Python-re模块

0 前言

>>返回Python系列文章目录<<

正则表达式（英文名称：regular expression，regex，RE）是用来简洁表达一组字符串特征的表达式。最主要应用在字符串匹配中。

re模块是python中处理正则表达式的一个模块，通过re模块的方法，把正则表达式pattern编译成正则对象，以便使用正则对象的方法

1 re模块（内置库）

re模块是Python的内置库，无需安装

str为需要检索的字符串

pattern可以是两种数据类型，一种类型为正则表达式的字符串表达方式，如‘\d{9}’。另一种是使用re.compile()方法将表达式编译为Pattern类

• pattern是字符串类型只能使用re.match(pattern, str)这样的写法
• pattern是Pattern类可以使用re.match(pattern, str)和pattern.match(str)两种写法

事实上，每次re.match(pattern, str)系统都会调用re.compile()将pattern从字符串处理为Pattern类，所以手动调用re.compile()可以提高运行速度

编程语言将\定义为转义字符，r表示raw string 意思是原生字符，也就是说是这个字符串中间的特殊字符不用转义，比如你要表示‘\n’,可以这样：r'\n'，但是如果你不用原生字符而是用字符串你得这样：‘\\n’。原生字符还有函数表示法repr(str)

re.match()和re.search()方法返回的是Match类，Match类可通过group()方法得到对应的字符串

1.1 方法列表

re模块	说明
re.compile(pattern) -> Pattern	将字符串转为正则式，返回Pattern类 pattern->字符串
re.fullmatch(pattern, str) -> Match re.fullmatch(pattern, str) -> None	匹配整个字符串，返回Match类或None pattern->正则式或字符串
re.match(pattern, str) -> Match re.match(pattern, str) -> None	从头开始检测匹配的第一个子串，返回Match类或None pattern->正则式或字符串
re.search(pattern, str) -> Match re.search(pattern, str) -> None	检测第一个匹配的子串，返回Match类或None pattern->正则式或字符串
re.findall(pattern, str) -> list of str re.findall(pattern, str) -> []	返回匹配的子串的列表 pattern->正则式或字符串
re.finditer(pattern, str) -> Iter of str re.finditer(pattern, str) -> None	返回匹配的子串的迭代器 pattern->正则式或字符串
re.split(pattern, str) -> list of str	按pattern子串分割str，返回列表 pattern子串自身占一个空字符串元素 pattern->正则式或字符串
re.sub(pattern, repl, str) -> str	将str中满足正则式的子串替换为repl pattern->正则式或字符串 repl->字符串
re.subn(pattern, repl, str) -> (str, num)	将sub()的结果和替换次数打包为元组，返回元组 pattern->正则式或字符串 repl->字符串

self=Pattern类	说明
self.fullmatch(str) -> Match self.fullmatch(str) -> None	匹配整个字符串，返回Match类或None
self.match(str) -> Match self.match(str) -> None	从头开始检测匹配的第一个子串，返回Match类或None
self.search(str) -> Match self.search(str) -> None	检测第一个匹配的子串，返回Match类或None
self.findall(str) -> list of str self.findall(str) -> []	搜索str返回匹配的子串的列表，返回列表
self.finditer(str) -> Iter of str self.finditer(str) -> None	搜索str返回匹配的子串的迭代器，返回迭代器
self.split(str) -> list of str	按pattern子串分割str pattern子串自身占一个空字符串元素，返回列表
self.sub(repl, str) -> str	将str中满足正则式的子串替换为repl，返回字符串
self.subn(repl, str) -> (str, num)	将sub()的结果和替换次数打包为元组，返回元组

self=Match类	说明
self.group(n) -> str	将Match类转为字符串 n ->省略或为0时，返回所有结果，n=1返回第一个结果

2 正则表达式

2.1 单字符匹配符号

此处所有语法都代表一个字符，尤其是中括号[]中的内容无论有多长，都只会匹配一个字符

注意，转义的\n, \t是一个字符，而未转义的r'\n', r'\t'是两个字符，正则表达式都是用未转义字符

单字符匹配符号	说明
.	匹配一个任意字符，除\n以外，等效为[^\n]
\w	匹配一个变量字符，包括数字，字母或者下划线字符，等效为[0-9a-zA-Z_]
\W	匹配一个非变量字符，等效为[^w]
\s	匹配一个空白字符，包括空格，\n或者\t，等效为[ \n\t]
\S	匹配一个非空白字符，等效为[^s]
\d	匹配一个数字字符，等效为[0-9]
\D	匹配一个非数字字符，等效为[^d]
[pattern]	匹配括号中出现的任意一个字符或者Unicode编码区间内任意一个字符 如[abc], [\d+], [1-9], [a-z], [A-Z], [a-Z]
[^pattern]	匹配括号中没出现的任意一个字符或者Unicode编码区间外任意一个字符 如[^abc], [^\d+], [^1-9], [^a-z], [^A-Z], [^a-zA-Z]
[]	在[]中的符号作为纯文本，不具有特殊定义，如匹配括号用[(][)]

2.2 多字符匹配符号

使用小括号()包围的连续字符视为一个整体进行逻辑处理

(pattern)表示获取()内容，(?:pattern)表示不获取()内容

• 当正则式中没有()时，默认获取整个正则式匹配的内容
• 当正则式中有一个()时，在整个正则式匹配的基础上，获取()内的内容
• 当正则式中有多个()时，在整个正则式匹配的基础上，以元组方式获取所有()内的内容

多字符匹配符号	说明
(pattern)	将多个字符匹配符号组成块，统一进行处理并获取内容
(?:pattern)	将多个字符匹配符号组成块，统一进行处理但不获取内容
(pattern1|pattern2)	多个字符块只需要匹配一个，但第一个成功后不会再尝试匹配第二个 如r'(aa|bb)'匹配aa或者bb，而r'aa|bb'匹配aab或abb
(?:pattern1|pattern2)	多个字符块只需要匹配一个，但不获取内容

2.3 次数检测符号

贪婪匹配返回符合条件的最大匹配区间，非贪婪匹配返回符合条件的最小匹配区间

次数检测符号	说明
?	上个单字符或多字符匹配0次或1次，等效于{0,1}，非贪婪匹配
*	上个单字符或多字符匹配0次或多次，等效于{0,}，贪婪匹配
+	上个单字符或多字符匹配1次或多次，等效于{1,}，贪婪匹配
+?	上个单字符或多字符匹配1次或多次，等效于{1,}?，非贪婪匹配
{}	指定上个单字符或多字符次数，{N} 匹配N次，{M,N}匹配M到N次 ，{M,}至少匹配M次 ，{,N}最多匹配N次，贪婪匹配
{}?	指定上个单字符或多字符次数，{N} 匹配N次，{M,N}匹配M到N次 ，{M,}至少匹配M次 ，{,N}最多匹配N次，非贪婪匹配

2.4 位置检测符号

位置检测符号	说明
\b	检测\b出现的位置是单词边界，\b本身不占字符 单词边界: 字符串开始和结尾、空格、换行、标点符号等，可以将两个单词隔开的字符都单词边界
\B	检测\B出现的位置不是单词边界
^pattern	检测pattern是否是字符串开头
pattern$	检测pattern是否是字符串结尾

3 示例

1. 贪婪匹配与非贪婪匹配

result = re.findall('\w+', 'fun%_list')
print(result)

>>>['fun', '_list']

result = re.findall('\w+?', 'fun%_list')
print(result)

>>>['fun', '_list']

---

2. 获取和非获取

result = re.findall('\w+%_\w+', 'fun%_list')
print(result)

>>>['fun_list']

result = re.findall('(\w+)%_\w+', 'fun%_list')
print(result)

>>>['fun']

result = re.findall('(\w+)%_(\w+)', 'fun%_list')
print(result)

>>>[('fun', 'list')]

>>返回Python系列文章目录<<