python中正则表达式的简单应用_Python：正则表达式的应用二简单使用

很久之前曾经写过一篇：[Python：正则表达式的应用一综述] 但一直都没有写接下来的具体使用，所以这篇文章就首先来介绍如何快速使用re模块来匹配字符串。刚开始我会直接使用例子来实践，可能有人有所埋怨使用的函数，但相信你随着介绍的深入，你会理解的。

一、自身匹配

大多数字母和字符一般都会和自身匹配。例如，正则表达式 test 会和字符串“test”完全匹配，当然这是正则表达式肯定能够做到的，但这也太大材小用了吧。

例：匹配ourunix>>> s = "ourunix"

>>> s1 = "ourrunix"

>>> regex = "ourunix"

>>> p = re.compile(regex)

>>> p.findall(s)

['ourunix']

>>> p.findall(s1)

[]

说明：s和s1是用来测试的字符串，regex是指定的正则表达式，p是编译之后的正则表达式对象，p的findall函数返回能够找到的所有符合regex的字符串。

二、元字符

自身匹配规则当然会有例外，因为有些字符比较特殊，它们和自身并不匹配，而是会表明应和一些特殊的东西匹配，或者它们会影响到正则表达式其它部分的重复次数。

这是一个基本的元字符列表. ^ $ * + ? { [ ] \ | ( )

下面我们就来围绕这个元字符列表展开介绍。

三、匹配字符集

使用"[]"匹配字符集

使用[]可以使正则表达式里面的一个字符匹配一个字符集，比如我想匹配“cxt”这个x可以为任意a，b，c中的一个，即cat、cbt、cct等都可以满足，那么我就可以使用[]的规则来标识这个字符集a、b、c。

例：匹配cxt>>> import re

>>> s = "we are cat, cAt, c1t, cbt, cct."

>>> regex = "c[abc]t"

>>> p = re.compile(regex)

>>> p.findall(s)

['cat', 'cbt', 'cct']

需要说明的是，[]字符集中的字符可以单个列出，也可以用“-”号分隔的两个给定字符来表示一个字符区间。例如上例的[abc] 将匹配"a"，"b"，或 "c"中的任意一个字符，这个也可以用区间[a-c]来表示同一字符集，和上例的效果一致。如果你只想匹配一个小写字母，那么正则表达式应写成 [a-z]。

另外元字符在类别里并不起作用。例如，[akm$]这个字符集将匹配字符"a", "k", "m", 或 "$" 中的任意一个；"$"通常用作元字符，但在字符类别里，其特性被除去，恢复成普通字符。

使用"^"匹配不在字符集

当然你可以用补集来匹配不在字符集范围内的字符。其做法是把"^"作为类别的首个字符；其它地方的"^"只会简单匹配 "^"字符本身。例如，[^5] 将匹配除 "5" 之外的任意字符。

例：匹配cxt，其中x是除a，b，c中的一个>>> import re

>>> s = "we are cat, cAt, c1t, cbt, cct."

>>> regex = "c[^a-c]t"

>>> p = re.compile(regex)

>>> p.findall(s)

['cAt', 'c1t']

"\"的特殊意义

也许最重要的元字符是反斜杠"\"。

1、做为 Python 中的字符串字母，反斜杠后面可以加不同的字符以表示不同特殊意义。

2、转义。它也可以用于取消所有的元字符，这样你就可以在模式中匹配它们了。举个例子，如果你需要匹配字符 "[" 或 "\"，你可以在它们之前用反斜杠来取消它们的特殊意义： \[ 或 \\。

一些用 "\" 开始的特殊字符所表示的预定义字符集通常是很有用的，象数字集，字母集，或其它非空字符集。

下列是可用的预设特殊字符：\d  匹配任何十进制数；它相当于类 [0-9]

\D  匹配任何非数字字符；它相当于类 [^0-9]

\s  匹配任何空白字符；它相当于类  [ \t\n\r\f\v]

\S  匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]

\w  匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]

\W  匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]

例：匹配cxt，其中x可以是任何字母数字或者是！>>> import re

>>> s = "we are cat, cAt, c1t, cbt, cct, c!t, a!t."

>>> regex = "c[\w!]t"

>>> p = re.compile(regex)

>>> p.findall(s)

['cat', 'cAt', 'c1t', 'cbt', 'cct', 'c!t']

"."的用法

它匹配除了换行字符外的任何字符，"." 通常被用于你想匹配“任何字符”的地方。

四、匹配可重复的字符

正则表达式第一件能做的事是能够匹配不定长的字符集，而这是其它能作用在字符串上的方法所不能做到的，至少我目前没有遇到过哪个字符串方法可以这么做。

使用"*"匹配零次或更多次

* 并不匹配字母字符 "*"，相反，它指定前一个字符可以被匹配零次或更多次，而不是只有一次。

例：匹配cxxxxx...t，其中xxxxx...为任意个a，比如ct，cat，caat，caaaaaaat都是符合的import re

>>> s = "we are cat, cAt, c1t, ct, caaaaaaaaaat, caat"

>>> regex = "ca*t"

>>> p = re.compile(regex)

>>> p.findall(s)

['cat', 'ct', 'caaaaaaaaaat', 'caat']

说明：正则表达式引擎有各种来自C的整数类型大小的内部限制，以防止它匹配超过20亿个 "a" 字符，你也许没有足够的内存去建造那么大的字符串，所以将不会累计到那个限制。

使用"+"至少匹配一次

上例中的regex如果将*换成+的话，结果将不会出现ct。

使用"?"匹配零次或一次

略

使用重复限定符是 {m,n}

最复杂的重复限定符是 {m,n}，其中 m 和 n 是十进制整数。该限定符的意思是至少有 m 个重复，至多到 n 个重复。

例：匹配cxxxxx...t，其中xxxxx...为1~3个a或者不，比如cat，caat，cbt，cabbt都是符合的，但是ct，caaaaaaat是不符合import re

>>> s = "we are cat, cAt, cabt, cbbt, c1t, ct, cabct, caaaaaaaaaat, caat"

>>> regex = "c[ab]{1,3}t"

>>> p = re.compile(regex)

>>> p.findall(s)

['cat', 'cabt', 'cbbt', 'caat']

说明：你可以忽略 m 或 n，忽略 m 会认为下边界是 0，而忽略 n 的结果将是上边界为无穷大 -- 实际上是先前我们提到的20亿，但这也许同无穷大一样。

细心的读者也许注意到其他三个限定符都可以用这样方式来表示。 {0,} 等同于 *，{1,} 等同于 +，而{0,1}则与 ? 相同。如果可以的话，最好使用 *，+，或?。很简单因为它们更短也更容易懂。

五、Python中使用正则表达式

事实上通过上面一些简单模式的介绍，你应该对Python中如何使用正则表达式有了一个大致的了解。

编译正则表达式import re

>>> regex = "c[ab]{1,3}t"

>>> p = re.compile(regex)

>>> print p

使用re的comiple可以将指定正则表达式编译成RegexObject实例，当然re.compile() 也接受可选的标志参数，常用来实现不同的特殊功能和语法变更。比如：p = re.compile(regex, re.IGNORECASE)

>>> print p

开始执行匹配

现在你已经有了RegexObject实例，那么你就可以使用其开始执行匹配了，这里列举了一些简单的函数：match()    决定正则表达式是否在字符串刚开始的位置匹配

search()    扫描字符串，找到这个正则表达式匹配的位置

findall()    找到正则表达式匹配的所有子串，并把它们作为一个列表返回

finditer()    找到正则表达式匹配的所有子串，并把它们作为一个迭代器返回

说明：如果没有匹配到的话，match() 和 search() 将返回 None。如果成功的话，就会返回一个 `MatchObject` 实例，其中有这次匹配的信息：它是从哪里开始和结束，它所匹配的子串等等。

完