史上最全 Python Re 模块讲解

re模块下的函数

compile(pattern)：创建模式对象
import re
pat=re.compile( A )
m=pat.search( CBA )                    #等价于 re.search( A , CBA )
print m   #匹配到了，返回MatchObject（True）
m=pat.search( CBD )
print m
None                                   #没有匹配到，返回None（False）

search(pattern,string)：在字符串中寻找模式
 m = re.search( asd , ASDasd )
 print m
   #匹配到了，返回MatchObject（True）
 m = re.search( asd , ASDASD )
 print m
None                                   #没有匹配到，返回None（False）

match(pattern,string)：在字符串开始处匹配模式

m = re.search( asd , ASDasd )
print m  #匹配到了，返回MatchObject（True）
m = re.search( asd , ASDASD )
print m
None                                   #没有匹配到，返回None（False）
# 等价于
pat=re.compile( a )
print pat.match( Aasd )
None
printpat.match( aASD )# 上面的函数返回都可以在if条件语句中进行判断：
if pat.search( asd ):
     print OK
OK        #找到返回
if re.search( a , ASD ):
     print "OK"
       #没有找到

split(pattern,string)：根据模式分割字符串,返回列表

re.split( , , a,s,d,asd )
[ a , s , d , asd ]          #返回列表
pat = re.compile( , )
pat.split( a,s,d,asd )
[ a , s , d , asd ]          #返回列表
re.split( [, ]+ , a ,  s  ,d     ,,,,,asd )   #正则匹配：[, ]+，后面说明
[ a , s , d , asd ]
re.split( [, ]+ , a ,  s  ,d     ,,,,,asd ,maxsplit=2) # maxsplit 最多分割次数
[ a , s , d     ,,,,,asd ]
pat = re.compile( [, ]+ )                     #正则匹配：[, ]+，后面说明
pat.split( a ,  s  ,d     ,,,,,asd ,maxsplit=2)        # maxsplit 最多分割次数
[ a , s , d     ,,,,,asd ]

findall(pattern,string)：列表形式返回匹配项

re.findall( a , ASDaDFGAa )
[ a , a ]                           #列表形式返回匹配到的字符串
 
pat = re.compile( a )
pat.findall( ASDaDFGAa )
[ a , a ]                           #列表形式返回匹配到的字符串
 
pat = re.compile( [A-Z]+ )       #正则匹配：[A-Z]+  后面有说明
pat.findall( ASDcDFGAa )
[ ASD , DFGA ]                      #找到匹配到的字符串
 
pat = re.compile( [A-Z] )
pat.findall( ASDcDFGAa )         #正则匹配：[A-Z]+  后面有说明
[ A , S , D , D , F , G , A ]  #找到匹配到的字符串
 
pat = re.compile( [A-Za-z] )     #正则匹配：[A-Za-z]+  匹配所有单词，后面有说明
pat.findall( ASDcDFGAa )
[ A , S , D , c , D , F , G , A , a ]

sub(pat,repl,string) ：用repl替换 pat匹配项

(留的是中间的，因为中间在中心)
re.sub( a , A , abcasd )   #找到a用A替换，后面见和group的配合使用
AbcAsd
 
pat = re.compile( a )
pat.sub( A , abcasd )
AbcAsd
 
pat=re.compile(r www.(.*)..{3} ) #正则表达式
  #在Python的string前面加上‘r’， 是为了告诉编译器这个string是个raw string，不要转译反斜杠    。
  #例如， 在raw string中，是两个字符，和n， 而不会转译为换行符。
  #由于正则表达式和  会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上 r 。
    
   #与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。
   #假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：
   #前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
   #Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\"表示。
   #同样，匹配一个数字的"\d"可以写成r"d"。
   #有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
  
   #不是说 加了r 就没有转译功能，好乱，就直接记住1句话：
   #当一个字符串使用了正则表达式后，最好在前面加上 r ，这样你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观
pat.match( www.dxy.com ).group(1)
dxy
 
re.sub(r www.(.*)..{3} ,r  , hello,www.dxy.com )
 
pat.sub(r  , hello,www.dxy.com )
hello,dxy
# r 1  是第一组的意思
#通过正则匹配找到符合规则的"www.dxy.com" ，取得 组1字符串 去替换 整个匹配。
 
 
pat=re.compile(r (w+) (w+) )     #正则表达式
s= hello world ! hello hz !
 
pat.findall( hello world ! hello hz ! )
[( hello , world ), ( hello , hz )]
pat.sub(r   ,s)                #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。  
world hello!hz hello!

escape(string) ：对字符串里面的特殊字符串进行转义

re.escape( www.dxy.cn )
www\.dxy\.cn                    #转义

上面的函数中，只有match、search有group方法，其他的函数没有。

函数的方法

group：获取子模式(组)的匹配项

pat = re.compile(r www.(.*).(.*) )       #用()表示1个组，2个组
m = pat.match( www.dxy.com )
m.group()                                  #默认为0，表示匹配整个字符串  
www.dxy.com
 
m.group(1)                                 #返回给定组1匹配的子字符串
dxy
 
m.group(2)
com

start：给定组匹配项的开始位置

m.start(2)                                 #组2开始的索引
8

end：给定组匹配项的结束位置

m.end(2)                                   #组2结束的索引
11

span：给定组匹配项的开始结束位置

m.span(2)                                  #组2开始、结束的索引
(8, 11)

正则表达式

元字符

“.” ：通配符,除换行符外的任意的1个字符

pat=re.compile( . )
pat.match( abc )pat.match( abc ).group()
a                                 #匹配到了首个字符
pat.search( abc ).group()
a
pat.match( ).group()        #换行符匹配出错
Traceback (most recent call last):
  File "", line 1, in AttributeError: NoneType object has no attribute group

“” : 转义符

pat=re.compile( . )
pat.search( abc.efg ).group()  #匹配到.
.
pat.findall( abc.efg )         #不用group,返回列表
[ . ]

“[…]” : 字符集合，匹配里面的任意一个元素

>>> pat=re.compile( [abc] )
>>> pat.match( axbycz ).group()
a
>>> pat.search( axbycz ).group()
a
>>> pat.findall( axbycz )
[ a , b , c ]

“d” : 数字

>>> pat=re.compile( d )          
>>> pat.search( ax1by2cz3 ).group()   #匹配到第一个数字:1，返回
1
 
>>> pat.match( ax1by2cz3 ).group()    #匹配不到（首个不是）返回None，报错，match匹配字符串头
Traceback (most recent call last):
  File "", line 1, in AttributeError: NoneType object has no attribute group
 
>>> pat.findall( ax1by2cz3 )          #匹配所有的数字，列表返回
[ 1 , 2 , 3 ]

“D” : 非数字

>>> pat=re.compile( D )
>>> pat.match( ax1by2cz3 ).group()
a
>>> pat.search( ax1by2cz3 ).group()
a
>>> pat.findall( ax1by2cz3 )
[ a , x , b , y , c , z ]

“s” ：空白字符 、 、

、

、空格

>>> pat=re.compile( s )
>>> pat.findall( ax1 by2 cz3 )
[ ,   , ,   , ]
>>> pat.search( ax1 by2 cz3 ).group()
>>> pat.match( ax1 by2 cz3 ).group()

“S” :非空白字符

>>> pat=re.compile( S )
>>> pat.search( ax1 by2 cz3 ).group()
a
>>> pat.findall( ax1 by2 cz3 )
[ a , x , 1 , b , y , 2 , c , z , 3 ]

“w” ：单个的 数字和字母，[A-Za-z0-9]

>>> pat=re.compile( w )
>>> pat.search( 1a2b3c ).group()
1
>>> pat.findall( 1a2b3c )
[ 1 , a , 2 , b , 3 , c ]
>>> pat.match( 1a2b3c ).group()
1

“W”:非单词字符,除数字和字母外

>>> pat=re.compile( W )
>>> pat.findall( 1a2我b3c ) #python是用三字节表示一个汉字
[ æ , ˆ , ‘ ]
>>> pat.search( 1a2我b3c ).group()
æ

数量词

“*” ：0次或多次

（ 乘0会变成0）

>>> pat = re.compile( [abc]* )
>>> pat.match( abcabcdefabc ).group()
abcabc                               #2次
>>> pat.search( abcabcdefabc ).group()
abcabc                               #2次
>>> pat.findall( abcabcdefabc )
[ abcabc ,  ,  ,  , abc ,  ]     #2次和1次,因为有0次，所以匹配了

“+” ：1次或多次

（ 加0不会变成0）

>>> pat = re.compile( [abc]+ )
>>> pat.match( abcdefabcabc ).group()
abc
>>> pat.search( abcdefabcabc ).group()
abc
>>> pat.findall( abcdefabcabc )
[ abc , abcabc ]

“?” ：0次或1次，match,search 不会出现none，会出现’ ‘ （因为0次也是符合的）

0次或1次不是指[xxx]这个集合，而是其中的任何的一个字符

>>> pat = re.compile( [abc]? )
>>> pat.match( defabc ).group()     #0次
 
>>> pat.match( abcdefabc ).group()
a
>>> pat.search( defabc ).group()    #0次
 
>>> pat.findall( defabc )           #0次和1次
[  ,  ,  , a , b , c ,  ]     #后面总再加个

“数量词?” ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）

>>> pat = re.compile( [abc]+ )         #贪婪模式
>>> pat.match( abcdefabcabc ).group()  #匹配尽可能多的：abc
abc
>>> pat.match( bbabcdefabcabc ).group()
bbabc
>>> pat.search( dbbabcdefabcabc ).group()
bbabc
>>> pat.findall( abcdefabcabc )
[ abc , abcabc ]
 
>>> pat = re.compile( [abc]+? )        #非贪婪模式：+?
>>> pat.match( abcdefabcabc ).group()  #匹配尽可能少的：a、b、c
a
>>> pat.search( dbbabcdefabcabc ).group()
b
>>> pat.findall( abcdefabcabc )
[ a , b , c , a , b , c , a , b , c ]

“{m}” ：匹配字符串出现m次

>>> pat = re.compile( [op]{2} )     #o或p出现2次
>>> pat.search( abcooapp ).group()  #匹配第一次出现的字符串,o比p先出现
oo
>>> pat.findall( abcooapp )         #匹配出现的所有字符串，列表形式返回
[ oo , pp ]

“{m,n}” ：匹配字符串出现m到n次

>>> pat = re.compile( [op]{2,4} )     #o或则p出现2到4次
>>> pat.match( pppabcooapp ).group()  #匹配开头
ppp
>>> pat.search( pppabcooapp ).group() #匹配第一次出现
ppp
>>> pat.findall( pppabcooapp )        #匹配所有
[ ppp , oo , pp ]

.group() #匹配第一次出现

边界

“^” ：匹配字符串开头或行头

>>> pat = re.compile( ^[abc] )     #开头是a、b、c中的任意一个
>>> pat.search( defabc ).group()    
>>> pat.match( defabc ).group()    #均找不到
>>> pat.findall( defabc )
[]
 
>>> pat.search( adefabc ).group()
a
>>> pat.match( adefabc ).group()   #开头是a、b、c中的任意一个
a
>>> pat.findall( adefabc )
[ a ]
 
>>> pat = re.compile( ^[abc]+ )    #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个
>>> pat.findall( cbadefab )
[ cba ]
>>> pat = re.compile(r ^[abc]+? )  #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个
>>> pat.findall( cbadefab )
[ c ]

“$” ：匹配字符串结尾或则行尾

>>> pat = re.compile( [abc]$ )
>>> pat.match( adefAbc ).group()   #match匹配的是字符串开头，所以查找$的时，总是返回None
>>> pat.search( adefAbc ).group()  #结尾是a、b、c中的任意一个
c
>>> pat.findall( adefAbc )        
[ c ]
>>> pat = re.compile( [abc]+$ )
>>> pat.search( adefAbc ).group()  #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个
bc
>>> pat.findall( adefAbc )
[ bc ]

“A”：匹配字符串开头

>>> pat = re.compile( A[abc]+ )
>>> pat.findall( cbadefab )
[ cba ]
>>> pat.search( cbadefab ).group()
cba

“Z”：匹配字符串结尾

>>> pat = re.compile( [abc]+Z )
>>> pat.search( cbadefab ).group()
ab
>>> pat.findall( cbadefab )
[ ab ]

分组

(…)：分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词

>>> pat=re.compile(r (a)w(c) )  #w:单个的数字或字母 [A-Za-z0-9]
>>> pat.match( abcdef ).group()
abc
>>> pat=re.compile( (a)b(c) )    #分2组，匿名分组
                                
>>> pat.match( abcdef ).group()  #默认返回匹配的字符串
abc
>>> pat.match( abcdef ).group(1) #取分组1，适用于search
a
>>> pat.match( abcdef ).group(2) #取分组2，适用于search
c
>>> pat.match( abcdef ).groups() #取所有分组，元组形式返回
( a , c )

>>> pat=re.compile(r www.(.*)..{3} )
>>> pat.match( www.dxy.com ).group(1)
dxy

“(?P

>>> pat=re.compile(r (?Pa)w(c) )    #分2组：命名分组+匿名分组
>>> pat.search( abcdef ).groups()       #取所有分组，元组形式返回
( a , c )
>>> pat.search( abcdef ).group(1)       #取分组1，适用于match
a
>>> pat.search( abcdef ).group(2)       #取分组2，适用于match
c
>>> pat.search( abcdef ).group()        #默认返回匹配的字符串
abc
>>> pat.search( abcdef ).groupdict()    #命名分组可以返回一个字典【专有】，匿名分组也没有
{ K : a }

“(?P=name)”：引用别名为

>>> pat=re.compile(r (?Pa)w(c)(?P=K) )    #(?P=K)引用分组1的值，就是a
>>> pat.search( abcdef ).group()              #匹配不到，因为完整 awca ,模式的第4位是a
Traceback (most recent call last):
  File "", line 1, in AttributeError: NoneType object has no attribute group
 
>>> pat.search( abcadef ).group()             #匹配到，模式的第4位和组1一样,值是c
abca
>>> pat.search( abcadef ).groups()
( a , c )
>>> pat.search( abcadef ).group(1)
a
>>> pat.search( abcadef ).group(2)
c

“

>>> pat=re.compile(r (?Pa)w(c)(?P=K) )  #引用分组2的值，就是c
>>> pat.findall( Aabcadef )                   #匹配不到，因为完整 awcac ,模式的第5位是c
[]
>>> pat.findall( Aabcacdef )                  #匹配到，模式的第5位和组2一样,值是c
[( a , c )]
>>> pat.search( Aabcacdef ).groups()
( a , c )
>>> pat.search( Aabcacdef ).group()
abcac
>>> pat.search( Aabcacdef ).group(1)
a
>>> pat.search( Aabcacdef ).group(2)
c

特殊构造

(?:…) (…)不分组版本,用于使用 | 或者后接数量词

(?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个

(?#…) #号后的内容将作为注释

(?=…) 之后的字符串内容需要匹配表达式才能成功匹配

(?!…) 之后的字符串不匹配表达式才能成功

(?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

“(?:…)” ：()里面有?:表示该()不是分组

>>> pat=re.compile(r a(?:bc) )
>>> pat.findall( abc )
[ abc ]
>>> pat.match( abc ).groups()      #显示不出分组

“(?=…)”：匹配…表达式，返回。对后进行匹配，总是对后面进行匹配

>>> pat=re.compile(r w(?=d) )    #匹配表达式d，返回数字的前一位，w：单词字符[A-Za-z0-9]
>>> pat.findall( abc1 def1 xyz1 )
[ c , f , z ]
>>> pat.findall( zhoujy20130628hangzhou )  #匹配数字的前一位，列表返回
[ y , 2 , 0 , 1 , 3 , 0 , 6 , 2 ]
>>> pat=re.compile(r w+(?=d) )
>>> pat.findall( abc1,def1,xyz1 )          #匹配最末数字的前字符串，列表返回
[ abc , def , xyz ]
>>> pat.findall( abc21,def31,xyz41 )
[ abc2 , def3 , xyz4 ]
>>> pat.findall( zhoujy20130628hangzhou )
[ zhoujy2013062 ]
>>> pat=re.compile(r [A-Za-z]+(?=d) )       #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall( zhoujy20130628hangzhou123 ) #匹配后面带有数字的字符串，列表返回
[ zhoujy , hangzhou ]
>>> pat.findall( abc21,def31,xyz41 )
[ abc , def , xyz ]

“(?!…)” 不匹配…表达式，返回。对后进行匹配

>>> pat=re.compile(r [A-Za-z]+(?!d) )       #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 )  #匹配后面不是数字的字符串，列表返回
[ zhouj , hangzho , binjian ]
>>> pat.findall( abc21,def31,xyz41 )
[ ab , de , xy ]

“(?<=…)”：匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r (?>> pat.findall( abc21,def31,xyz41 )
[]
>>> pat.findall( 1abc21,2def31,3xyz41 )
[ abc , def , xyz ]
>>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 )
[ hangzhou ]

“(?<!…)”：不匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r (?>> pat.findall( abc21,def31,xyz41 )
[ abc , def , xyz ]
>>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 )
[ zhoujy , angzhou , binjiang ]

“(?(id/name) yes |no)”: 组是否匹配，匹配返回

>>> pat=re.compile(r a(d)?bc(?(1)d) )   #no省略了，完整的是adbcd ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字
>>> pat.findall( abc9 )                   #返回组1，但第2位（组1）没有，即返回了  
[  ]
>>> pat.findall( a8bc9 )                  #完整的模式，返回组1
[ 8 ]
>>> pat.match( a8bc9 ).group()
a8bc9
>>> pat.match( a8bc9 ).group(1)
8
>>> pat.findall( a8bc )                   #第5位不存在，则没有匹配到
[]

“(?iLmsux)”:这里就介绍下i参数：大小写区分匹配

>>> pat=re.compile(r abc )
>>> pat.findall( abc )
[ abc ]
>>> pat.findall( ABC )
[]
>>> pat=re.compile(r (?i)abc )            #(?i) 不区分大小写
>>> pat.findall( ABC )
[ ABC ]
>>> pat.findall( abc )
[ abc ]
>>> pat.findall( aBc )
[ aBc ]
>>> pat.findall( aBC )
[ aBC ]
>>> pat=re.compile(r abc ,re.I)           #re.I 作为参数使用，推荐
>>> pat.findall( aBC )
[ aBC ]
>>> pat.findall( abc )
[ abc ]
>>> pat.findall( ABC )
[ ABC ]