一、简述
正则表达式：对【指定的字符串】与【模式】之间进行模式匹配，可以获得模式匹配的结果。
模式：可以是普通字符串，也可以是含有特殊意义的字符（正则表达式）
python中re模块是来支持正则表达式
re.search(模式，待搜索的字符串)，返回的是匹配对象
匹配对象下的group方法可以返回匹配的内容
使用方法如下：
import re
r = re.search("abc","abccd")
if r:
print(r.group())
else:
print("没有匹配")
输出结果为：
abc
如果不使用group方法，则输出如下：
import re
r = re.search("abc","abccd")
r1 = re.search("abc","edf")
print(r)
print(r1)
输出：
<_sre.SRE_Match object; span=(0, 3), match='abc'>
None
二、正则表达式的特殊字符
1）字符相关
（1）.：默认模式下，匹配除了\n以外的单个字符，如果修改了S—re.DOTALL 模式，匹配的是所有的单个字符
使用方法如下：
import re
r = re.search("a.c","abccd")
r1 = re.search("a.c","a\ncd")
r2 = re.search("a.c","a\ncd",re.DOTALL)
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
输出：
abc
不匹配
a
c
匹配到a\nc时，会把\n当做换行符进行输出。
（2）[]：匹配中括号内 任意一个字符，[]可以是多个单个字符，也可以是区间（从哪到哪）
-代表区间，\表示转义，也可以放在两端
使用方法如下：
import re
r = re.search("a[bef]c","abccd")
r1 = re.search("a[b-f]c","adcd")
r2 = re.search("a[-df]c","a-cd")
r3 = re.search("a[d\-c]c","a-cd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
R(r3)
输出：
abc
adc
a-c
a-c
（3） [^] (重要) 表示[]内容取反，注意^必须放在第一个位置
使用方法如下：
import re
r = re.search("a[^bef]c","abccd")
r1 = re.search("a[^b]c","adcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
不匹配
adc
（4）\d (重要) :代表的数字（不限于0-9，还有有特殊的字符）
如果是str类型，匹配Unicode十进制数字，这包括但不限于0 ~ 9，例如０，٧等字符，也能够匹配成功。如果是bytes类型，匹配[0-9]。
使用方法如下：
import re
r = re.search("a\dc","a6ccd")
r1 = re.search("a\dc","a٧cd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出为：
a6c
a٧c
（5）\D:代表\d的取反：匹配非Unicode数字字符
使用方法如下：
import re
r = re.search("a\Dc","a.ccd")
r1 = re.search("a\Dc","a٧cd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
a.c
不匹配
（6）\s:如果是str类型，匹配Unicode空白符，这包括但不限于[空格\t\v\r\n\f]。如果是bytes类型，匹配[空格\t\v\r\n\f]
使用方法如下：
import re
r = re.search("a\sc","a\tccd")
r1 = re.search("a\sc","abcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
a c
不匹配
（7）\S:匹配非Unicode空白字符，\s的取反匹配
使用方法如下：
import re
r = re.search("a\Sc","a\tccd")
r1 = re.search("a\Sc","abcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
不匹配
abc
（8）\w:如果是str类型，匹配Unicode单词字符，这包括但不限于[a-zA-Z0-9_]。如果是bytes类型，则匹配[a-zA-Z0-9_]。
使用方法如下：
import re
r = re.search("a\wc","a\tccd")
r1 = re.search("a\wc","aZcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出结果为：
不匹配
aZc
（9）\W ：匹配非Unicode单词字符，\w的取反匹配。
使用方法如下：
import re
r = re.search("a\Wc","a\tccd")
r1 = re.search("a\Wc","a？cd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
a c
a？c
2）次数相关：注意必须前面有字符才有作用
跟次数相关的特殊字符除了{m}以外都是贪婪匹配
（1）*：匹配前面的字符0次或多次，
使用方法如下：
import re
r = re.search("ab*","acd")
r1 = re.search("ab*","abcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出为：
a
ab
（2）+：匹配一次或多次
匹配模式是贪婪匹配：即匹配最多数量的字符
import re
r = re.search("ab+","acd")
r1 = re.search("ab+","abcd")
r2 = re.search("ab+","abbbbbbbc")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
输出：
不匹配
ab
abbbbbbb
（3）？：匹配0次或1次
import re
r = re.search("ab?","acd")
r1 = re.search("ab?","abcd")
r2 = re.search("ab?","abbbbbbbc")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
输出：
a
ab
ab
（4）{m}：匹配前面的字符m次
import re
r = re.search("ab{1}","acd")
r1 = re.search("ab{1}","abbbcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
不匹配
ab
（5）{m,}:匹配前面的字符至少m次，贪婪匹配
import re
r = re.search("ab{1,}","acd")
r1 = re.search("ab{1,}","abbbcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
import re
r = re.search("ab{1,}","acd")
r1 = re.search("ab{1,}","abbbcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
（6）{,n}:匹配前面的字符至多n次，可以是0次
import re
r = re.search("ab{,5}","acd")
r1 = re.search("ab{,5}","abbbcd")
r2 = re.search("ab{,5}","abbbbbbbc")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
输出：
a
abbb
abbbbb
（7）{m,n}:匹配前面字符m到n次，既包含m次，也包含n次，且是贪婪匹配
import re
r = re.search("ab{2,5}","abbcd")
r1 = re.search("ab{2,5}","abbbbbbcd")
r2 = re.search("ab{2,5}","abbbbc")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
输出：
abb
abbbbb
abbbb
（8）X?:将以上的特殊字符（除{m}以外），变成非贪婪模式
import re
r = re.search("ab*?","abbcd")
r1 = re.search("ab{2,5}?","abbbbbbcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
a
abb
3）边界相关
（1）^：匹配字符串的开头。在多行模式下，可以匹配每一行的开头。
默认单行匹配，需要加入 re.MULTILINE
import re
r = re.search("^张\w{1,2}","张三\n张五")
r1 = re.search("^张\w{1,2}","三\n张五")
r2 =re.search("^张\w{1,2}","三\n张五",re.MULTILINE)
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
输出：
张三
不匹配
张五
（2）$:匹配字符串的结尾。在多行模式下，可以匹配每一行的末尾
import re
r = re.search("\w{1,2}五$","张三\n张五")
r1 = re.search("\w{1,2}五$","王五\n张五")
r2 =re.search("\w{1,2}五$","王五\n张五",re.MULTILINE)
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
输出：
张五
张五
王五
(3)\A：仅匹配字符串的开头，只支持单行模式
\Z:仅匹配字符串的末尾，只支持单行模式
（4）\b：匹配单词的边界。单词可以含有Unicode字符、数字与下划线组成（\w+匹配的内容）。\b匹配的是空串，该空串可以出现在\w（\W）与\W（\w）之间、字符串开头与\w之间或\w与字符串结尾之间。
之间：字符和字符之间，字符和“墙”（墙是非unicode字符）
可以理解为在单词的边界进行匹配
import re
r = re.search(r"\bcd","cd")
r1 = re.search(r"\bcd","cd1")
r2 = re.search(r"\bcd","1cd")
r3 = re.search(r"\bcd","1cd1")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
R(r3)
输出：
cd
cd
不匹配
不匹配
（5）\B：匹配单词的非边界。\B匹配的是空串，该空串必须出现在两个\w之间。\B是\b的取反匹配。
可以理解为在单词的非边界进行匹配
r = re.search(r"\Bcd","cd")
r1 = re.search(r"\Bcd","cd1")
r2 = re.search(r"\Bcd","1cd")
r3 = re.search(r"\Bcd","1cd1")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
R(r2)
R(r3)
输出：
不匹配
不匹配
cd
cd
4）组相关
（1）（）：对()内的字符进行分组。分组后，该组匹配的内容可以单独提取，同时，也可以在模式字符串后面使用\number进行引用。
import re
r = re.search("ab(cd)+","abcdcdcdcdcd")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
输出：
abcdcdcdcdcd
简单应用一：匹配加粗字体
r = re.search(r"<b>(.*)</b>", "<b>一些加粗的内容</b>")
if r:
print(r.group())
print(r.group(1)) # 索引代表括号，从1开始
else:
print("不匹配")
简单应用二：匹配电话号
r = re.search(r"([0-9]{3,4})-([0-9]{7,8})", "010-12345678")
if r:
print(r.group())
print(r.group(1))
print(r.group(2))
else:
print("不匹配")
（2）\number：number用来指定组序号，序号从1开始。用来匹配number对应的分组内容
import re
r = re.search(r"<([a-zA-Z]+)>(.*)</\1>", "<title>一些加粗的内容</title></b>")
if r:
print(r.group())
print(r.group(1)) # 索引代表括号，从1开始
print(r.group(2)) # 索引代表括号，从1开始
else:
print("不匹配")
输出：
<title>一些加粗的内容</title>
title
一些加粗的内容
（3）（?:正则表达式）：削弱()功能，使得（）功能只有括号内的内容整体操作
import re
r = re.search(r"(?:[0-9]{3,4})-(?:[0-9]{7,8})", "010-12345678")
if r:
print(r.group())
#print(r.group(1)) 单独对（）内的内容操作时会报错
#print(r.group(2))
else:
print("不匹配")
输出：
010-12345678
（4）(?P<name>表达式)：对()内的字符进行分组，组名为name，多个组之间的名称不能重复。分组后，该组匹配的内容可以单独提取，同时，也可对()内的字符进行分组，组名为name，多个组之间的名称不能重复。分组后，该组匹配的内容可以单独提取，同时，也可以在模式字符串后面使用(?P=name)或\number进行引用。对比之前()进行的序号分组，此种方式可以称为命名分组。不过，命名分组依然也可以使用序号（\number）进行引用。
import re
r = re.search(r"<(?P<tag>[a-zA-Z]+)>(.*)</(?P=tag)>","<title>一些加粗的内容</title></b>")
if r:
print(r.group())
print(r.group(1))
print(r.group(2))
else:
print("不匹配")
输出：
<title>一些加粗的内容</title>
title
一些加粗的内容
（5）|：用来连接两个并列的模式字符串，匹配其中的一个即可。
|级别很低，大范围的划取
import re
r = re.search("abc|def","def")
r1 = re.search("abc(d|e)f","abcef")
def R(r):
if r:
print(r.group())
else:
print("不匹配")
R(r)
R(r1)
输出：
def
abcef
5）控制标记
re.DOTALL----支持所有字符
re.MULTILINE----支持多行
re.IGNORECASE—忽略大小写
三、re模块的其他函数
（1）compile： 产生正则表达式对象
第一个参数：正则表达式，
第二参数：控制标记
返回值：正则表达式对象
re下的方法跟正则表达式对象下的方法几乎一样，功能有重叠，当有重复或者循环使用的时候，需要使用正则表达式对象，正则表达式只需要写一次。
import re
reobj = re.compile("abc+")
r = reobj.search("abccd")
if r:
print(r.group())
else:
print("没匹配")
输出：
abcc
（2）match： 跟search一样，但是只能从头部进行查找，只能返回一个匹配内容
import re
r=re.match("abc","xabc")
r1 =re.match("abc","abcd")
def R(r):
if r:
print(r.group())
else:
print("没匹配")
R(r)
R(r1)
输出：
没匹配
abc
（3）findall 返回所有匹配内容，返回到一个列表中
会取出括号内的内容
import re
r = re.findall("[0-9]","abc6sq62")
print(r)
输出：
['6', '6', '2']
import re
c ="""
<div>我是一个兵1</div>
<div>我是一个兵2</div>
<div>我是一个兵3</div>
<div>我是一个兵4</div>
"""
li = re.findall("<div>.*</div>",c)
print(li)
li1 =re.findall("<(div)>(.*)<(/div)>",c)
print(li1)
li2 = re.findall("<div>(.*)</div>",c)
print(li2)
输出：
['<div>我是一个兵1</div>', '<div>我是一个兵2</div>', '<div>我是一个兵3</div>', '<div>我是一个兵4</div>']
[('div', '我是一个兵1', '/div'), ('div', '我是一个兵2', '/div'), ('div', '我是一个兵3', '/div'), ('div', '我是一个兵4', '/div')]
['我是一个兵1', '我是一个兵2', '我是一个兵3', '我是一个兵4']
（4）finditer()功能跟findall功能类似，返回一个迭代器
import re
c ="""
<div>我是一个兵1</div>
<div>我是一个兵2</div>
<div>我是一个兵3</div>
<div>我是一个兵4</div>
"""
li = re.finditer("<div>.*</div>",c)
print(li)
li1 =re.finditer("<(div)>(.*)<(/div)>",c)
print(li1)
li2 = re.finditer("<div>(.*)</div>",c)
print(li2)
for i in li1:
print(i.group())
输出：
<callable_iterator object at 0x000002A3A5F1B588>
<callable_iterator object at 0x000002A3A5F22F98>
<callable_iterator object at 0x000002A3A5F09CF8>
<div>我是一个兵1</div>
<div>我是一个兵2</div>
<div>我是一个兵3</div>
<div>我是一个兵4</div>
（5）split()：分隔，与字符串中的spilt方法类似
import re
s ="a bc de f"
print(s.split(" "))
print(re.split(" +",s))
输出：
['a', 'bc', 'de', '', '', 'f']
['a', 'bc', 'de', 'f']
（6）sub() 替换，跟replace很像
import re
s ="a bc de f"
print(re.sub(" +","-",s))
输出：
a-bc-de-f
四、正则表达式对象
正则表达式如果匹配不成功，返回None，如果成功之后，会返回一个正则表达式对象
（1）string： 待匹配的文本
（2）re：正则表达式
（3）pos，endpos：字符串搜索的开始位置、结束位置的下一个位置
（4）group：返回匹配的字符串
（5）groups：返回一个元组，返回所有括号中的匹配结果
（6）start()：匹配字符串在原始字符串中的起始位置
（7）end()：匹配字符串在原始字符串中的终止位置，end+1
（8）span()：返回start()和end()的元组
import re
m=re.search(r"(a+)-(b+)","1aaa-bbbbbb")
if m:
print("string====》{}".format(m.string))
print("re====》{}".format(m.re))
print("pos====》{}".format(m.pos))
print("endpos====》{}".format(m.endpos))
print("group()====》{}".format(m.group()))
print("group(1)====》{}".format(m.group(1)))
print("groups()====》{}".format(m.groups()))
print("start()====》{}".format(m.start()))
print("end()====》{}".format(m.end()))
print("span====》{}".format(m.span()))
输出：
string====》1aaa-bbbbbb
re====》re.compile('(a+)-(b+)')
pos====》0
endpos====》11
group()====》aaa-bbbbbb
group(1)====》aaa
groups()====》('aaa', 'bbbbbb')
start()====》1
end()====》11
span====》(1, 11)
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
