Python必学模块之re模块(正则表达式)详解

---

一、什么是正则表达式

通俗理解：

按照一定的规则，从某个字符串中匹配出想要的数据。这个规则就是正则表 达式。

官方参考：正则表达式

二、re模块介绍

re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，而正则表达式是对字符串进行模糊匹配，提取自己需要的字符串部分，他对所有的语言都通用。注意：

• re模块是python独有的
• 正则表达式本质上是对字符串操作的逻辑公式，适用于所有程序语言。
• re模块使python拥有全部的正则表达式功能

本章节主要介绍Python中常用的正则表达式处理函数。

---

三、常用正则表（元字符）

模式	描述
\w	匹配字母数字及下划线
\W	匹配 非 字母数字即下划线
\s	匹配任意 非 空白字符，等价于 [\t\n\r\f]
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\z	匹配字符串结束
\Z	匹配字符串结束，如果存在换行，只匹配到换行前的结束字符串
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串开头
$	匹配字符串末尾
.	匹配任意字符，除了换行符，如果当re.DOTALL标记被指定时，则可以匹配包括换行符在内的任意字符
[…]	用来表示一组字符，单独列出：[abc] ，匹配"a",“b"或"c”
[^…]	不在[]中的字符：[ ^abc ] 匹配除了，a,b,c之外的字符
*	匹配0个或者多个的表达式
+	匹配一个或者多个的表达式
?	匹配0个或者1个由前面的正则表达式定义的片段，非贪婪匹配
{n}	进准匹配n个前面的表达式
{n,m}	匹配n到m次由前面的正则表达式定义的片段，也叫贪婪方式
a|b	匹配a或者b
{}	匹配括号内的表达式，也表示一个组

3.1 \A,\z和^,$的区别

^： 指定匹配必须出现在字符串的开头或行的开头。

\A ：指定匹配必须出现在字符串的开头（忽略 Multiline 选项）。

$： 指定匹配必须出现在以下位置：字符串结尾、字符串结尾的 \n 之前或行的结尾。

\Z： 指定匹配必须出现在字符串的结尾或字符串结尾的 \n 之前（忽略 Multiline 选项）。

更多参考： 正则教程

四、re模块用法示例

'''
re模块基础
Version：01
author：jasn
data:2020-04-16

'''
import re

# ==========================================================================================================================================
# 效果演示
str1 = 'In 2020, I must learn Python! & @'

#  \w：匹配数字字母及下划线
print(re.findall('\w',str1))
# 结果：['I', 'n', '2', '0', '2', '0', 'I', 'm', 'u', 's', 't', 'l', 'e', 'a', 'r', 'n', 'P', 'y', 't', 'h', 'o', 'n']

#  \W:匹配非字母数字及下划线
print(re.findall('\W', str1))
#  结果 ：[' ', ',', ' ', ' ', ' ', ' ', '!', ' ', '&', ' ', '@']

#  \s匹配任意空白符
print(re.findall('\s',str1))
#  结果：[' ', ' ', ' ', ' ', ' ', ' ', ' ']

# \S 匹配任意非空字符
print(re.findall('\S', str1))
#  结果:['I', 'n', '2', '0', '2', '0', ',', 'I', 'm', 'u', 's', 't', 'l', 'e', 'a', 'r', 'n', 'P', 'y', 't', 'h', 'o', 'n', '!', '&', '@']

# \d 匹配任意数字，等价于[0-9]
print(re.findall('\d', str1))
print(re.findall('[0-9]', str1))   # 结果相同
# 结果：['2', '0', '2', '0']

# 、\D 匹配任意非数字
print(re.findall('\D', str1))
# 结果 ：['I', 'n', ' ', ',', ' ', 'I', ' ', 'm', 'u', 's', 't', ' ', 'l', 'e', 'a', 'r', 'n', ' ', 'P', 'y', 't', 'h', 'o', 'n', '!', ' ', '&', ' ', '@']

# A 匹配字符串的开始 ；\Z匹配字符串的结束，有返回匹配的值，无返回空
print(re.findall('\AIn', str1))  # ['In'],\A  ==>   ^
print(re.findall('@\Z', str1))  # ['@'],\Z  ==>  $

# ^ 匹配字符串的开头；$匹配字符串的结束
print(re.findall('^I', str1))   # ['I']
print(re.findall('@$', str1))   # ['@']

'''
\A,\Z 和 $ ^ 的区别：

^： 指定匹配必须出现在字符串的开头或行的开头。

\A ：指定匹配必须出现在字符串的开头（忽略 Multiline 选项）。

$：  指定匹配必须出现在以下位置：字符串结尾、字符串结尾的 \n 之前或行的结尾。

\Z： 指定匹配必须出现在字符串的结尾或字符串结尾的 \n 之前（忽略 Multiline 选项）。
'''

# ===========================================================================================================================================
# 重复匹配：| . | * | ? | .* | .*? | + | {n,m} |
# ===========================================================================================================================================
# . 匹配任意字符，除换行符外

print(re.findall('a.b','a1b'