Python正則表達式re模塊簡明筆記

時間 2019-11-17

原文原文鏈接

簡介

正則表達式（regular expression）是能夠匹配文本片斷的模式。最簡單的正則表達式就是普通字符串，能夠匹配其自身。好比，正則表達式 ‘hello’ 能夠匹配字符串 ‘hello’。python

要注意的是，正則表達式並非一個程序，而是用於處理字符串的一種模式，若是你想用它來處理字符串，就必須使用支持正則表達式的工具，好比 Linux 中的 awk, sed, grep，或者編程語言 Perl, Python, Java 等等。正則表達式

正則表達式有多種不一樣的風格，下表列出了適用於 Python 或 Perl 等編程語言的部分 元字符 以及說明：express

re 模塊

在 Python 中，咱們可使用內置的 re 模塊來使用正則表達式。編程

有一點須要特別注意的是，正則表達式使用 \ 對特殊字符進行轉義，好比，爲了匹配字符串 ‘python.org’，咱們須要使用正則表達式 'python\.org' ，而 Python 的字符串自己也用 \ 轉義，因此上面的正則表達式在 Python 中應該寫成 'python\\.org'，這會很容易陷入 \ 的困擾中，所以，咱們建議使用 Python 的原始字符串，只需加一個 r 前綴，上面的正則表達式能夠寫成：編程語言

r'python\.org'

re 模塊提供了很多有用的函數，用以匹配字符串，好比：ide

compile 函數函數
match 函數工具
search 函數編碼
findall 函數spa
finditer 函數
split 函數
sub 函數
subn 函數

re 模塊的通常使用步驟以下：

使用 compile 函數將正則表達式的字符串形式編譯爲一個 Pattern 對象
經過 Pattern 對象提供的一系列方法對文本進行匹配查找，得到匹配結果（一個 Match 對象）
最後使用 Match 對象提供的屬性和方法得到信息，根據須要進行其餘的操做

compile 函數

compile 函數用於編譯正則表達式，生成一個 Pattern 對象，它的通常使用形式以下：

re .compile ( pattern [, flag] )

其中，pattern 是一個字符串形式的正則表達式，flag 是一個可選參數，表示匹配模式，好比忽略大小寫，多行模式等。

下面，讓咱們看看例子。

import re

# 將正則表達式編譯成 Pattern 對象

pattern = re.compile(

r'\d+'

)

在上面，咱們已將一個正則表達式編譯成 Pattern 對象，接下來，咱們就能夠利用 pattern 的一系列方法對文本進行匹配查找了。Pattern 對象的一些經常使用方法主要有：

match 方法
search 方法
findall 方法
finditer 方法
split 方法
sub 方法
subn 方法

match 方法

match 方法用於查找字符串的頭部（也能夠指定起始位置），它是一次匹配，只要找到了一個匹配的結果就返回，而不是查找全部匹配的結果。它的通常使用形式以下：

match ( string [, pos[, endpos] ])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。所以，當你不指定 pos 和 endpos 時，match 方法默認匹配字符串的頭部。

當匹配成功時，返回一個 Match 對象，若是沒有匹配上，則返回 None。

看看例子。

>>> import re

>>> pattern = re.compile( r'\d+' ) # 用於匹配至少一個數字

>>> m = pattern.match( 'one12twothree34four' ) # 查找頭部，沒有匹配

>>> print m

None

>>> m = pattern.match( 'one12twothree34four' , 2 , 10 ) # 從'e'的位置開始匹配，沒有匹配

>>> print m

None

>>> m = pattern.match( 'one12twothree34four' , 3 , 10 ) # 從'1'的位置開始匹配，正好匹配

>>> print m # 返回一個 Match 對象

<_sre.SRE_Match object at 0x10a42aac0 >

>>> m.group( 0 ) # 可省略 0

'12'

>>> m.start( 0 ) # 可省略 0

>>> m.end( 0 ) # 可省略 0

>>> m.span( 0 ) # 可省略 0

( 3

)

在上面，當匹配成功時返回一個 Match 對象，其中：

group([group1, …]) 方法用於得到一個或多個分組匹配的字符串，當要得到整個匹配的子串時，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符串中的起始位置（子串第一個字符的索引），參數默認值爲 0；
end([group]) 方法用於獲取分組匹配的子串在整個字符串中的結束位置（子串最後一個字符的索引+1），參數默認值爲 0；
span([group]) 方法返回 (start(group), end(group)) 。

再看看一個例子：

>> > 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，返回一個 Match 對象

<_sre.SRE_Match object at 0x10bea83e8 >

>> > m.group( 0 ) # 返回匹配成功的整個子串

'Hello World'

>> > m.span( 0 ) # 返回匹配成功的整個子串的索引

( 0 , 11 )

>> > m.group( 1 ) # 返回第一個分組匹配成功的子串

'Hello'

>> > m.span( 1 ) # 返回第一個分組匹配成功的子串的索引

( 0 , 5 )

>> > m.group( 2 ) # 返回第二個分組匹配成功的子串

'World'

>> > m.span( 2 ) # 返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 "<stdin>" , line 1 , in < module >

IndexError:

no such group

search 方法

search 方法用於查找字符串的任何位置，它也是一次匹配，只要找到了一個匹配的結果就返回，而不是查找全部匹配的結果，它的通常使用形式以下：

search ( string [, pos[, endpos] ])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。

當匹配成功時，返回一個 Match 對象，若是沒有匹配上，則返回 None。

讓咱們看看例子：

>> > import re

>> > pattern = re.compile( '\d+' )

>> > m = pattern.search( 'one12twothree34four' ) # 這裏若是使用 match 方法則不匹配

>> > m

<_sre.SRE_Match object at 0x10cc03ac0 >

>> > m.group()

'12'

>> > m = pattern.search( 'one12twothree34four' , 10 , 30 ) # 指定字符串區間

>> > m

<_sre.SRE_Match object at 0x10cc03b28 >

>> > m.group()

'34'

>> > m.span()

( 13

)

再來看一個例子：

# -*- coding: utf-8 -*-

import

# 將正則表達式編譯成 Pattern 對象

pattern = re.compile(

r'\d+'

)

# 使用 search() 查找匹配的子串，不存在匹配的子串時將返回 None

# 這裏使用 match() 沒法成功匹配

m = pattern.search(

'hello 123456 789'

)

if m:

# 使用 Match 得到分組信息

print 'matching string:' ,m.group()

'position:'

,m.span()

執行結果：

matching string : 123456

position: ( 6

)

findall 方法

上面的 match 和 search 方法都是一次匹配，只要找到了一個匹配的結果就返回。然而，在大多數時候，咱們須要搜索整個字符串，得到全部匹配的結果。

findall 方法的使用形式以下：

findall ( string [, pos[, endpos] ])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。

findall 以列表形式返回所有能匹配的子串，若是沒有匹配，則返回一個空列表。

看看例子：

import re

pattern = re.compile( r'\d+' ) # 查找數字

result1 = pattern.findall( 'hello 123456 789' )

result2 = pattern.findall( 'one1two2three3four4' , 0

)

print result1

result2

執行結果：

[' 123456 ', ' 789 ']

[' 1

', '

finditer 方法

finditer 方法的行爲跟 findall 的行爲相似，也是搜索整個字符串，得到全部匹配的結果。但它返回一個順序訪問每個匹配結果（Match 對象）的迭代器。

看看例子：

# -*- coding: utf-8 -*-

import re

pattern = re.compile( r'\d+' )

result_iter1 = pattern.finditer( 'hello 123456 789' )

result_iter2 = pattern.finditer( 'one1two2three3four4' , 0

)

print type(result_iter1)

type(result_iter2)

print 'result1...'

for m1 in result_iter1: # m1 是 Match 對象

'matching string: {}, position: {}'

.format(m1.group(), m1.span())

print 'result2...'

for m2 in result_iter2:

'matching string: {}, position: {}'

.format(m2.group(), m2.span())

執行結果：

result1...

matching string : 123456 , position: ( 6 , 12 )

matching string : 789 , position: ( 13 , 16 )

result2...

matching string : 1 , position: ( 3 , 4 )

matching string : 2 , position: ( 7

)

split 方法

split 方法按照可以匹配的子串將字符串分割後返回列表，它的使用形式以下：

split (string[, maxsplit])

其中，maxsplit 用於指定最大分割次數，不指定將所有分割。

看看例子：

import re

p = re.compile( r'[\s\,\;]+' )

p.split(

'a,b;; c d'

)

執行結果：

['a', 'b', 'c', 'd']

sub 方法

sub 方法用於替換。它的使用形式以下：

sub(repl, string[, count ])

其中，repl 能夠是字符串也能夠是一個函數：

若是 repl 是字符串，則會使用 repl 去替換字符串每個匹配的子串，並返回替換後的字符串，另外，repl 還可使用 \id 的形式來引用分組，但不能使用編號 0；
若是 repl 是函數，這個方法應當只接受一個參數（Match 對象），並返回一個字符串用於替換（返回的字符串中不能再引用分組）。

count 用於指定最多替換次數，不指定時所有替換。

看看例子：

import re

p = re.compile( r'(\w+) (\w+)' )

s =

'hello 123, hello 456'

def func (m) :

return 'hi' + ' '

+ m.group(

)

print p.sub( r'hello world' , s) # 使用 'hello world' 替換 'hello 123' 和 'hello 456'

print p.sub( r'\2 \1' , s) # 引用分組

print p.sub(func, s)

print p.sub(func, s, 1

)

# 最多替換一次

執行結果：

hello world, hello world

123 hello, 456 hello

hi 123 , hi 456

hi 123

, hello

456

subn 方法

subn 方法跟 sub 方法的行爲相似，也用於替換。它的使用形式以下：

subn(repl, string[, count ])

它返回一個元組：

(sub(repl, string[, count ]), 替換次數)

元組有兩個元素，第一個元素是使用 sub 方法的結果，第二個元素返回原字符串被替換的次數。

看看例子：

import re

p = re.compile( r'(\w+) (\w+)' )

s =

'hello 123, hello 456'

def func (m) :

return 'hi' + ' '

+ m.group(

)

print p.subn( r'hello world' , s)

print p.subn( r'\2 \1' , s)

print p.subn(func, s)

p.subn(func, s,

)

執行結果：

( 'hello world, hello world' , 2 )

( '123 hello, 456 hello' , 2 )

( 'hi 123, hi 456' , 2 )

( 'hi 123, hello 456'

)

其餘函數

事實上，使用 compile 函數生成的 Pattern 對象的一系列方法跟 re 模塊的多數函數是對應的，但在使用上有細微差異。

match 函數

match 函數的使用形式以下：

re .match ( pattern , string [, flags] ):

其中，pattern 是正則表達式的字符串形式，好比 \d+ , [a-z]+ 。

而 Pattern 對象的 match 方法使用形式是：

match ( string [, pos[, endpos] ])

能夠看到，match 函數不能指定字符串的區間，它只能搜索頭部，看看例子：

import re

m1 = re.match( r'\d+' , 'One12twothree34four' )

if m1:

print 'matching string:' ,m1.group()

else :

'm1 is:'

,m1

m2 = re.match( r'\d+' , '12twothree34four' )

if m2:

print 'matching string:' , m2.group()

else :

'm2 is:'

,m2

執行結果：

m1 is : None

matching string:

search 函數

search 函數的使用形式以下：

re .search ( pattern , string [, flags] )

search 函數不能指定字符串的搜索區間，用法跟 Pattern 對象的 search 方法相似。

findall 函數

findall 函數的使用形式以下：

re .findall ( pattern , string [, flags] )

findall 函數不能指定字符串的搜索區間，用法跟 Pattern 對象的 findall 方法相似。

看看例子：

import re

print re.findall( r'\d+' , 'hello 12345 789' )

# 輸出

[ '12345'

'789'

]

finditer 函數

finditer 函數的使用方法跟 Pattern 的 finditer 方法相似，形式以下：

re .finditer ( pattern , string [, flags] )

split 函數

split 函數的使用形式以下：

re .split ( pattern , string [, maxsplit] )

sub 函數

sub 函數的使用形式以下：

re .sub ( pattern , repl , string [, count] )

subn 函數

subn 函數的使用形式以下：

re .subn ( pattern , repl , string [, count] )

到底用哪一種方式

從上文能夠看到，使用 re 模塊有兩種方式：

使用 re.compile 函數生成一個 Pattern 對象，而後使用 Pattern 對象的一系列方法對文本進行匹配查找；
直接使用 re.match, re.search 和 re.findall 等函數直接對文本匹配查找；

下面，咱們用一個例子展現這兩種方法。

先看第 1 種用法：

import re

# 將正則表達式先編譯成 Pattern 對象

pattern = re.compile(

r'\d+'

)

print pattern.match( '123, 123' )

print pattern.search( '234, 234' )

pattern.findall(

'345, 345'

)

再看第 2 種用法：

import re

print re.match( r'\d+' , '123, 123' )

print re.search( r'\d+' , '234, 234' )

print re.findall( r'\d+'

'345, 345'

)

若是一個正則表達式須要用到屢次（好比上面的 \d+ ），在多種場合常常須要被用到，出於效率的考慮，咱們應該預先編譯該正則表達式，生成一個 Pattern 對象，再使用該對象的一系列方法對須要匹配的文件進行匹配；而若是直接使用 re.match, re.search 等函數，每次傳入一個正則表達式，它都會被編譯一次，效率就會大打折扣。

所以，咱們推薦使用第 1 種用法。