Python系列 51 内置模块：re

re简介

正则表达式其本身就是一种小型的，高度专业化的编程语言。

在Python中，它被内嵌在了re模块里面，正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行。

官方文档

本文仅针对可能用到的方法进行描述，对不常用的方法等进行了筛选。

方法一览

符号大全

以下是正则表达式的符号大全：

符号	中文名称	释义
.	通配符	匹配除\n之外的任意字符，如果想匹配\n可更换匹配模式为re.S或re.DOTALL
^	开始符	匹配以特定字符开始的字符串，在检测时只会检测开头第一个字符并立即返回结果
$	结束符	匹配以特定字符结尾的字符串，在检测时只会检测结尾最后一个字符并立即返回结果
*	可有重复符	代表可以取0-∞位*号前面的字符（默认贪婪取值，可通过?取消贪婪模式）
+	必有重复符	代表可以取1-∞位+号前面的字符（默认贪婪取值，可通过?取消贪婪模式）
?	单一重复符	代表可以取1-∞位?号前面的字符（默认贪婪取值，可通过?取消贪婪模式）
{n,m}	范围重复符	代表可以取到n-m位{n,m}前面的字符（默认贪婪取值，可通过?取消贪婪模式）
{n}	精确重复符	代表可以精确取到n位{n}前面的字符
[]	字符集	在[]中多个字符仅能匹配到1个，并且字符集中所有符号失去特殊意义，仅有- ^ \ 这3个符号在字符集中具有特殊意义
[-]	区间符	字符集中的-号代表可以取从多少到多少区间的值，按照ASCII码排序，比如[a-z0-9A-Z]代表这1位取全部的英文字母和数字
[^]	排除符	字符集中的号代表非的作用，比如[0-9]代表这1位并非是数字
[\]	转义符	转义符如果在字符集中使用，可以为特定的字符赋予特殊的意义
\	转义符	转义符如果在字符集外使用，可以为特定的字符赋予特殊的意义，并且还可以让特定的字符失去特殊的意义，但是如果未用r原始字符串进行正则匹配，则可能会导致令人意外的情况发生
\d	…	匹配任何十进制数，它相当于在字符集中使用[0-9]
\D	…	匹配任何非十进制数，它相当于在字符集中使用[^0-9]
\s	…	匹配任何空白字符，它相当于在字符集中使用[\t\n\r\f\v]
\S	…	匹配任何非空白字符，它相当于在字符集中使用[^\t\n\r\f\v]
\w	…	匹配任何字母数字下划线字符,它相当于在字符集中使用[a-z A-Z 0-9]
\W	…	匹配任何非字母数字下划线字符,它相当于在字符集中使用[a-z A-Z 0-9]
\b	…	匹配一个特殊字符边界，比如空格,&.#等(不常用)
|	管道符	相当于或，注意与字符集里的区别，管道符将前后分为2段，左右看做1个整体，而字符集中的或仅仅代表从众多选项中拿出1个
()	分组符	将多个元素字符看做一个整体，也就是将它们当做一个元素字符进行匹配，若整个匹配规则中无子分组，则默认的匹配结果为一组
(?=exp)	零宽先行断言	匹配后面为exp的内容
(?<=exp)	零宽后行断言	匹配前面为exp的内容
(?!exp)	零宽负向先行断言	匹配后面不能是exp的内容
(?<!exp)	零宽负向后行断言	匹配前面不能是exp的内容

匹配方法

以下是re模块提供的正则匹配方法：

方法	描述
findall()	将所有的匹配结果返回至1个列表中
finditer()	将所有的匹配结果返回至1个迭代器中
search()	将首次匹配的结果返回至search对象中，可通过group()进行取值
match()	在search()基础上添加了^，使之只能在开头匹配
group()	通过该方法对search对象进行取值操作，返回一个或者多个匹配的子组
groups()	通过该方法对search对象进行取值操作，返回一个元组，包含所有匹配的子组
groupdict()	通过该方法对search对象进行取值操作，返回一个字典，包含了所有的具名子组
split()	对字符串进行分割，其算法可能导致令人意外的情况发生
sub()	对字符串进行替换，最少需要3个参数，返回一个新的字符串
subn()	对字符串进行替换，最少需要3个参数，返回一个元祖，其中包含了替换成功了几次
complie()	可以将一个标示符赋予指定的规则，达到简化重复操作的目的

匹配模式

以下是re模块提供的正则匹配模式：

模式简写	模式全写	描述
re.I	re.IGNORECASE	不分大小写字母的匹配模式
re.M	re.MULTILINE	视为多行的匹配模式，以\n作为行分割符
re.S	re.DOTALL	视为单行的匹配模式，即通配符可以匹配\n
re.U	re.UNICODE	宽字符匹配模式，即支持匹配占4个字符的UTF-16匹配模式

创建正则

re.findall()

在测试阶段，我们大部分示例都会使用re.findall()方法进行测试。

它的函数签名如下：

def findall(pattern, string, flags=0):

参数释义：

• pattern：匹配规则
• string：被匹配字符串
• flags：匹配模式

一次简单的使用，匹配以hello开头且以exp结尾的子串，采用多行匹配模式：

import re
string = "hello world\nhello regexp\nhello python\n"
resultList = re.findall(
    pattern=r"^hello.*exp$",
    string=string,
    flags=re.M
)

print(resultList)

# ['hello regexp']

基础符号

. 通配符

.通配符会匹配除\n之外的任意字符，如果想匹配\n可更换匹配模式为re.S或re.DOTALL。

如下示例，匹配11个除开\n之外的任意字符组成的子串：

import re
rule = "." * 11
string = "hello world\n123456abcdeABCDE"
resultList = re.findall(pattern=rule, string=string)

print(resultList)

# ['hello world', '123456abcde']

^ 开始符

^开始符会匹配以特定字符开始的字符串，在检测时只会检测开头第一个字符并立即返回结果。

如下示例，匹配以P开头且后面必须是ython加上7个除开\n的任意字符的子串：

import re
rule = "^Python......."
string = "Python regexp module"
resultList = re.findall(pattern=rule, string=string)

print(resultList)

# ['Python regexp']

$ 结束符

$结束符会匹配以特定字符结尾的字符串，在检测时只会检测结尾最后一个字符并立即返回结果。

如下所示，匹配以p结束，且前面2个字符必须是E与x的子串，区分大小写：

import re
rule = "Exp$"
string = "Python regexp regExp RegExp"
resultList = re.findall(pattern=rule, string=string)

print(resultList)

# ['Exp']

重复符

* 可有重复

*代表可以取0-∞位*号前面的字符（默认贪婪取值，可通过?取消贪婪模式）

如下示例，匹配必须是以h开头，后面可以有0个也可以有多个除了\n外的任意字符，紧接着\n后继续匹配0个或者n个除了\n外的任意字符，最后必须以p进行结尾的子串：

import re
rule = "^h.*\n.*p$"
string = "hello Python\nregexp"
resultList = re.findall(pattern=rule, string=string)

print(resultList)

# ['hello Python\nregexp']

上面这个示例，有3个条件是必须的。

• h开头
• 中间必须有\n
• p结束

所以下面这个字符串也会被匹配到：

string = "h\np"

+ 必有重复

+代表可以取1-∞位+号前面的字符（默认贪婪取值，可通过?取消贪婪模式）

如下示例，匹配必须是以h开头，后面可以有1个也可以有多个除了\n外的任意字符，紧接着\n后继续匹配1个或者n个除了\n外的任意字符，最后必须以p进行结尾的子串：

import re
rule = "^h.+\n.+p$"
string = "hello Python\nregexp"
resultList = re.findall(pattern=rule, string=string)

print(resultList)

# ['hello Python\nregexp']

上面这个示例，有5个条件是必须的：

• h开头
• h后面必须至少有1个任意字符
• 中间必须有\n
• \n后面必须至少有1个任意字符
• p结束

所以下面这个字符串不会被匹配到：

string = "h\np"

? 单一重复

?代表可以取1-∞位?号前面的字符（默认贪婪取值，可通过?取消贪婪模式）

如下示例，匹配可以是1开头，也可以不是1开头且后面是2345678且以9结尾的字符串：

import re
rule = "^1?23456789$"
string = "123456789"
resultList = re.findall(pattern=rule, string=s