Python 正则表达式详解（re）

1 概述

• 正则表达式是一个特殊的字符序列，方便检查一个字符串是否与某种模式匹配
• 以下仅为日常使用部分

1.1 模式 pattern

常用模式	描述	举例
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符
a|b	匹配 a 或者 b
[..]	匹配一组字符，如：[abc]：匹配 a、b、c	反例 = [^..]
*	匹配 0 个或 多个表达式
+	匹配 1 个或 多个表达式
?	匹配 0 个或 1 个表达式
{n}	匹配 n 个表达式
{n, m}	匹配 n 至 m 个表达式
{n, }	匹配 >= n 个表达式
\w	匹配字母、数字及下划线	反例 = \W
\s	匹配任意空白字符	反例= \S
\d	匹配任意数字，等价 [0-9]	反例 = \D
a-z	匹配小写字母 a,b,c 一直到 z
A-Z	匹配大写字母 A,B,C 一直到 Z
0-9	匹配数字 0,1,2 一直到 9

import re

# 从 www.baidu.com 中匹配至少一个包含 a或b
s1 = re.search('[ab]+', 'www.baidu.com')

print(s1.group())  # ba

1.2 标志位 flags

修饰符	描述
re.I	使匹配对大小写不敏感
re.S	使 . 匹配包括换行在内的所有字符

import re

# re.I 忽略大小写
m1 = re.match('WWW', 'www.baidu.com')
m2 = re.match('WWW', 'www.baidu.com', re.I)

# re.S 使 . 匹配包括换行(\n)在内的所有字符
m3 = re.match('www.', 'www\nbaidu.com')
m4 = re.match('www.', 'www\nbaidu.com', re.S)

# 还有其他的，如 re.X, re.M 等等，比较少用，不再展开
print(m1)  # None
print(m2)  # <re.Match object; span=(0, 3), match='www'>
print(m3)  # None
print(m4)  # <re.Match object; span=(0, 4), match='www\n'>

2 语法

2.1 match()：从起始位置开始匹配

# 函数语法：从字符串的起始位置匹配一个模式
# 若成功，则返回具体信息，反之返回 None
re.match(pattern, string, flags=0)

# 案例：从 string 中找到 pattern
import re

m1 = re.match('www', 'www.baidu.com')
m2 = re.match('baidu', 'www.baidu.com')

print(m1)  # <re.Match object; span=(0, 3), match='www'>
print(m2)  # None

# .span(): 位置  .group(): 值
print(m1.span())  # (0, 3)
print(m1.group())  # www

2.2 search()：匹配整个字符串，找到第一个匹配

# 函数语法：匹配整个字符串，找到第一个匹配
# 若成功，则返回具体信息，反之返回 None
re.search(pattern, string, flags=0)

import re

s1 = re.search('www', 'www.baidu.com')
s2 = re.search('com', 'www.baidu.com')
s3 = re.search('xxx', 'www.baidu.com')

print(s1)  # <re.Match object; span=(0, 3), match='www'>
print(s2)  # <re.Match object; span=(10, 13), match='com'>
print(s3)  # None

print(s1.span())  # (0, 3)
print(s1.group())  # www

2.3 compile()：按正则模式匹配字符串

# 函数语法：按正则模式匹配字符串
# 若成功，则返回具体信息，反之返回 None
re.compile(pattern[, flags])

import re

patter_format = re.compile(r'\d+')  # 至少匹配一个数字

# 注：下标是从 0 开始的哦
print(patter_format.match('阿梦520', 2, 5))  # 下标从 2 开始，5 结束
# 输出 520

2.4 findall()：匹配所有字符串

• match 和 search 是匹配一次，findall 是匹配所有

# 请注意 match 和 search 是匹配一次，findall 匹配所有
re.findall(string[, pos[, endpos]])  # return list
re.finditer(pattern, string, flags=0)  # 同 findall，return 迭代器

# string: 原字符串
# pos：开始位置，默认 0 
# endpos：结束位置，默认 字符串的长度
# 匹配范围：含头（pos），不含尾（endpos）

import re

f1 = re.findall(r'\d+', '阿梦520 - 1314', 2)

print(f1)  # ['520', '1314']

2.6 finditer()：findall 的迭代器

import re

f1 = re.finditer(r'\d+', '阿梦520 - 1314', 2)

for m in f1:
    print(m.span(), m.group()

# (2, 5) 520
# (8, 12) 1314

2.7 sub()：替换字符串

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

# pattern：正则表达式模式
# repl：替换后的字符串
# string：原字符串
# count=0：匹配次数，0：替换所有的匹配
# flags=0：标志位

import re

str = '阿梦：151-2345-6789'

# 将任意非数字替换为空
s1 = re.sub('\D+', '', str)
print(s1)  # 15123456789

2.8 split()：拆分字符串

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

# pattern：正则表达式模式
# string：原字符串
# maxsplit：分割次数。默认 0：不限制
# flags：标志位

import re

# 按 非字符、数字、下划线 拆分字符串
s1 = re.split(r'\W+', '阿梦,520,阿优')

print(s1)  # ['阿梦', '520', '阿优']

3 实例

3.1 去除汉字

import re

str_test = 'abcABC_(123).这是一个汉字'

s1 = re.sub('[^a-zA-Z_0-9().]+', '', str_test)
s2 = re.sub('[a-zA-Z_0-9().]+', '', str_test)


print(f'去除汉字后：{s1}')  # abcABC_(123).
print(f'只保留汉字：{s2}')  # 这是一个汉字