Python正则表达式

re.match与re.search的区别 re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。 a = 'love FishC love FishC ' a_search = re.search('love (?=FishC)', a) a_match=re.match('love (?=FishC)', a) print(f'a_search={a_search}\ta_match ={a_match}') a_search=<re.Match object; span=(0, 5), match='love '> a_match =<re.Match object; span=(0, 5), match='love '> a = 'alove FishC love FishC ' a_search = re.search('love (?=FishC)', a) a_match=re.match('love (?=FishC)', a) print(f'a_search={a_search}\ta_match ={a_match}') a_search=<re.Match object; span=(1, 6), match='love '> a_match =None re.sub() 使用正则表达式的替换方法 subn方法与sub()相同, 但返回一个元组, 其中包含新字符串和替换次数。 Python 的 re 模块提供了re.sub用于替换字符串中的匹配项，sub是substitute表示替换。 pattern：该参数表示正则中的模式字符串； repl：repl可以是字符串，也可以是可调用的函数对象；如果是字符串，则处理其中的反斜杠转义。如果它是可调用的函数对象，则传递match对象，并且必须返回要使用的替换字符串 string：该参数表示要被处理（查找替换）的原始字符串； count：可选参数，表示是要替换的最大次数，而且必须是非负整数，该参数默认为0，即所有的匹配都会被替换； flags：可选参数，表示编译时用的匹配模式（如忽略大小写、多行模式等），数字形式，默认为0。 import re ''' 匹配字符串中的数字加2 ''' def addAge(match) ->str: '''返回匹配的值加2''' age = match.group() return str(int(age)+2) s = 'my age is 20' # repl 如果它是可调用的函数对象，则传递match对象，并且必须返回要使用的替换字符串 x = re.sub(r'[\d]+', addAge, s) print(x) # my age is 22 Python3 正则表达式特殊符号及用法（详细列表） 正则表达式的强大之处在于特殊符号的应用，特殊符号定义了字符集合、子组匹配、模式重复次数。正是这些特殊符号使得一个正则表达式可以匹配字符串集合而不只是一个字符串。 注1：为了便于理解，难点的地方均用斜体举了栗子。 注2：如果你对正则表达式一头雾水或者看不懂下边这个列表，那么小甲鱼极力推荐你先学习这个：Python3 如何优雅地使用正则表达式 字符 含义 . 表示匹配除了换行符外的任何字符 注：通过设置 re.DOTALL 标志可以使 . 匹配任何字符（包含换行符） a = 'abc \n def' print('*'*10) print(re.sub(r'.', '', a),end='') print('*'*10) print(re.sub(r'.', '', a,flags=re.DOTALL),end='') print('*'*10) | A | B，表示匹配正则表达式 A 或者 B |表示或的时候，可以放在()里面，而不需要放在[]中 ^ 1. （脱字符）匹配输入字符串的开始位置 2. 如果设置了 re.MULTILINE 标志，^ 也匹配换行符之后的位置 $ 1. 匹配输入字符串的结束位置 2. 如果设置了 re.MULTILINE 标志，$ 也匹配换行符之前的位置 \ 1. 将一个普通字符变成特殊字符，例如 \d 表示匹配所有十进制数字 2. 解除元字符的特殊功能，例如 \. 表示匹配点号本身 3. 引用序号对应的子组所匹配的字符串 4. 详见下方列举 [...] 字符类，匹配所包含的任意一个字符 注1：连字符 - 如果出现在字符串中间表示字符范围描述；如果如果出现在首位则仅作为普通字符 注2：特殊字符仅有反斜线 \ 保持特殊含义，用于转义字符。其它特殊字符如 *、+、? 等均作为普通字符匹配 注3：脱字符 ^ 如果出现在首位则表示匹配不包含其中的任意字符；如果 ^ 出现在字符串中间就仅作为普通字符匹配 {M,N} M 和 N 均为非负整数，其中 M <= N，表示前边的 RE 匹配 M ~ N 次 注1：{M,} 表示至少匹配 M 次 注2：{,N} 等价于 {0,N} 注3：{N} 表示需要匹配 N 次 * 匹配前面的子表达式零次或多次，等价于 {0,} + 匹配前面的子表达式一次或多次，等价于 {1,} ? 匹配前面的子表达式零次或一次，等价于 {0,1} *?, +?, ?? 默认情况下 *、+ 和 ? 的匹配模式是贪婪模式（即会尽可能多地匹配符合规则的字符串）；*?、+? 和 ?? 表示启用对应的非贪婪模式。 举个栗子：对于字符串 "FishCCC"，正则表达式 FishC+ 会匹配整个字符串，而 FishC+? 则匹配 "FishC"。 *+？：这几个符号都可以表示前面范围内的字符重复的效果，贪婪模式及尽可能多的扩展匹配数据 *+？：再加上?，则表示非贪婪模式，则表示尽可能少的匹配字符，和减肥一样，能少吃一口就少吃一口。 a = 'abc1122334355ddddd' print(re.search('[a-z]+', a)) print(re.search('[a-z]+?', a)) print(re.search('[a-z]*', a)) print(re.search('[a-z]*?', a)) print(re.search('[a-z]?', a)) print(re.search('[a-z]??', a)) <re.Match object; span=(0, 3), match='abc'>  #最多能取3个 <re.Match object; span=(0, 1), match='a'>      #最少能取1个 <re.Match object; span=(0, 3), match='abc'>  #最多能取3个 <re.Match object; span=(0, 0), match=''>        #最少能取1个 <re.Match object; span=(0, 1), match='a'>      #最多能取1个 <re.Match object; span=(0, 0), match=''>        #最少能取1个 但是当？后面还有其他的？时，就会失效 a = 'loveFishCasdf love FishC ' print(re.search(r'.+FishC', a)) print(re.search(r'[A-Za-z ]+?', a)) print(re.search(r'[A-Za-z ]*?', a)) print(re.search(r'[A-Za-z ]??', a)) print(re.search(r'.+FishC(?!\.com)', a)) print(re.search(r'[A-Za-z ]+?FishC(?!\.com)', a)) print(re.search(r'[A-Za-z ]*?FishC(?!\.com)', a)) print(re.search(r'[A-Za-z ]??FishC(?!\.com)', a)) <re.Match object; span=(0, 24), match='loveFishCasdf love FishC'> <re.Match object; span=(0, 1), match='l'> <re.Match object; span=(0, 0), match=''> <re.Match object; span=(0, 0), match=''> <re.Match object; span=(0, 24), match='loveFishCasdf love FishC'> <re.Match object; span=(0, 9), match='loveFishC'> <re.Match object; span=(0, 9), match='loveFishC'> <re.Match object; span=(3, 9), match='eFishC'> {M,N}? 同上，启用非贪婪模式，即只匹配 M 次 (...) 匹配圆括号中的正则表达式，或者指定一个子组的开始和结束位置 注：子组的内容可以在匹配之后被 \数字 再次引用 举个栗子：(\w+) \1 可以字符串 "FishC FishC.com" 中的 "FishC FishC"（注意有空格） a = 'aaaa1111aaaabb2222' print(re.search(r'([a-z]+)([0-9]+)\1',a)) <re.Match object; span=(0, 12), match='aaaa1111aaaa'> \1 获取的值和前面第一个组中的字符一样，不再表示里面的规则的表达式。所以只匹配了aaaa而没有取后面的bb。 (?...) (? 开头的表示为正则表达式的扩展语法（下边这些是 Python 支持的所有扩展语法） (?aiLmsux) 1. (? 后可以紧跟着 'a'，'i'，'L'，'m'，'s'，'u'，'x' 中的一个或多个字符，只能在正则表达式的开头使用 2. 每一个字符对应一种匹配标志：re-a（只匹配 ASCII 字符），re-i（忽略大小写），re-l（区域设置），re-m（多行模式）, re-s（. 匹配任何符号），re-x（详细表达式），包含这些字符将会影响整个正则表达式的规则 3. 当你不想通过 re.compile() 设置正则表达式标志，这种方法就非常有用啦 注意，由于 (?x) 决定正则表达式如何被解析，所以它应该总是被放在最前边（最多允许前边有空白符）。如果(?x)  的前边是非空白字符，那么 (?x) 就发挥不了作用了。 a = 'abc \n def' print("*"*10) print(re.sub(r'.*', '', a),end='') print("*"*10) print(re.sub(r'(?s).*', '', a),end='') print("*"*10) (?:...) 非捕获组，即该子组匹配的字符串无法从后边获取 (?P<name>...) 命名组，通过组的名字（name）即可访问到子组匹配的字符串 用法一、 sentence = 'cats are fast' regex = re.compile('(?P<animal>\w+)(?P<verb>\w+)(?P<adjective>\w+)') matched = re.search(regex, sentence) print(matched.groupdict()) {'animal': 'ca', 'verb': 't', 'adjective': 's'} 用法二、 >>> p = re.compile(r'(?P<word>\b\w+\b)') >>> m = p.search( '(((( Lots of punctuation )))' ) >>> m.group('word') 'Lots' >>> m.group(1) 'Lots' 用法三、 a=r'ab123abcABC456def789ggh' print(re.match(r'(?P<name>\w+)123(?P=name)', a)) import re test_line = r'ab123abcABC456def789ggh' # 定义一个字符串变量test_line aa = re.match(r'(?i)(?P<name>[\w]+)123(?P=name)c(?P=name)', test_line).group() # 定义变量aa,语句中(?!)意思是忽略大小写，?P<name>是为数组命名，?P=name是在同一个语句中重复使用该数组名称匹配项 bb = re.sub(r'(?i)(?P<name>[\w])', r'\g<name>+\g<name>,', test_line) # 定义变量bb,语句中\g<name>是在不同语句中重复使用该数组名称匹配项 print(aa) # 打印变量aa的值 print(bb) <re.Match object; span=(0, 7), match='ab123ab'> ab123abcAB a+a,b+b,1+1,2+2,3+3,a+a,b+b,c+c,A+A,B+B,C+C,4+4,5+5,6+6,d+d,e+e,f+f,7+7,8+8,9+9,g+g,g+g,h+h, 这里就可以看出和\1类似了 (?P=name) 反向引用一个命名组，它匹配指定命名组匹配的任何内容 (?#...) 注释，括号中的内容将被忽略 (?=...) 前向肯定断言。如果当前包含的正则表达式（这里以 ... 表示）在当前位置成功匹配，则代表成功，否则失败。一旦该部分正则表达式被匹配引擎尝试过，就不会继续进行匹配了；剩下的模式在此断言开始的地方继续尝试。 举个栗子：love(?=FishC) 只匹配后边紧跟着 "FishC" 的字符串 "love" a = 'love FishC love FishC ' print(re.search('love (?=FishC)', a)) <re.Match object; span=(0, 5), match='love '> ?=   表示前面正则复合，且紧跟着的字符串为?=之后的匹配方式。获取的值为?=前面正则返回的值。 (?!...) 前向否定断言。这跟前向肯定断言相反（不匹配则表示成功，匹配表示失败）。 举个栗子：FishC(?!\.com) 只匹配后边不是 ".com" 的字符串 "FishC" (?<=...) 后向肯定断言。跟前向肯定断言一样，只是方向相反。 举个栗子：(?<=love)FishC 只匹配前边紧跟着 "love" 的字符串 "FishC" (?<!...) 后向否定断言。跟前向肯定断言一样，只是方向相反。 举个栗子：(?<!FishC)\.com 只匹配前边不是 "FishC" 的字符串 ".com" (?(id/name)yes-pattern|no-pattern) 1. 如果子组的序号或名字存在的话，则尝试 yes-pattern 匹配模式；否则尝试 no-pattern 匹配模式 2. no-pattern 是可选的 举个栗子：(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$) 是一个匹配邮件格式的正则表达式，可以匹配 <user@fishc.com> 和 'user@fishc.com'，但是不会匹配 '<user@fishc.com' 或 'user@fishc.com>' \ 下边列举了由字符 '\' 和另一个字符组成的特殊含义。注意，'\' + 元字符的组合可以解除元字符的特殊功能 \序号 1. 引用序号对应的子组所匹配的字符串，子组的序号从 1 开始计算 2. 如果序号是以 0 开头，或者 3 个数字的长度。那么不会被用于引用对应的子组，而是用于匹配八进制数字所表示的 ASCII 码值对应的字符 举个栗子：(.+) \1 会匹配 "FishC FishC" 或 "55 55"，但不会匹配 "FishCFishC"（注意，因为子组后边还有一个空格） \A 匹配输入字符串的开始位置 \Z 匹配输入字符串的结束位置 \b 匹配一个单词边界，单词被定义为 Unidcode 的字母数字或下横线字符 举个栗子：\bFishC\b 会匹配字符串 "love FishC"、FishC." 或 "(FishC)" \B 匹配非单词边界，其实就是与 \b 相反 举个栗子：py\B 会匹配字符串 "python"、"py3"  或 "py2"，但不会匹配 "py  "、"py." 或  "py!" \d 1. 对于 Unicode（str 类型）模式：匹配任何一个数字，包括 [0-9] 和其他数字字符；如果开启了 re.ASCII 标志，就只匹配 [0-9] 2. 对于 8 位（bytes 类型）模式：匹配 [0-9] 中任何一个数字 \D 匹配任何非 Unicode 的数字，其实就是与 \d 相反；如果开启了 re.ASCII 标志，则相当于匹配 [^0-9] \s 1. 对于 Unicode（str 类型）模式：匹配 Unicode 中的空白字符（包括 [ \t\n\r\f\v] 以及其他空白字符）；如果开启了 re.ASCII 标志，就只匹配 [ \t\n\r\f\v] 2. 对于 8 位（bytes 类型）模式：匹配 ASCII 中定义的空白字符，即 [ \t\n\r\f\v] \S 匹配任何非 Unicode 中的空白字符，其实就是与 \s 相反；如果开启了 re.ASCII 标志，则相当于匹配 [^ \t\n\r\f\v] \w 1. 对于 Unicode（str 类型）模式：匹配任何 Unicode 的单词字符，基本上所有语言的字符都可以匹配，当然也包括数字和下横线；如果开启了 re.ASCII 标志，就只匹配 [a-zA-Z0-9_] 2. 对于 8 位（bytes 类型）模式：匹配 ASCII 中定义的字母数字，即 [a-zA-Z0-9_] sentence = 'cats are fast\n\t\r\f\v-' regex = re.compile('(\w+)') matched = re.sub(r'\w','', sentence) print(matched.__len__()) 8 \w不能匹配空格\s中的内容 \W 匹配任何非 Unicode 的单词字符，其实就是与 \w 相反；如果开启了 re.ASCII 标志，则相当于 [^a-zA-Z0-9_] 转义符号 正则表达式还支持大部分 Python 字符串的转义符号：\a，\b，\f，\n，\r，\t，\u，\U，\v，\x，\\ 注1：\b 通常用于匹配一个单词边界，只有在字符类中才表示“退格” 注2：\u 和 \U 只有在 Unicode 模式下才会被识别 注3：八进制转义（\数字）是有限制的，如果第一个数字是 0，或者如果有 3 个八进制数字，那么就被认为是八进制数；其他情况则被认为是子组引用；至于字符串，八进制转义总是最多只能是 3 个数字的长度 转自鱼c论坛