python正则表达式保姆级教程，另附re模块详细教程

本文链接：https://blog.csdn.net/weixin_47072335/article/details/125940468

正则表达式与re模块

本文参考了很多书籍资料，整合而成，颇为齐全，如有不足，还请指出，谢谢。

一、正则表达式简介

1.1 正则表达式的内容与用处

在处理字符串时，经常会有查找某些复杂规则的字符串需求。正则表达式就是用于描述这类规则的工具。

正则表达式是字符串的某些复杂规则，是记录文本规则的代码。

简而言之，正则表达式就是用来找东西的，就是用来找你所需要的字符串的工具。
如果你仍然一头雾水，请接着往下看，慢慢你就懂了。

二、正则表达式基础

P.S. 本部分仅仅是介绍正则表达式，如果要应用至Python,还需加引号等，详情见下文。

2.1 行定位符

行定位符就是用来描述子串 （串中任意个连续的字符组成的子序列称为该串的子串） 的边界。

顺便说明一下字符串、子串和子序列的区别：
字符串:Anonymous
字串是在字符串中，取出一块（连续的），如：Ano,onym,ou,等
子序列指的是从字符串中，顺序取出字符，但是可以不连续：如：Ays,Anon,ys等

行定位符只有两个

^ 表示行的开始
$ 表示行的结尾

举个例子

^tm

可以与 ‘tm Knight’ 或 ‘tm knight’ 等以tm开头的子串匹配。
但是 ‘atm’ 或 ‘Knight tm’ 则不会被匹配

$tm

则与 ‘Knight tm’ 等以tm结尾的子串匹配，而 ‘tm aaa’ 则不会被匹配。

如果希望要匹配的子串可以出现在字符串的任意部分，那么可以直接写成

tm

这样就可以与 ‘tm Knight’ 或 ‘tm knight’ 或 ‘Knight tm’ 等子串匹配了。

2.2 元字符

元字符较多，话不多说，先上表格。

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母、数字、下划线或汉字
\W	匹配除字母、数字、下划线或汉字以外的字符
\s	匹配单个的空白符（包括Tab键和换行符）
\S	匹配除单个的空白符（包括Tab键和换行符）以外的所有字符
\d	匹配单个数字
\D	匹配单个非数字字符
\b	匹配单词的开始或结束，单词的分界符通常是空格、标点符号或者换行
^	匹配行的开始
$	匹配行的结束
\A	仅匹配字符串的开头
\Z	及匹配字符串的结尾

其中，^与$既是行定位符，又是元字符。

注意：^与\A,$与\Z，不完全一样，后续讲到re模块时会详细说明。

由于元字符数量较多，暂时不一一举例，后面的代码示例中会包含元字符。

2.3 限定符

如果你想要匹配特定数量的字符，就需要限定符的帮助。
上表！

限定符	说明	举例	可匹配的字符串
？	匹配前面的字符零次或一次	colou?r	colour或color
+	匹配前面的字符一次或多次	go+gle	从gogle到goo…ogle
*	匹配前面的字符零次、一次或多次	go*gle	从ggle到goo…ogle
{n}	匹配前面的字符n次	go{2}gle	google
{n,}	匹配前面的字符最少n次	go{2,}gle	从google到goo…ogle
{n,m}	匹配前面的字符最少n次，最多m次	employe{0,2}	employ或employe或employee

温馨提示：注意限定符限定的是前一个字符的次数。

2.4 字符类

正则表达式查找数字和字母是很简单的，因为已经有了对应这些字符集合的元字符（如, \d , \w 等），但是如果要匹配没有预定义的字符集合，就需要用到法宝——" [ ] " （方括号）
如想匹配a,e,i,o,u,就直接输入

[aeiou] #不要加逗号！！！

再比如

[.?!] #匹配“.”，“?”,“!”
[0-9] #相当于\d，匹配单个数字
[a-zA-Z] #匹配单个英文字符

2.5 排除字符

如果想表示不匹配某个子串的意思，我们就要用到正则表达式里的排除字符——^（没错，仍然是这个符号）
但是我们的语法结构不同了——

[^a-zA-Z] 
#使用时放在方括号里，表示匹配时排除方括号内所有字符
#在本例中，该表达式会匹配一个不是字母的字符

2.6 选择字符

如果在表达式中想匹配有多重可能性的字符，就可以用到选择字符——“|”
语法格式为，放于两个子串之间，表示匹配a子串或b子串。
稍后会与2.7一起有小练手讲解，详见下文。

2.7 小括号

在正则表达式中，如果想改变限定符（如 “|” “^” “*” 等）的作用范围或对某些字符组成的子串进行分组，就需要用到小括号。

举个例子

(six|four)th #匹配sixth或fourth
six|fourth #匹配six或fourth

(\d{
   0,3}[a-z]){
   3} #是对括号内部分进行重复操作
#结果等同于\d{0,3}[a-z]\d{0,3}[a-z]\d{0,3}[a-z]
\d{
   0,3}[a-z]{
   3} 
#结果等同于\d{0,3}[a-z][a-z][a-z]