Python 正则表达式

作者：billy
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

什么是正则表达式

正则表达式（Regular Expression），常简写为 regex 或者 RE，又称为规则表达式。它不是某个编程语言所特有的，而是计算机科学的一个概念，通常被用来检索个替换符合某些规则的文本。目前，正则表达式已经在各种计算机语言（如 Java、C++ 和 Python 等）中得到了广泛的应用和发展。

正则表达式语法

1. 行定位符：用来描述字符串的边界，‘^’ 表示行的开始，’$’ 表示行的结尾；

2. 元字符：

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

3. 重复：

限定符	说明	举例
?	匹配前面的字符零次或一次	colou?r，该表达式可以匹配 colour 和 color
+	匹配前面的字符一次或多次	go+gle，该表达式可以匹配的范围从 gogle 到 goo…gle
*	匹配前面的字符零次或多次	go*gle，该表达式可以匹配的范围从 ggle 到 goo…gle
{n}	匹配前面的字符 n 次	go{2}gle，该表达式只匹配 google
{n,}	匹配前面的字符最少 n 次	go{2,}gle，该表达式可以匹配的范围从 google 到 goo…gle
{n,m}	匹配前面的字符最少 n 次，最多 m 次	employe{0,2}，该表达式可以匹配 employ、employe 和 employee

4. 字符类：匹配数字和字符除了可以用 ‘\d’ 和 ‘\w’ 之外，像 [aeiou] 可以匹配任意一个英文元音字母，可以轻松制定一个字符范围。如果想匹配字符串中任意一个汉字，可以使用 [\u4e00-\u9fa5]，如果要匹配连续多个汉字，可以使用 [\u4e00-\u9fa5]+;

5. 排除字符：’^’ 字符如果放在方括号中，表示排除的意思。例如：[^a-zA-Z]该表达式用于匹配一个不是字母的字符；

6. 选择字符：当包含着条件选择的逻辑时，就需要使用选择字符 ‘|’，该字符可以理解为 ‘或’。例如：(^\d{15}$) | (^\d{18}$) | (^\d{17})(\d|X|x)$该字符串的意思是可以匹配 15 位数字，或者 18 位数字，或者 17 位数字和最后一位（可以是数字、x 或者 X）；

7. 转义字符：正则表达式中的转义字符 ‘\’ 和 Python 字符串中的转义字符大同小异，都是将特殊字符变为普通字符；

8. 分组：在正则表达式中，小括号的作用有两个，一个是改变限定符的作用范围，还有就是分组。例如：(\.[0-9]{1,3}){3}就是对小组中内容的重复操作；

使用 re 模块实现正则表达式操作

Python 中提供了 re 模块，用于实现正则表达式的操作。使用前先导入：import re

1. 匹配字符串

• 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，其语法格式如下：
  re.match(pattern, string, [flags])
  pattern：表示模式字符串，由要匹配的正则表达式转换而来；
  string：表示要匹配的字符串；
  flags：可选参数，表示标志位，用于控制匹配方向，如是否区分字母大小写。常用的标志如下表所示：

标志	说明
A 或 ASCII	对于 \w、\W、\b、\B、\d、\D、\s 和 \S 只进行 ASCII 匹配（仅适用于 Python 3.x）
I 或 IGNORECASE	执行不区分字母大小写的匹配
M 或 MULTILINE	将 ^ 和 $ 用于包括整个字符串的开始和结尾的每一行（默认情况下，仅适用于整个字符串的开始和结尾处）
S 或 DOTALL	使用 ‘.’ 字符匹配所有字符，包括换行符
X 或 VERBOSE	忽略模式字符串中未转义的空格和注释

示例1：

import re

pattern = r'mr_\w+'                        	 # 模式字符串
string = '项目名称：MR_SHOP mr_shop'          	 # 要匹配的字符串
match = re.match(pattern, string, re.I)     	 # 匹配字符串，不区分大小写
print(match)

string = 'MR_SHOP mr_shop'
match = re.match(pattern, string, re.I)
print(match)
print('匹配值得起始位置：', match.start())
print('匹配值得结束位置：', match.end())
print('匹配位置的元组：', match.span())
print('要匹配的字符串：', match.string)
print('匹配数据：', match.group())

上述例子的运行结果为：

None
<re.Match object; span=(0, 7), match='MR_SHOP'>
匹配值得起始位置： 0
匹配值得结束位置： 7
匹配位置的元组： (0, 7)
要匹配的字符串： MR_SHOP mr_shop
匹配数据： MR_SHOP

示例2：

import re

pattern = r'(13[4-9]\d{8})$|(15[01289]\d{8})$'
mobile = '13222222222'
match = re.match(pattern, mobile)
if match == None:
    print(mobile, "不是有效的中国移动手机号码。")
else:
    print(mobile, "是有效的中国移动手机号码。")

mobile = '15800000000'
if match == None:
    print(mobile, "不是有效的中国移动手机号码。")
else:
    print(mobile, "是有效的中国移动手机号码。")

上述例子的运行结果为：

13222222222 不是有效的中国移动手机号码。
15800000000 不是有效的中国移动手机号码。

• 使用 search() 方法进行匹配
  search() 方法与 match() 方法的区别在于，match 是只在起始位置匹配，而 search 是在整个字符串中搜索，其语法格式和 match 一致，如下：
  re.search(pattern, string, [flags])

示例1：

import re

pattern = r'mr_\w+'                          	# 模式字符串
string = '项目名称：MR_SHOP mr_shop'		# 要匹配的字符串
match = re.search(pattern, string, re.I)	# 匹配字符串，不区分大小写
print(match)

string = 'MR_SHOP mr_shop'
match = re.search(pattern, string, re.I)
print(match)

上述例子的运行结果为：

<re.Match object; span=(5, 12), match='MR_SHOP'>
<re.Match object; span=(0, 7), match='MR_SHOP'>

示例2：

import re

pattern = r'(黑客)|(抓包)|(监听)|(Trojan)'
about = '我是一名程序员，我喜欢看黑客方面的图书，想研究一下 Trojan'
match = re.search(pattern, about)
if match == None:
    print(about, '@ 安全！')
else:
    print(about, '@ 出现了危险词汇！')

about = '我是一名程序员，我喜欢看计算机网络方面的图书，喜欢开发网站'
match = re.search(pattern, about)
if match == None:
    print(about, '@ 安全！')
else:
    print(about, '@ 出现了危险词汇！')

上述例子的运行结果为：

我是一名程序员，我喜欢看黑客方面的图书，想研究一下 Trojan @ 出现了危险词汇！
我是一名程序员，我喜欢看计算机网络方面的图书，喜欢开发网站 @ 安全！

• 使用 findall() 方法进行匹配
  findall() 方法用于在整个字符串中搜索所有符合正则表达式的字符串，并以列表的形式返回。如果匹配失败，则返回空列表，其语法格式和 match、search 一致，如下：
  re.findall(pattern, string, [flags])

示例1：

import re

pattern = r'mr_\w+'                         # 模式字符串
string = '项目名称：MR_SHOP mr_shop'         # 要匹配的字符串
match = re.findall(pattern, string, re.I)   # 匹配字符串，不区分大小写
print(match)

string = 'MR_SHOP mr_shop'
match = re.findall(pattern, string)         # 匹配字符串，区分大小写
print(match)

上述例子的运行结果为：

['MR_SHOP', 'mr_shop']
['mr_shop']

示例2：

import re

pattern1 = r'[1-9]{1,3}(\.[0-9]{1,3}){3}'
str = '127.0.0.1 192.168.1.66'
match = re.findall(pattern1, str)
print(match)	

pattern1 = r'([1-9]{1,3}(\.[0-9]{1,3}){3})'
match = re.findall(pattern1, str)
print(match)

for item in match:
    print(item[0])

上述例子的运行结果为：

['.1', '.66']
[('127.0.0.1', '.1'), ('192.168.1.66', '.66')]
127.0.0.1
192.168.1.66

注意：如果模式字符串中出现分组，那么得到的结果是根据分组进行匹配的结果。如果想获取整个模式字符串的匹配，可以将整个模式字符串使用一对小括号进行分组。然后在获取结果时，只取返回值列表的每个元素的第一个元素。

2. 替换字符串
   sub() 方法用于时显示字符串替换。其语法格式如下：
   re.sub(pattern, repl, string, count, flags)
   pattern：表示模式字符串，由要匹配的正则表达式转换而来；
   repl：表示替换的字符串；
   string：表示要被查找替换的原始字符串；
   count：可选参数，表示模式匹配后替换的最大次数；
   flags：可选参数，表示标志位，用于控制匹配方式，如是否区分字母大小写；

示例：

import re

pattern = r'1[34578]\d{9}'
string = '中奖号码为：84978981 联系电话为：13611111111'
result = re.sub(pattern, '1XXXXXXXXXX', string)     	# 隐藏字符串中的手机号
print(result)

pattern = r'(黑客)|(抓包)|(监听)|(Trojan)'
about = '我是一名程序员，我喜欢看黑客方面的图书，想研究一下 Trojan'
sub = re.sub(pattern, '@__@', about)			# 替换出现的危险字符
print(sub)

上述例子的运行结果为：

中奖号码为：84978981 联系电话为：1XXXXXXXXXX
我是一名程序员，我喜欢看@__@方面的图书，想研究一下 @__@

3. 使用正则表达式分割字符串
   split() 方法用于实现根据正则表达式分割字符串，并以列表的形式返回。其作用与字符串对象的 split() 方法类似，所不同的就是分割字符由模式字符串指定，其语法格式如下：
   re.split(pattern, string, [maxsplit], [flags])

示例：

import re

str = '@马云 @马化腾 @刘强东'
pattern = r'\s*@'
list = re.split(pattern, str)
print('我的好友有：')
for item in list:
    if item != "":
        print(item)

上述例子的运行结果为：

我的好友有：
马云
马化腾
刘强东

更多请参考

• Python 进阶之路