python re模块解析_Python Re 模块讲解

re模块下的函数

compile(pattern)：创建模式对象

1 importre2 pat=re.compile( A )3 m=pat.search( CBA ) #等价于 re.search( A , CBA )

4 printm5 <_sre.sre_match object at> #匹配到了，返回MatchObject(True)

6 m=pat.search( CBD )7 printm8 None #没有匹配到，返回None(False)

search(pattern,string)：在字符串中寻找模式

1 m =re.search( asd , ASDasd )2 printm3 <_sre.sre_match object at> #匹配到了，返回MatchObject(True)

4 m =re.search( asd , ASDASD )5 printm6 None #没有匹配到，返回None(False)

match(pattern,string)：在字符串开始处匹配模式

1 m =re.search( asd , ASDasd )2 printm3 <_sre.sre_match object at> #匹配到了，返回MatchObject(True)

4

5 m =re.search( asd , ASDASD )6 printm7 None #没有匹配到，返回None(False)

8

9 #等价于

10 pat=re.compile( a )11 printpat.match( Aasd )12 None13

14 printpat.match( aASD )15 <_sre.sre_match object at>

16

17 #上面的函数返回都可以在if条件语句中进行判断：

18

19 ifpat.search( asd ):20 printOK21

22 OK #找到返回

23 ifre.search( a , ASD ):24 print "OK"

25 #没有找到

split(pattern,string)：根据模式分割字符串,返回列表

1 re.split( , , a,s,d,asd )2 [ a , s , d , asd ] #返回列表

3

4 pat =re.compile( , )5 pat.split( a,s,d,asd )6 [ a , s , d , asd ] #返回列表

7

8 re.split( [, ]+ , a , s ,d ,,,,,asd ) #正则匹配：[, ]+，后面说明

9 [ a , s , d , asd ]10

11 re.split( [, ]+ , a , s ,d ,,,,,asd ,maxsplit=2) #maxsplit 最多分割次数

12 [ a , s , d ,,,,,asd ]13

14 pat = re.compile( [, ]+ ) #正则匹配：[, ]+，后面说明

15 pat.split( a , s ,d ,,,,,asd ,maxsplit=2) #maxsplit 最多分割次数

16 [ a , s , d ,,,,,asd ]

findall(pattern,string)：列表形式返回匹配项

1 re.findall( a , ASDaDFGAa )2

3 [ a , a ] #列表形式返回匹配到的字符串

4

5

6

7 pat =re.compile( a )8

9 pat.findall( ASDaDFGAa )10

11 [ a , a ] #列表形式返回匹配到的字符串

12

13

14

15 pat = re.compile( [A-Z]+ ) #正则匹配：[A-Z]+ 后面有说明

16

17 pat.findall( ASDcDFGAa )18

19 [ ASD , DFGA ] #找到匹配到的字符串

20

21

22

23 pat = re.compile( [A-Z] )24

25 pat.findall( ASDcDFGAa ) #正则匹配：[A-Z]+ 后面有说明

26

27 [ A , S , D , D , F , G , A ] #找到匹配到的字符串

28

29

30

31 pat = re.compile( [A-Za-z] ) #正则匹配：[A-Za-z]+ 匹配所有单词，后面有说明

32

33 pat.findall( ASDcDFGAa )34

35 [ A , S , D , c , D , F , G , A , a ]

sub(pat,repl,string) ：用repl替换 pat匹配项      (留的是中间的，因为中间在中心)

1 re.sub( a , A , abcasd ) #找到a用A替换，后面见和group的配合使用

2

3 AbcAsd4

5

6

7 pat =re.compile( a )8

9 pat.sub( A , abcasd )10

11 AbcAsd12

13

14

15 pat=re.compile(r www.(.*)..{3} ) #正则表达式

16

17

18 #在Python的string前面加上‘r’， 是为了告诉编译器这个string是个raw string，不要转译反斜杠 。

19

20 #例如， 在raw string中，是两个字符，和n， 而不会转译为换行符。

21

22 #由于正则表达式和 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上 r 。

23

24

25

26 #与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。

27

28 #假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：

29

30 #前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

31

32 #Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\"表示。

33

34 #同样，匹配一个数字的"\d"可以写成r"d"。

35

36 #有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

37

38

39

40 #不是说 加了r 就没有转译功能，好乱，就直接记住1句话：

41

42 #当一个字符串使用了正则表达式后，最好在前面加上 r ，这样你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观

43

44

45 pat.match( www.dxy.com ).group(1)46

47 dxy48

49

50

51 re.sub(r www.(.*)..{3} ,r , hello,www.dxy.com )52

53

54

55 pat.sub(r , hello,www.dxy.com )56

57 hello,dxy58

59 #r 1 是第一组的意思

60

61 #通过正则匹配找到符合规则的"www.dxy.com" ，取得 组1字符串 去替换 整个匹配。

62

63

64

65

66

67 pat=re.compile(r (w+) (w+) ) #正则表达式

68

69 s=hello world ! hello hz !70

71

72

73 pat.findall( hello world ! hello hz ! )74

75 [( hello , world ), ( hello , hz )]76

77 pat.sub(r ,s) #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。

78

79 world hello!hz hello!

escape(string) ：对字符串里面的特殊字符串进行转义

1 re.escape( www.dxy.cn )2

3 www\.dxy\.cn #转义

上面的函数中，只有match、search有group方法，其他的函数没有。

函数的方法

group：获取子模式(组)的匹配项

1 pat = re.compile(r www.(.*).(.*) ) #用()表示1个组，2个组

2

3 m =pat.match( www.dxy.com )4

5 m.group() #默认为0，表示匹配整个字符串

6

7 www.dxy.com8

9

10

11 m.group(1) #返回给定组1匹配的子字符串

12

13 dxy14

15

16

17 m.group(2)18

19 com

start：给定组匹配项的开始位置

1 m.start(2)#组2开始的索引

2 8

end：给定组匹配项的结束位置

1 m.end(2) #组2结束的索引

2

3 11

span：给定组匹配项的开始结束位置

1 m.span(2) #组2开始、结束的索引

2

3 (8, 11)

正则表达式

元字符

“.” ：通配符,除换行符外的任意的1个字符

1 pat=re.compile( . )2 pat.match( abc )

5 <_sre.sre_match object at>

7 pat.match( abc ).group()

9 a #匹配到了首个字符

11 pat.search( abc ).group()13 a15 pat.match( ).group() #换行符匹配出错

17 Traceback (most recent call last):19 File "", line 1, in

21 AttributeError: NoneType object has no attribute group

“” : 转义符

1 pat=re.compile( . )2 pat.search( abc.efg ).group() #匹配到.

3 .4 pat.findall( abc.efg ) #不用group,返回列表

5 [ . ]

“[…]” : 字符集合，匹配里面的任意一个元素

1 >>> pat=re.compile( [abc] )2 >>>pat.match( axbycz ).group()3 a4 >>>pat.search( axbycz ).group()5 a6 >>>pat.findall( axbycz )7 [ a , b , c ]

“d” : 数字

1 >>> pat=re.compile( d )2 >>> pat.search( ax1by2cz3 ).group() #匹配到第一个数字:1，返回

3 1

4 >>> pat.match( ax1by2cz3 ).group() #匹配不到(首个不是)返回None，报错，match匹配字符串头

5 Traceback (most recent call last):6 File"", line1, in < module >

7 AttributeError: NoneType object has no attribute group8

9 >>> pat.findall( ax1by2cz3 ) #匹配所有的数字，列表返回

10 [ 1 , 2 , 3 ]

“D” : 非数字

1 >>> pat=re.compile( D )2 >>>pat.match( ax1by2cz3 ).group()3 a4 >>>pat.search( ax1by2cz3 ).group()5 a6 >>>pat.findall( ax1by2cz3 )7 [ a , x , b , y , c , z ]

“s” ：空白字符 、 、 、 、空格

1 >>> pat=re.compile( s )2 >>>pat.findall( ax1 by2 cz3 )3 [ , , , , ]4 >>>pat.search( ax1 by2 cz3 ).group()5

6 >>> pat.match( ax1 by2 cz3 ).group()

“S” :非空白字符

1 >>> pat=re.compile( S )2 >>>pat.search( ax1 by2 cz3 ).group()3 a4 >>>pat.findall( ax1 by2 cz3 )5 [ a , x , 1 , b , y , 2 , c , z , 3 ]

“w” ：单个的 数字和字母，[A-Za-z0-9]

1 >>> pat=re.compile( w )2 >>>pat.search( 1a2b3c ).group()3 1

4 >>>pat.findall( 1a2b3c )5 [ 1 , a , 2 , b , 3, c ]6 >>>pat.match( 1a2b3c ).group()7 1

“W”:非单词字符,除数字和字母外

1 >>> pat=re.compile( W )2 >>> pat.findall( 1a2我b3c ) #python是用三字节表示一个汉字

3 [ æ , , ]4 >>>pat.search( 1a2我b3c ).group()5 æ

数量词

“*” ：0次或多次    ( 乘0会变成0)

1 >>> pat = re.compile( [abc]*)2 >>>pat.match( abcabcdefabc ).group()3 abcabc #2次

4 >>>pat.search( abcabcdefabc ).group()5 abcabc #2次

6 >>>pat.findall( abcabcdefabc )7 [ abcabc , , , , abc , ] #2次和1次,因为有0次，所以匹配了

“+” ：1次或多次     ( 加0不会变成0)

1 >>> pat = re.compile( [abc]+)2 >>>pat.match( abcdefabcabc ).group()3 abc4 >>>pat.search( abcdefabcabc ).group()5 abc6 >>>pat.findall( abcdefabcabc )7 [ abc , abcabc ]

“?” ：0次或1次，match,search 不会出现none，会出现’ ‘ (因为0次也是符合的)

0次或1次不是指[xxx]这个集合，而是其中的任何的一个字符

1 >>> pat =re.compile([abc]? )2 >>> pat.match(defabc).group() #0次

3 >>>pat.match(abcdefabc).group()4 a5 >>> pat.search(defabc).group() #0次

6 >>> pat.findall(defabc) #0次和1次

7 [,,, a, b, c,] #后面总再加个

“数量词?” ：非贪婪模式：只匹配最少的(尽可能少)；默认贪婪模式：匹配最多的(尽可能多)

1 >>> pat = re.compile([abc] +) #贪婪模式

2 >>> pat.match(abcdefabcabc).group() #匹配尽可能多的：abc

3 abc4 >>>pat.match(bbabcdefabcabc).group()5 bbabc6 >>>pat.search(dbbabcdefabcabc).group()7 bbabc8 >>>pat.findall(abcdefabcabc)9 [abc, abcabc]10 >>> pat = re.compile([abc] +? ) #非贪婪模式：+?

11 >>> pat.match(abcdefabcabc).group() #匹配尽可能少的：a、b、c

12 a13 >>>pat.search(dbbabcdefabcabc).group()14 b15 >>>pat.findall(abcdefabcabc)16 [a, b, c, a, b, c, a, b, c]

“{m}” ：匹配字符串出现m次

1 >>> pat = re.compile( [op]{2} ) #o或p出现2次

2 >>> pat.search( abcooapp ).group() #匹配第一次出现的字符串,o比p先出现

3 oo4 >>> pat.findall( abcooapp ) #匹配出现的所有字符串，列表形式返回

5 [ oo , pp ]

“{m,n}” ：匹配字符串出现m到n次

1 >>> pat = re.compile( [op]{2,4} ) #o或则p出现2到4次

2 >>> pat.match( pppabcooapp ).group() #匹配开头

3 ppp4 >>> pat.search( pppabcooapp ).group() #匹配第一次出现

5 ppp6 >>> pat.findall( pppabcooapp ) #匹配所有

7 [ ppp , oo , pp ]

.group() #匹配第一次出现

边界

“^” ：匹配字符串开头或行头

1 >>> pat = re.compile( ^ [abc] ) #开头是a、b、c中的任意一个

2 >>>pat.search(defabc).group()3 >>> pat.match(defabc).group() #均找不到

4 >>>pat.findall(defabc)5 []6 >>>pat.search(adefabc).group()7 a8 >>> pat.match(adefabc).group() #开头是a、b、c中的任意一个

9 a10 >>>pat.findall(adefabc)11 [a]12 >>> pat = re.compile( ^ [abc] + ) #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个

13 >>>pat.findall(cbadefab)14 [cba]15 >>> pat = re.compile(r ^ [abc] +? ) #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个

16 >>>pat.findall(cbadefab)17 [c]

“$” ：匹配字符串结尾或则行尾

1 >>> pat =re.compile( [abc]$ )2 >>> pat.match( adefAbc ).group() #match匹配的是字符串开头，所以查找$的时，总是返回None

3 >>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个

4 c5 >>>pat.findall( adefAbc )6 [ c ]7 >>> pat = re.compile( [abc]+$ )8 >>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个

9 bc10 >>>pat.findall( adefAbc )11 [ bc ]

“A”：匹配字符串开头

1 >>> pat = re.compile( A[abc]+)2 >>>pat.findall( cbadefab )3 [ cba ]4 >>>pat.search( cbadefab ).group()5 cba

“Z”：匹配字符串结尾

1 >>> pat = re.compile( [abc]+Z )2 >>>pat.search( cbadefab ).group()3 ab4 >>>pat.findall( cbadefab )5 [ ab ]

分组

(…)：分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词

1 >>> pat = re.compile(r(a)w(c) ) #w:单个的数字或字母 [A-Za-z0-9]

2 >>>pat.match(abcdef).group()3 abc4 >>> pat = re.compile((a)b(c) ) #分2组，匿名分组

5 >>> pat.match(abcdef).group() #默认返回匹配的字符串

6 abc7 >>> pat.match(abcdef).group(1) #取分组1，适用于search

8 a9 >>> pat.match(abcdef).group(2) #取分组2，适用于search

10 c11 >>> pat.match(abcdef).groups() #取所有分组，元组形式返回

12 (a, c)

：引用编号为的分组匹配到的字符串

1 >>> pat=re.compile(r www.(.*)..{3} )2 >>> pat.match( www.dxy.com ).group(1)3 dxy

“(?P…)” ：在模式里面用()来表示分组(命名分组),适用于提取目标字符串中的某一些部位

1 >>> pat=re.compile(r (?Pa)w(c) ) #分2组：命名分组+匿名分组

2 >>> pat.search( abcdef ).groups() #取所有分组，元组形式返回

3 ( a , c )4 >>> pat.search( abcdef ).group(1) #取分组1，适用于match

5 a6 >>> pat.search( abcdef ).group(2) #取分组2，适用于match

7 c8 >>> pat.search( abcdef ).group() #默认返回匹配的字符串

9 abc10 >>> pat.search( abcdef ).groupdict() #命名分组可以返回一个字典【专有】，匿名分组也没有

11 { K : a }

“(?P=name)”：引用别名为的分组匹配到的串

1 >>> pat = re.compile(r(?P < K > a)w(c)(?P = K) ) #(?P=K)引用分组1的值，就是a

2 >>> pat.search(abcdef).group() #匹配不到，因为完整 awca ,模式的第4位是a

3 Traceback(most recent call last):4 File "", line 1, in < module >

5 AttributeError: NoneType object has no attribute group6 >>> pat.search(abcadef).group() #匹配到，模式的第4位和组1一样,值是c

7 abca8 >>>pat.search(abcadef).groups()9 (a, c)10 >>> pat.search(abcadef).group(1)11 a12 >>> pat.search(abcadef).group(2)13 c

“” ：引用分组编号匹配：

1 >>> pat=re.compile(r (?Pa)w(c)(?P=K) ) #引用分组2的值，就是c

2 >>> pat.findall( Aabcadef ) #匹配不到，因为完整 awcac ,模式的第5位是c

3 []4 >>> pat.findall( Aabcacdef ) #匹配到，模式的第5位和组2一样,值是c

5 [( a , c )]6 >>>pat.search( Aabcacdef ).groups()7 ( a , c )8 >>>pat.search( Aabcacdef ).group()9 abcac10 >>> pat.search( Aabcacdef ).group(1)11 a12 >>> pat.search( Aabcacdef ).group(2)13 c

特殊构造

1 (?:…) (…)不分组版本,用于使用 |或者后接数量词2

3 (?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个4

5 (?#…) #号后的内容将作为注释

6

7 (?=…) 之后的字符串内容需要匹配表达式才能成功匹配8

9 (?!…) 之后的字符串不匹配表达式才能成功10

11 (?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

“(?:…)” ：()里面有?:表示该()不是分组

1 >>> pat=re.compile(r a(?:bc) )2 >>>pat.findall( abc )3 [ abc ]4 >>> pat.match( abc ).groups() #显示不出分组

“(?=…)”：匹配…表达式，返回。对后进行匹配，总是对后面进行匹配

1 >>> pat=re.compile(r w(?=d) ) #匹配表达式d，返回数字的前一位，w：单词字符[A-Za-z0-9]

2 >>>pat.findall( abc1 def1 xyz1 )3 [ c , f , z ]4 >>> pat.findall( zhoujy20130628hangzhou ) #匹配数字的前一位，列表返回

5 [ y , 2 , 0 , 1 , 3 , 0 , 6 , 2]6 >>> pat=re.compile(r w+(?=d) )7 >>> pat.findall( abc1,def1,xyz1 ) #匹配最末数字的前字符串，列表返回

8 [ abc , def, xyz ]9 >>>pat.findall( abc21,def31,xyz41 )10 [ abc2 , def3 , xyz4 ]11 >>>pat.findall( zhoujy20130628hangzhou )12 [ zhoujy2013062 ]13 >>> pat=re.compile(r [A-Za-z]+(?=d) ) #[A-Za-z],匹配字母,可以用其他的正则方法

14 >>> pat.findall( zhoujy20130628hangzhou123 ) #匹配后面带有数字的字符串，列表返回

15 [ zhoujy , hangzhou ]16 >>>pat.findall( abc21,def31,xyz41 )17 [ abc , def , xyz ]

“(?!…)” 不匹配…表达式，返回。对后进行匹配

1 >>> pat=re.compile(r [A-Za-z]+(?!d) ) #[A-Za-z],匹配字母,可以用其他的正则方法

2 >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) #匹配后面不是数字的字符串，列表返回

3 [ zhouj , hangzho , binjian ]4 >>>pat.findall( abc21,def31,xyz41 )5 [ ab , de , xy ]

“(?<=…)”：匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

1 >>> pat=re.compile(r (?<=d)[A-Za-z]+ ) #匹配前面是数字的字母

2 >>>pat.findall( abc21,def31,xyz41 )3 []4 >>>pat.findall( 1abc21,2def31,3xyz41 )5 [ abc , def, xyz ]6 >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 )7 [ hangzhou ]

“(?

1 >>> pat=re.compile(r (?

2 >>>pat.findall( abc21,def31,xyz41 )3 [ abc , def, xyz ]4 >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 )5 [ zhoujy , angzhou , binjiang ]

“(?(id/name) yes |no)”: 组是否匹配，匹配返回

1 >>> pat=re.compile(r a(d)?bc(?(1)d) ) #no省略了，完整的是adbcd ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字

2 >>> pat.findall( abc9 ) #返回组1，但第2位(组1)没有，即返回了

3 [ ]4 >>> pat.findall( a8bc9 ) #完整的模式，返回组1

5 [ 8]6 >>>pat.match( a8bc9 ).group()7 a8bc98 >>> pat.match( a8bc9 ).group(1)9 8

10 >>> pat.findall( a8bc ) #第5位不存在，则没有匹配到

11 []

“(?iLmsux)”:这里就介绍下i参数：大小写区分匹配

1 >>> pat=re.compile(r abc )2 >>>pat.findall( abc )3 [ abc ]4 >>>pat.findall( ABC )5 []6 >>> pat=re.compile(r (?i)abc ) #(?i) 不区分大小写

7 >>>pat.findall( ABC )8 [ ABC ]9 >>>pat.findall( abc )10 [ abc ]11 >>>pat.findall( aBc )12 [ aBc ]13 >>>pat.findall( aBC )14 [ aBC ]15 >>> pat=re.compile(r abc ,re.I) #re.I 作为参数使用，推荐

16 >>>pat.findall( aBC )17 [ aBC ]