[Python 3系列]正则表达式

正则表达式，简称为regex，是文本模式的描述方法。例如，\d是一个正则表达式，表示一位数字字符，即任何一位0到9的数字。

使用步骤

python中所有正则表达式的函数都在re模块中。

▎python中使用正则表达式的步骤如下：

①用import re导入正则表达式模块；

②用re.compile()函数创建一个Regex对象。

③向Regex对象的search()方法传入想查找的字符串。它返回一个Match对象。

④调用Match对象的group()方法，返回实际匹配文本的字符串。

字符分类

    字符类型               字符含义

       \d               0到9的任何数字

       \D               除0到9的数字以外的任何字符

       \w               任何字母、数字或下划线（单词）

       \W               除字母、数字和下划线以外的任何字符

       \s               空格、制表符或换行符（空白）

       \S               除空格、制表符和换行符以外的任何字符

正则表达式符号

    ?                            匹配零次或一次前面的分组

    *                            匹配零次或多次前面的分组

    +                            匹配一次或多次前面的分组 

    |                            匹配多个表达式中的一个

    ()                           使用括号创建"分组"

    {n}                          匹配n次前面的分组

    {n,}                         匹配n次或更多前面的分组

    {,m}                         匹配零次到m次前面的分组

    {n,m}                        匹配至少n次、至多m次前面的分组

    {n,m}?或*?或+?               对前面的分组进行非贪心匹配

    ^spam                        字符串必须以spam开始

    spam$                        字符串必须以spam结束

    .                            匹配所有字符，换行符除外

    \d、\w和\s                   匹配数字、单词和空格

    \D、\W和\S                   匹配出数字、单词和空格外的所有字符

    [abc]                        匹配方括号内的任何字符

    [^abc]                       匹配不在方括号内的任何字符

正则表达式方法

1、compile()

向re.compile()传入一个字符串值，表示正则表达式，它将返回一个Regex模式对象。

如果要忽略正则表达式字符串中的空白符和注释，可以传入变量re.VERBOSE。

如果要不区分大小写，可以传入re.IGNORECASE或re.I。

如果要句点字符匹配换行，可以传入re.DOTALL。

re.compile()函数只接受一个值作为它的第二参数，可以用管道符将变量组合起来，从而绕过这个限制。

>>> import re
>>> phoneNum=re.compile(r‘\d\d\d-\d\d\d\d\d\d\d\d‘)

2、group()

Match对象有一个group()方法，它返回被查找字符串中实际匹配的文本。

添加括号将在正则表达式中创建”分组“。正则表达式字符串中的第一对括号是第1组。第二对括号是第2组。向group()匹配对象方法传入整数1或2，就可以取得匹配文本的不同部分。向group()方法传入0或不传入参数，将返回整个匹配的文本。如果想要一次就获得所有的分组，就使用groups()方法。

>>> import re
>>> phoneNum=re.compile(r‘(\d\d\d)-(\d\d\d\d\d\d\d\d)‘)
>>> mo=phoneNum.search(‘My number is 021-68000000‘)
>>> print(mo.group(0))
021-68000000
>>> print(mo.group(1))
021
>>> print(mo.group(2))
68000000
>>> print(mo.groups())
(‘021‘, ‘68000000‘)

3、search()

Regex对象的search()方法查找传入的字符串，寻找该正则表达式的所有匹配。如果字符串中没有找到该正则表达式模式，search()方法将返回None。如果找到了该模式，search()方法将返回一个Match对象。

>>> import re
>>> phoneNum=re.compile(r‘\d\d\d-\d\d\d\d\d\d\d\d‘)
>>> mo=phoneNum.search(‘My number is 021-68000000‘)
>>> print(mo.group())
021-68000000

4、findall()

search()将返回一个Match对象，包含被查找字符串中的”第一次“匹配的文本，而findall()方法将返回一组字符串，包含被查找字符串中的所有匹配。

▎作为findall()方法的返回结果，有如下两点需要注意：

①如果调用在一个没有分组的正则表达式上，例如\d\d\d-\d\d\d-\d\d\d\d，将返回一个匹配字符串的列表，如[‘123-456-7890‘,‘000-000-0000‘]。

②如果调用在一个有分组的正则表达式上，例如(\d\d\d)-(\d\d\d)-(\d\d\d\d)，将返回一个字符串的元组的列表，如[(‘123‘,‘456‘,‘7890‘),(‘000‘,‘000‘,‘0000‘)]

>>> import re
>>> phoneNum=re.compile(r‘(\d\d\d)‘)
>>> phoneNum.search(‘68000000‘)
<_sre.SRE_Match object; span=(0, 3), match=‘680‘>
>>> phoneNum.findall(‘68000000‘)
[‘680‘, ‘000‘]

5、sub()

sub()方法需要传入两个参数。第一个参数是一个字符串，用于取代发现的匹配。第二个参数是一个字符串，即正则表达式。sub()方法返回替换完成后的字符串。

>>> import re
>>> phoneNum=re.compile(r‘021-6800‘)
>>> phoneNum.sub(‘8800‘,‘My number is 021-68000000.‘)
‘My number is 88000000.‘

贪心与非贪心

python的正则表达式默认是”贪心“的，这表示在有二义的情况下，它们会尽可能匹配最长的字符串。花括号的”非贪心“版本匹配尽可能短的字符串，即在结束的花括号后跟一个问号。

问号在正则表达式中可能有两种含义：声明非贪心匹配或表示可选的分组。这两种含义是完全无关的。

>>> import re
>>> phoneNum01=re.compile(r‘(\d\d\d){1,3}‘)
>>> phoneNum02=re.compile(r‘(\d\d\d){1,3}?‘)
>>> mo01=phoneNum01.search(‘68000000‘)
>>> mo02=phoneNum02.search(‘68000000‘)
>>> mo01.group()
‘680000‘
>>> mo02.group()
‘680‘

本文出自 “乱码时代” 博客，请务必保留此出处http://juispan.blog.51cto.com/943137/1949567

原文：http://juispan.blog.51cto.com/943137/1949567