配

match() 方法用于从字符串的开始处进行匹配，如果在起始位置匹配成功，则返回match()对象，否则返回 None。

语法格式如下：

re.match(pattern, string, [flags])

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，可选参数，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

例如：

import re

pattern = r'tb_\w+'
string = 'TB_SHOP tb_shop'
match = re.match(pattern, string, re.I)
# 匹配出TB_SHOP这七个字符
print(match) # <re.Match object; span=(0, 7), match='TB_SHOP'>
# match对象中包含了匹配值的位置和匹配数据
print('匹配值的起始位置：', match.start()) # 匹配值的起始位置： 0
print('匹配值的结束位置：', match.end()) # 匹配值的结束位置： 7
print('匹配位置的元组：', match.span()) # 匹配位置的元组： (0, 7)
print('要匹配的字符串：', match.string)  # 要匹配的字符串： TB_SHOP tb_shop # 注意该方法没有括号
# group()或者group(0)将返回整个匹配的子串，group(n)将返回第n个对应的字符串，n从1开始
print('获取匹配到的内容：', match.group())

string = '商店名称TB_SHOP tb_shop'
match = re.match(pattern, string, re.I)
# 当第一个字母不符合条件时则不再进行匹配，直接返回None
print(match) # None

group()用法详见
https://www.cnblogs.com/erichuo/p/7909180.html

5.2 使用search()方法进行匹配

search() 方法用于在整个字符串搜索第一个匹配的值，如果匹配成功，则返回 match() 对象，否则返回None。

语法格式如下：

re.search(pattern, string, [flags])

例如：

import re
pattern=r'tb_\w+'
string='TB_SHOP tb_shop'
match=re.search(pattern,string,re.I)
# 匹配出TB_SHOP这七个字符
print(match)

string='商店名称TB_SHOP tb_shop'
match=re.search(pattern,string,re.I)
print(match)

执行结果如下：

<_sre.SRE_Match object; span=(0, 7), match='TB_SHOP'>
<_sre.SRE_Match object; span=(4, 11), match='TB_SHOP'>

5.3 使用findall()方法进行匹配

findall() 方法用于在整个字符串搜索所有符合正则表达式的字符串，并以列表形式返回。如果匹配成功，则返回包含匹配结构的列表，否则返回空列表。

语法格式如下：

re.findall(pattern, string, [flags])

例如：

import re

pattern = r'tb_\w+'
string = 'TB_SHOP tb_shop'
match = re.findall(pattern, string, re.I)  # 不区分大小写
# 匹配出TB_SHOP这七个字符
print(match)

string = '商店名称TB_SHOP tb_shop'
match = re.findall(pattern, string)  # 区分大小写
print(match)

执行结果如下：

['TB_SHOP', 'tb_shop']
['tb_shop']

6 替换字符串

sub方法用于实现字符串的替换。

subn() 方法几乎与 sub()一样，但是会返回一个替换的次数。

语法格式如下：

re.sub(pattern, repl, string, [count], [flags])

pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 可选参数，模式匹配后替换的最大次数，默认 0 表示 替换所有的匹配。
flags：可选参数，标志位，用于控制匹配方式

例如：

import re
pattern=r'1[34578]\d{9}'
string='中奖号码为787087876,联系电话为：13866666666'
result=re.sub(pattern,'138****6666',string)
print(result)

执行结果如下：

中奖号码为787087876,联系电话为：138****6666

7 分割字符串

split() 方法用于实现正则表达式分割字符串，并以列表的形式返回。其作用同字符串对象的·split() 方法类似，所不同的就是其分割字符由模式字符串指定。

语法格式如下：

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

maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

例如：

import re
str1='@你们 @我们 @他们'
pattern=r'\s*@'
list1=re.split(pattern,str1)# 用空格和@或者单独的@分割字符串
print('分割后的字符串为：')
for i in list1:
	print(i)

执行结果如下：

分割后的字符串为：

你们
我们
他们