知識星球
作者:楓葉雲
來源:見文末
Python 正則運算式
正則運算式是一個特殊的字元序列，它能幫助你方便的檢查一個字串是否與某種樣式匹配。
Python 自1.5版本起增加了re 模組，它提供 Perl 風格的正則運算式樣式。
re 模組使 Python 語言擁有全部的正則運算式功能。
compile 函式根據一個樣式字串和可選的標誌引數生成一個正則運算式物件。該物件擁有一系列方法用於正則運算式匹配和替換。
re 模組也提供了與這些方法功能完全一致的函式，這些函式使用一個樣式字串做為它們的第一個引數。
正則運算式樣式
樣式字串使用特殊的語法來表示一個正則運算式：
字母和數字表示他們自身。一個正則運算式樣式中的字母和數字匹配同樣的字串。
多數字母和數字前加一個反斜槓時會擁有不同的含義。
標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義。
反斜槓本身需要使用反斜槓轉義。
由於正則運算式通常都包含反斜槓，所以你最好使用原始字串來表示它們。樣式元素(如 r’\t’，等價於 ‘\\t’)匹配相應的特殊字元。
下表列出了正則運算式樣式語法中的特殊元素。如果你使用樣式的同時提供了可選的標誌引數，某些樣式元素的含義會改變。
樣式
描述
|
^ |
匹配字串的開頭 |
|
$ |
匹配字串的末尾。 |
|
. |
匹配任意字元，除了換行符，當re.DOTALL標記被指定時，則可以匹配包括換行符的任意字元。 |
|
[…] |
用來表示一組字元,單獨列出：[amk] 匹配 ‘a’，’m’或’k’ |
|
[^…] |
不在[]中的字元：[^abc] 匹配除了a,b,c之外的字元。 |
|
re* |
匹配0個或多個的運算式。 |
|
re+ |
匹配1個或多個的運算式。 |
|
re? |
匹配0個或1個由前面的正則運算式定義的片段，非貪婪方式 |
|
re{ n} |
精確匹配 n 個前面運算式。例如， o{2} 不能匹配 “Bob” 中的 “o”，但是能匹配 “food” 中的兩個 o。 |
|
re{ n,} |
匹配 n 個前面運算式。例如， o{2,} 不能匹配”Bob”中的”o”，但能匹配 “foooood”中的所有 o。”o{1,}” 等價於 “o+”。”o{0,}” 則等價於 “o*”。 |
|
re{ n, m} |
匹配 n 到 m 次由前面的正則運算式定義的片段，貪婪方式 |
|
a| b |
匹配a或b |
|
(re) |
匹配括號內的運算式，也表示一個組 |
|
(?imx) |
正則運算式包含三種可選標誌：i, m, 或 x 。隻影響括號中的區域。 |
|
(?-imx) |
正則運算式關閉 i, m, 或 x 可選標誌。隻影響括號中的區域。 |
|
(?: re) |
類似 (…), 但是不表示一個組 |
|
(?imx: re) |
在括號中使用i, m, 或 x 可選標誌 |
|
(?-imx: re) |
在括號中不使用i, m, 或 x 可選標誌 |
|
(?#…) |
註釋. |
|
(?= re) |
前向肯定界定符。如果所含正則運算式，以 … 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含運算式已經嘗試，匹配引擎根本沒有提高；樣式的剩餘部分還要嘗試界定符的右邊。 |
|
(?! re) |
前向否定界定符。與肯定界定符相反；當所含運算式不能在字串當前位置匹配時成功 |
|
(?> re) |
匹配的獨立樣式，省去回溯。 |
|
\w |
匹配字母數字及下劃線 |
|
\W |
匹配非字母數字及下劃線 |
|
\s |
匹配任意空白字元，等價於 [\t\n\r\f]. |
|
\S |
匹配任意非空字元 |
|
\d |
匹配任意數字，等價於 [0-9]. |
|
\D |
匹配任意非數字 |
|
\A |
匹配字串開始 |
|
\Z |
匹配字串結束，如果是存在換行，只匹配到換行前的結束字串。 |
|
\z |
匹配字串結束 |
|
\G |
匹配最後匹配完成的位置。 |
|
\b |
匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， ‘er\b’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。 |
|
\B |
匹配非單詞邊界。’er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。 |
|
\n, \t, 等. |
匹配一個換行符。匹配一個製表符。等 |
|
\1…\9 |
匹配第n個分組的內容。 |
|
\10 |
匹配第n個分組的內容，如果它經匹配。否則指的是八進位制字元碼的運算式。 |
正則運算式實體
字元匹配
實體
描述
|
python |
匹配 “python”. |
字元類
實體
描述
|
[Pp]ython |
匹配 “Python” 或 “python” |
|
rub[ye] |
匹配 “ruby” 或 “rube” |
|
[aeiou] |
匹配中括號內的任意一個字母 |
|
[0-9] |
匹配任何數字。類似於 [0123456789] |
|
[a-z] |
匹配任何小寫字母 |
|
[A-Z] |
匹配任何大寫字母 |
|
[a-zA-Z0-9] |
匹配任何字母及數字 |
|
[^aeiou] |
除了aeiou字母以外的所有字元 |
|
[^0-9] |
匹配除了數字外的字元 |
特殊字元類
實體
描述
|
. |
匹配除 “\n” 之外的任何單個字元。要匹配包括 ‘\n’ 在內的任何字元，請使用象 ‘[.\n]’ 的樣式。 |
|
\d |
匹配一個數字字元。等價於 [0-9]。 |
|
\D |
匹配一個非數字字元。等價於 [^0-9]。 |
|
\s |
匹配任何空白字元，包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。 |
|
\S |
匹配任何非空白字元。等價於 [^ \f\n\r\t\v]。 |
|
\w |
匹配包括下劃線的任何單詞字元。等價於'[A-Za-z0-9_]’。 |
|
\W |
匹配任何非單詞字元。等價於 ‘[^A-Za-z0-9_]’。 |
re模組
1.Re模組簡介
re模組是python中處理正則運算式的一個模組，透過re模組的方法，把正則運算式pattern編譯成正則物件，以便使用正則物件的方法
效率問題：
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:02# @Author : Feng Xiaoqing# @File : test.py# @Function: -----------import reimport timeit
print(timeit.timeit(setup='''import re; reg = re.compile('\w*)>.*')''', stmt='''reg.match('xxx
')''', number=1000000))
print(timeit.timeit(setup='''import re''', stmt='''re.match('\w*)>.*', 'xxx
')''', number=1000000))
reg = re.compile('\w*)>.*')
reg.match('xxx
')
執行結果：
0.42296138327572711.0246964437151256
常用方法：先申明一個正則物件，在透過正則物件去匹配。這樣的效率高。
1 re.compile(pattern[, flags])方法
re.I(re.IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
M(MULTILINE): 多行樣式，改變’^’和’$’的行為
S(DOTALL): 點任意匹配樣式，改變’.’的行為
L(LOCALE): 使預定字元類 \w \W \b \B \s \S 取決於當前區域設定
U(UNICODE): 使預定字元類 \w \W \b \B \s \S \d \D 取決於unicode定義的字元屬性
X(VERBOSE): 詳細樣式。這個樣式下正則運算式可以是多行，忽略空白字元，並可以加入註釋。以下兩個正則運算式是等價的：
compile 函式用於編譯正則運算式，生成一個正則運算式（ Pattern ）物件，供 match() 和 search() 這兩個函式使用。
語法格式為：
re.compile(pattern[, flags])
引數：
-
pattern : 一個字串形式的正則運算式
-
flags : 可選，表示匹配樣式，比如忽略大小寫，多行樣式等，具體引數為：
-
re.I 忽略大小寫
-
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境
-
re.M 多行樣式
-
re.S 即為 . 並且包括換行符在內的任意字元（. 不包括換行符）
-
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字元屬性資料庫
-
re.X 為了增加可讀性，忽略空格和 # 後面的註釋
實體
>>>import re>>> pattern = re.compile(r'\d+') # 用於匹配至少一個數字>>> m = pattern.match('one12twothree34four') # 查詢頭部，沒有匹配>>> print mNone>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配>>> print mNone>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配>>> print m # 傳回一個 Match 物件<_sre.sre_match object="" at="" class="hljs-number" style="box-sizing: inherit;-webkit-tap-highlight-color: transparent;color: rgb(140, 208, 211);">0x10a42aac0>>>> m.group(0) # 可省略 0'12'>>> m.start(0) # 可省略 03>>> m.end(0) # 可省略 05>>> m.span(0) # 可省略 0(3, 5)
在上面，當匹配成功時傳回一個 Match 物件，其中：
-
group([group1, …])方法用於獲得一個或多個分組匹配的字串，當要獲得整個匹配的子串時，可直接使用group()或group(0)； -
start([group])方法用於獲取分組匹配的子串在整個字串中的起始位置（子串第一個字元的索引），引數預設值為 0； -
end([group])方法用於獲取分組匹配的子串在整個字串中的結束位置（子串最後一個字元的索引+1），引數預設值為 0； -
span([group])方法傳回(start(group), end(group))。
再看看一個例子：
實體
>>>import re>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小寫>>> m = pattern.match('Hello World Wide Web')>>> print m # 匹配成功，傳回一個 Match 物件<_sre.sre_match object="" at="" class="hljs-number" style="box-sizing: inherit;-webkit-tap-highlight-color: transparent;color: rgb(140, 208, 211);">0x10bea83e8>>>> m.group(0) # 傳回匹配成功的整個子串'Hello World'>>> m.span(0) # 傳回匹配成功的整個子串的索引(0, 11)>>> m.group(1) # 傳回第一個分組匹配成功的子串'Hello'>>> m.span(1) # 傳回第一個分組匹配成功的子串的索引(0, 5)>>> m.group(2) # 傳回第二個分組匹配成功的子串'World'>>> m.span(2) # 傳回第二個分組匹配成功的子串(6, 11)>>> m.groups() # 等價於 (m.group(1), m.group(2), ...)('Hello', 'World')>>> m.group(3) # 不存在第三個分組Traceback (most recent call last):
File "" , line 1, in <module>IndexError: no such group
2.findall方法
在字串中找到正則運算式所匹配的所有子串，並傳回一個串列，如果沒有找到匹配的，則傳回空串列。
註意： match 和 search 是匹配一次 findall 匹配所有。
語法格式為：
findall(string[, pos[, endpos]])
引數：
-
string : 待匹配的字串。
-
pos : 可選引數，指定字串的起始位置，預設為 0。
-
endpos : 可選引數，指定字串的結束位置，預設為字串的長度。
查詢字串中的所有數字：
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
pattern = re.compile(r'\d+') # 查詢數字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
輸出結果：
['123', '456']
['88', '12']
Re模組的方法：
(1)re.match函式
re.match 嘗試從字串的起始位置匹配一個樣式，如果不是起始位置匹配成功的話，match()就傳回none。
函式語法：
re.match(pattern, string, flags=0)
函式引數說明：
引數
描述
|
pattern |
匹配的正則運算式 |
|
string |
要匹配的字串。 |
|
flags |
標誌位，用於控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等。參見：正則運算式修飾符 – 可選標誌 |
匹配成功re.match方法傳回一個匹配的物件，否則傳回None。
我們可以使用group(num) 或 groups() 匹配物件函式來獲取匹配運算式。
匹配物件方法
描述
|
group(num=0) |
匹配的整個運算式的字串，group() 可以一次輸入多個組號，在這種情況下它將傳回一個包含那些組所對應值的元組。 |
|
groups() |
傳回一個包含所有小組字串的元組，從 1 到 所含的小組號。 |
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
pattern = re.compile(r'\d+') # 查詢數字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
以上實體執行輸出結果為：
(0, 3)
None
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:55# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj: print "matchObj.group() : ", matchObj.group() print "matchObj.group(1) : ", matchObj.group(1) print "matchObj.group(2) : ", matchObj.group(2)else: print "No match!!"
以上實體執行結果如下：
matchObj.group() : Cats are smarter than dogsmatchObj.group(1) : CatsmatchObj.group(2) : smarter
(2)re.search方法
re.search 掃描整個字串並傳回第一個成功的匹配。
函式語法：
re.search(pattern, string, flags=0)
函式引數說明：
引數
描述
|
pattern |
匹配的正則運算式 |
|
string |
要匹配的字串。 |
|
flags |
標誌位，用於控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等。 |
匹配成功re.search方法傳回一個匹配的物件，否則傳回None。
我們可以使用group(num) 或 groups() 匹配物件函式來獲取匹配運算式。
匹配物件方法
描述
|
group(num=0) |
匹配的整個運算式的字串，group() 可以一次輸入多個組號，在這種情況下它將傳回一個包含那些組所對應值的元組。 |
|
groups() |
傳回一個包含所有小組字串的元組，從 1 到 所含的小組號。 |
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配
以上實體執行輸出結果為：
(0, 3)
(11, 14)
實體
#!/usr/bin/pythonimport re
line = "Cats are smarter than dogs";
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj: print "searchObj.group() : ", searchObj.group() print "searchObj.group(1) : ", searchObj.group(1) print "searchObj.group(2) : ", searchObj.group(2)else: print "Nothing found!!"
以上實體執行結果如下：
searchObj.group() : Cats are smarter than dogssearchObj.group(1) : CatssearchObj.group(2) : smarter
re.match與re.search的區別
re.match只匹配字串的開始，如果字串開始不符合正則運算式，則匹配失敗，函式傳回None；而re.search匹配整個字串，直到找到一個匹配。
實體
#!/usr/bin/pythonimport re
line = "Cats are smarter than dogs";
matchObj = re.match( r'dogs', line, re.M|re.I)if matchObj: print "match --> matchObj.group() : ", matchObj.group()else: print "No match!!"
matchObj = re.search( r'dogs', line, re.M|re.I)if matchObj: print "search --> matchObj.group() : ", matchObj.group()else: print "No match!!"
以上實體執行結果如下：
No match!!
search --> matchObj.group() : dogs
Match從開頭開始匹配，匹配不到，傳回空
Search從開頭開始匹配，然後第第二個開始匹配，只匹配一個結果。
Match的效率是最高的，就要求我們正則運算式要寫正確
（3）Split方法
re.split
split 方法按照能夠匹配的子串將字串分割後傳回串列，它的使用形式如下：
re.split(pattern, string[, maxsplit=0, flags=0])
引數：
引數
描述
|
pattern |
匹配的正則運算式 |
|
string |
要匹配的字串。 |
|
maxsplit |
分隔次數，maxsplit=1 分隔一次，預設為 0，不限制次數。 |
|
flags |
標誌位，用於控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等。參見：正則運算式修飾符 – 可選標誌 |
實體
>>>import re
>>> re.split('\W+', 'runoob, runoob, runoob.') ['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W+)', ' runoob, runoob, runoob.') ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', ''] >>> re.split('\W+', ' runoob, runoob, runoob.', 1) ['', 'runoob, runoob, runoob.']
>>> re.split('a*', 'hello world') # 對於一個找不到匹配的字串而言，split 不會對其作出分割 ['hello world']
split(string[, maxsplit])
按照能夠匹配的子串將string分割後傳回串列。maxsplit用於指定最大分割次數，不指定將全部分割。
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
p = re.compile(r'\d+')
print(p.split('one1two2three3four4'))
結果：
[‘one’, ‘two’, ‘three’, ‘four’, ”]
(4)sub檢索和替換
Python 的 re 模組提供了re.sub用於替換字串中的匹配項。
語法：
re.sub(pattern, repl, string, count=0, flags=0)
引數：
-
pattern : 正則中的樣式字串。
-
repl : 替換的字串，也可為一個函式。
-
string : 要被查詢替換的原始字串。
-
count : 樣式匹配後替換的最大次數，預設 0 表示替換所有的匹配。
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:33# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------
import re
phone = "2004-959-559 # 這是一個國外電話號碼"
# 刪除字串中的 Python註釋 num = re.sub(r'#.*$', "", phone)print "電話號碼是: ", num
# 刪除非數字(-)的字串 num = re.sub(r'\D', "", phone)print "電話號碼是 : ", num
以上實體執行結果如下：
電話號碼是: 2004-959-559 電話號碼是 : 2004959559
repl 引數是一個函式
以下實體中將字串中的匹配的數字乘以 2：
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
pattern = re.compile(r'\d+') # 查詢數字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
執行輸出結果為：
A46G8HFD1134
（5）findall方法
在字串中找到正則運算式所匹配的所有子串，並傳回一個串列，如果沒有找到匹配的，則傳回空串列。
註意： match 和 search 是匹配一次 findall 匹配所有。
語法格式為：
findall(string[, pos[, endpos]])
引數：
-
string : 待匹配的字串。
-
pos : 可選引數，指定字串的起始位置，預設為 0。
-
endpos : 可選引數，指定字串的結束位置，預設為字串的長度。
查詢字串中的所有數字：
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------
import re
pattern = re.compile(r'\d+') # 查詢數字result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
輸出結果：
['123', '456']
['88', '12']
（6）finditer方法
和 findall 類似，在字串中找到正則運算式所匹配的所有子串，並把它們作為一個迭代器傳回。
re.finditer(pattern, string, flags=0)
引數：
引數
描述
|
pattern |
匹配的正則運算式 |
|
string |
要匹配的字串。 |
|
flags |
標誌位，用於控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等。參見：正則運算式修飾符 – 可選標誌 |
實體
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 22:15# @Author : Feng Xiaoqing# @File : test2.py# @Function: -----------import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
print (match.group() )
輸出結果：
12 32 43 3
group()
group(0) group(1) group(“tagname”)
gourps()
groupdict()
findall
import re
p = re.compile(r’\d+’)
print(findall(‘one1two2three3four4’))
結果：
[‘1’, ‘2’, ‘3’, ‘4’]
finditer
sub
Split \d+
‘one1two2three3four4’
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/4/29 20:24# @Author : fengxiaoqing# @File : test.py'''xxx
檢視不同匹配規則的效率'''import reimport timeit# print(timeit.timeit(setup='''import re; reg = re.compile('\w*)>.*')''', stmt='''reg.match('xxx
')''', number=1000000))# print(timeit.timeit(setup='''import re''', stmt='''re.match('\w*)>.*', 'xxx
')''', number=1000000))s = "abxxx
dsafasdfsdfads"reg = re.compile(r"(\w+)>(.*))")
print(reg.match(s))
print(reg.search(s).group(3))
print(reg.findall(s))# print(reg.findall(s)[1])# print(reg.findall(s)[2])# reg.split(s)# reg.findall(s)# reg.groups(s)x = '1one2two3three4four'reg1 = re.compile("\d")
print(reg1.findall(x))
print(reg1.split(x))
作者:楓葉雲
來源:見文末https://my.oschina.net/u/3804957/blog/1803227
《Python人工智慧和全棧開發》2018年07月23日即將在北京開課，120天衝擊Python年薪30萬，改變速約~~~~
*宣告：推送內容及圖片來源於網路，部分內容會有所改動，版權歸原作者所有，如來源資訊有誤或侵犯權益，請聯絡我們刪除或授權事宜。
– END –
更多Python好文請點選【閱讀原文】哦
↓↓↓
