python—re模块与正则简介

一、前言

正则表达式是对字符串提取的一套规则，我们把这个规则用正则里面的特定语法表达出来，去匹配满足这个规则的字符串。正则表达式具有通用型，不仅python里面可以用，其他的语言也一样适用。

python中re模块提供了正则表达式的功能，常用的有四个方法(match、search、findall)都可以用于匹配字符串。

二、常用正则匹配规则

单字符匹配

字符	描述
.	匹配除换行符 \n 之外的任何单字符
[ ]	匹配[ ] 中列举的字符
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配非数字
\s	匹配空白字符，即tab键
\S	匹配非空白字符
\w	匹配单词字符，a-z,0-9,以及下划线_
\W	匹配非单次字符

表示数量：

字符	功能
+	匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+
*	匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 ?
{n}	n 是一个非负整数，匹配一个字符出现 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n.}	匹配前一个字符至少出现n次
{m,n}	匹配前一个字符出现m到n次

匹配边界：

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词边界

匹配分组：

字符	描述
|	替换，“或"操作 字符具有高于替换运算符的优先级，使得"m|food"匹配"m"或"food”。若要匹配"mood"或"food"，请使用括号创建子表达式，从而产生"(m|f)ood"。
(ab)	将括号中的字符作为一个分组
\num	引用分子num匹配到的字符串
（?P）	给分组起别名
(?P=name)	应用别名为name的分子匹配到的字符串

三、re模块常用的匹配方法

1、re.match()

re.match()必须从字符串开头匹配！ match方法尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

re.match()方法返回的是一个匹配的对象，而不是匹配的内容。如果需要返回内容则需要调用group()。通过调用span()可以获得匹配结果的位置。而如果从起始位置开始没有匹配成功，即便其他部分包含需要匹配的内容，re.match()也会返回None。

主要参数如下：

re.match(pattern, string)
# pattern     匹配的正则表达式
# string      要匹配的字符串

示例：

#匹配3个任意字符，并通过列表返回
import re
text = "Python is the best language in the world. "
res = re.match('Py...',text) #匹配到的内容为为Pytho，返回一个res对象
res1= re.match(r'\d...',text) #match必须从头开始匹配，text开头不为数字，返回none

2、re.search()

和match差不多用法，从字符串中进行搜索。都是返回一个匹配对象，不直接返回匹配内容。

3、re.findall()

从字面意思上就可以看到，findall是寻找所有能匹配到的字符，并以列表的方式返回。

示例：

#匹配一个或多个数字
import re
text = "Please contact Teacher Cheng (18390904289) or Teacher Li (17256892366)."

res= re.match(r'\d+',text) #匹配到两个手机号码，通过列表返回。

4、re.sub()

查找字符串中所有相匹配的数据进行替换.

相关参数：

re.sub(替换的数据，替换成什么，要替换的数据所在的地方)

示例：

import re
text = "Python is the best language in the world. "
res = re.sub("Python","PHP",text)
print(res)  #输出结果为：PHP is the best language in the world.

5、re.split()

以匹配到的对字符串为边界对内容进行分割。返回一个列表。

示例：

import re
s = "itcase,java:php-php3;html"
print(re.split(r",",s))           #以,号进行分割
#返回内容：["itcase","java:php-php3;html"]

四、常见匹配需求

匹配邮箱账号：

[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?

匹配手机号码：

^1(3\d|4[4-9]|5[0-35-9]|6[67]|7[013-8]|8[0-9]|9[0-9])\d{8}$

匹配IP地址：

^((\d|[1-9]\d|1\d\d|2[0-4]\d|25[0-5])\.){3}(\d|[1-9]\d|1\d\d|2[0-4]\d|25[0-5])$

匹配网址URL：

(http|ftp|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&:/~\+#]*[\w\-\@?^=%&/~\+#])?

匹配18位身份证号码：

^(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)$

匹配汉字：

/^((?![\u3000-\u303F])[\u2E80-\uFE4F]|\·)*(?![\u3000-\u303F])[\u2E80-\uFE4F](\·)*$/