Python：【学习笔记】re库的使用

1 re库介绍

re库是python的标准库之一，re 是 regular expression 的缩写，又称为：正则表达式，其优势在于简洁明了，通过字符串表达框架。

2 使用方法

常用操作符	说明
.	表示除换行符外的任意单个字符
[ ]	字符集，单个字符取值为[ ]内的任意一个字符
[^ ]	非字符集，单个字符取值一定不为[ ]内的任何字符
*	表示前一个字符在区间 [0, +∞) 内任意整数次扩展
+	表示前一个字符在区间 [1, +∞) 内任意整数次扩展
?	表示前一个字符0次或者1次扩展
{m}	表示前一个字符m次扩展
{m,}	表示前一个字符在区间 [m, +∞) 内任意整数次扩展
{m,n}	表示前一个字符在区间 [m, n] 内任意整数次扩展
^	匹配字符串开头
$	匹配字符串结尾
( )	分组标记
\d	表示任意一个数字字符，即0~9其中一个
\w	表示任意一个字母或数字或下划线或汉字字符
\s	表示任意的空白符
\b	表示单词的开始或者结束

3 常用表达

3.1 由26个字母组成的字符串

r'^[A-Za-z]+$'

3.2 整数形式

r'^-?\d+$'

3.3 正整数形式

r'^[0-9]*[1-9][0-9]*$'

3.4 IP地址

r'(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])'

4 库函数

函数	说明
re.search( )	搜索匹配正则表达式第一个位置，返回match对象
re.match( )	从字符串开始起位匹配正则表达式，返回match对象
re.findall( )	搜索字符串，返回全部符合字串
re.split( )	将一字符串按照正则匹配结果分割，返回列表类型
re.finditer( )	搜索字符串，返回元素为match对象的迭代类型
re.sub( )	在字符串中替代所有正则表达式子串，返回字符串

4.1 re.search(pattern, string, flags = 0)

• pattern: 模式字符串，由要匹配的正则表达式转换而来
• string: 待匹配字符串
• flags: 可选参数，使用时控制标记，具体如下：

标志	说明
A 或 ASCII	对于\w，\b，\d，\s只进行ASCII匹配
I 或 IGNORECASE	执行不区分字母大小写
M 或 MULTILINE	将^和$用于整个字符串的开始和结尾的每一行
S 或 DOTALL	使用 . 字符匹配所有字符，包括换行符
X 或 VERBOSE	忽略字符串中未转义的空格和注释

4.2 re.match(pattern, string, flags = 0)

• pattern: 模式字符串，由要匹配的正则表达式转换而来
• string: 待匹配字符串
• flags: 可选参数，使用时控制标记，具体如下：

标志	说明
A 或 ASCII	对于\w，\b，\d，\s只进行ASCII匹配
I 或 IGNORECASE	执行不区分字母大小写
M 或 MULTILINE	将^和$用于整个字符串的开始和结尾的每一行
S 或 DOTALL	使用 . 字符匹配所有字符，包括换行符
X 或 VERBOSE	忽略字符串中未转义的空格和注释

4.3 re.findall(pattern, string, flags = 0)

• pattern: 模式字符串，由要匹配的正则表达式转换而来
• string: 待匹配字符串
• flags: 可选参数，使用时控制标记，具体如下：

标志	说明
A 或 ASCII	对于\w，\b，\d，\s只进行ASCII匹配
I 或 IGNORECASE	执行不区分字母大小写
M 或 MULTILINE	将^和$用于整个字符串的开始和结尾的每一行
S 或 DOTALL	使用 . 字符匹配所有字符，包括换行符
X 或 VERBOSE	忽略字符串中未转义的空格和注释

4.4 re.split(pattern, string, maxsplit = 0, flags = 0)

• pattern: 模式字符串，由要匹配的正则表达式转换而来
• string: 待匹配字符串
• maxsplit: 可选参数，最大匹配分割数
• flags: 可选参数，使用时控制标记，具体如下：

标志	说明
A 或 ASCII	对于\w，\b，\d，\s只进行ASCII匹配
I 或 IGNORECASE	执行不区分字母大小写
M 或 MULTILINE	将^和$用于整个字符串的开始和结尾的每一行
S 或 DOTALL	使用 . 字符匹配所有字符，包括换行符
X 或 VERBOSE	忽略字符串中未转义的空格和注释

4.5 re.finditer(pattern, string, flags = 0)

• pattern: 模式字符串，由要匹配的正则表达式转换而来
• string: 待匹配字符串
• flags: 可选参数，使用时控制标记，具体如下：

标志	说明
A 或 ASCII	对于\w，\b，\d，\s只进行ASCII匹配
I 或 IGNORECASE	执行不区分字母大小写
M 或 MULTILINE	将^和$用于整个字符串的开始和结尾的每一行
S 或 DOTALL	使用 . 字符匹配所有字符，包括换行符
X 或 VERBOSE	忽略字符串中未转义的空格和注释

4.6 re.sub(pattern, repl, string, count = 0, flags = 0)

• pattern: 模式字符串，由要匹配的正则表达式转换而来
• repl: 表示替换的字符串
• string: 表示被查找替换的原始字符串
• count: 可选参数，表示匹配最大次数
• flags: 可选参数，使用时控制标记，具体如下：

标志	说明
A 或 ASCII	对于\w，\b，\d，\s只进行ASCII匹配
I 或 IGNORECASE	执行不区分字母大小写
M 或 MULTILINE	将^和$用于整个字符串的开始和结尾的每一行
S 或 DOTALL	使用 . 字符匹配所有字符，包括换行符
X 或 VERBOSE	忽略字符串中未转义的空格和注释

5 贪婪匹配和最小匹配

5.1 贪婪匹配原则

re库自动搜索时默认贪婪匹配，即返回最长的符合字符串。

5.2 最小匹配原则

对正则表达式进行以下修改，则返回最短的符合字符串：

修改前	修改后
*	* ?
+	+?
？	??
{m,n}	{m,n}?