当前位置：首页 > news >正文

超简单的正则表达式从入门到精通

news 2025/12/25 3:55:31

正则表达式，又称规则表达式（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

概念

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索文本时要匹配的一个或多个字符串。

作用

匹配查看一个字符串是否符合正则表达式的语法
获取正则表达式来提取字符串中符合要求的文本
替换查找字符串中符合正则表达式的文本，并用相应的字符串替换
分割使用正则表达式对字符串进行分割。

正则表达式语法

字符类

1. . 匹配除 "\n" 之外的任何单个字符。要匹配	包括 '\n'在内的任何字符，请使用象 '[.\n]' 的模式。
2. \d 匹配一个数字字符。等价于 [0-9]。
3. \D 匹配一个非数字字符。等价于 [^0-9]。
4. \s 匹配任何空白字符，包括空格、制表符、	换页符等等。等价于[ \f\n\r\t\v]。
5. \S 匹配任何非空白字符。等价于 	[^\f\n\r\t\v]。
6. \w 匹配包括下划线的任何单词字符。等价于	'[A-Za-z0-9_]'。
7. \W 匹配任何非单词字符。等价于	 '[^A-Za-z0-9_]'。
**[]用法**
[Pp]ython	匹配 "Python" 或 "python"
ub[ye]		匹配 "ruby" 或 "rube"
[aeiou]		匹配中括号内的任意一个字母
[0-9]	    匹配任何数字。类似于 [0123456789]
[a-z]       匹配任何小写字母
[A-Z]	    匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	            匹配除了数字外的字符字符类内部，
除了\之外，其他特殊字符不再具备特殊意义，都表示字面值。
^放在第一个位置表示否定，
放在其他位置表示^本身，
-放在中间表示范围，放在字符类中的第一个字符，则表示-本身。

正则表达式量词

1. ?	匹配前面的字符0次或1次
2. *	匹配前面的字符0次或多次
3. +	匹配前面的字符1次或者多次
4. {m}	匹配前面表达式m次
5. {m,}	匹配前面表达式至少m次
6. {,n}	匹配前面的正则表达式最多n次
7. {m,n}	匹配前面的正则表达式至少m次，最多n次
注意点：以上量词都是贪婪模式，会尽可能多的匹配，如果要改为非贪婪模式，通过在量词后面跟随一个?来实现

练习

长度为8-10的用户密码（以字母开头 包含字母、数字、下划线）
匹配手机号码(11位数字)
邮箱验证126，163邮箱：6~18个字符，可使用字母、数字、下划线，需以字母开头
url = '''
http://www.baidu.com
http://www.sina.com
http://www.qq.com
'''
从url中匹配出 baidu sina qq,

贪婪模式与非贪婪模式

Python里数量词默认是贪婪的,总是尝试匹配尽可能多的字符,非贪婪则相反，总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪.

匹配分组

字符	功能
\|	匹配左右任意⼀个表达式
(ab)	将括号中字符作为⼀个分组
\num	引⽤分组num匹配到的字符串
(?P)	分组起别名
(?P=name)	引⽤别名为name分组匹配到的字符串

（）的作用

１. ()中的正则表达式内容可以在后面反向引用，可以通过在左括号后面跟随?:来关闭这个括号的引用功能

２．将正则表达式的一部分内容进行组合，可以在后面使用量词或管道

反向引用的内容

１. 通过组号反向引用

每一个没有使用?:的小括号都会分配一个组好，从1开始，从左到右递增，可以通过\i引用前面()内表达式捕获的内容（\i 的内容是值与前面一致，并不是表达式一致）

２．通过组名反向引用

可以通过在左括号后面跟随?P<name>,尖括号中放入组名来为一个组起一个别名，后面通过(?P=name)来引用前面捕获的内容。如(?P<word>\w+)\s+(?P=word)来匹配重复的单词。（这里引用前面内容，并不是正则表达式）

(?P<word>\w+)\s+（(?P=word)）如果引用的内容也需要分组，则外面再加一个括号

注意点：反向引用不能放在字符类[]中使用。

断言与标记

断言不会匹配任何文本，只是对断言所在的文本施加某些约束

常用断言：

1. \b	匹配单词的边界，放在字符类[]中则表示backspace 　　　　　　
2. \B 匹配非单词边界，受ASCII标记影响 　　　　　　
3. \A 　指定匹配必须出现在字符串的开头（忽略Multiline选项）。　　　　　
4. ^	在起始处匹配，如果有MULTILINE标志，则在每个换行符后匹配 　　　　　　
5. \Z 指定匹配必须出现在字符串的结尾或字符串结尾的\ n之前（忽略Multiline选项）。 　　　
6. $	在结尾处匹配，如果有MULTILINE标志，则在每个换行符前匹配 　　**零宽断言**　　7. (?=exp)	也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。 　　　8. (?<=exp)	也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。 **  负向零宽断言 **9. (?!e)	零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。　　　　　　10.(?<!e)	零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp：

前瞻回顾的解释

正前瞻： exp1(?=exp2) exp1后面的内容要匹配exp2

负前瞻: exp1(?!exp2) exp1后面的内容不能匹配exp2

正回顾: (?<=exp2)exp1 exp1前面的内容要匹配exp2

负回顾: (?<!exp2)exp1 exp1前面的内容不能匹配exp2

条件匹配

(?(id)yes_exp|no_exp):对应id的子表达式如果匹配到内容，则这里匹配yes_exp，否则匹配no_exp

python re模块

正则表达式前面一定要加 r

正则表达式修饰符

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：
re.I或者re.IGNORECASE	使匹配对大小写不敏感
re.L或者re.LOCALE	做本地化识别（locale-aware）匹配
re.M或者re.MULTILINE	多行匹配，影响 ^ 和 $
re.S或者re.DOTALL	使 . 匹配包括换行在内的所有字符
re.U或者re.UNICODE	根据Unicode字符集解析字符。这个标志影响 \w,\W, \b, \B.
re.X或者re.VERBOSE	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。
re.A或者re.ASCII， 使\b \B \s \S \w \W \d \D都假定字符串为假定字符串为ASCII

常用方法

匹配
re.match(pattern, string, flags=0)
re.search(pattern, string, flags=0)#re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。#re.search 扫描整个字符串并返回第一个成功的匹配。
#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。
group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
span([group]) 方法返回 (start(group), end(group))。

检索和替换
Python 的 re 模块提供了re.sub用于替换字符串中的匹配项。
语法：
re.sub(pattern, repl, string, count=0, flags=0)
参数：
pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。re.subn(pattern, repl, string, count=0, flags=0):与re.sub()方法相同，区别在于返回的是二元组，其中一项是结果字符串，一项是做替换的个数。

findall
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
语法格式为：
findall(pattern, string, flags=0)
参数：
pattern : 正则中的模式字符串。
string : 待匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志
re.finditer
re.finditer(pattern, string, flags=0)
和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

分割
re.split
split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：
re.split(pattern, string, maxsplit=0, flags=0])
pattern	匹配的正则表达式
string	要匹配的字符串。
maxsplit	分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志

Python中re模块使用正则表达式的两种方法

使用re.compile(r, f)方法生成正则表达式对象，然后调用正则表达式对象的相应方法。这种做法的好处是生成正则对象之后可以多次使用。
re模块中对正则表达式对象的每个对象方法都有一个对应的模块方法，唯一不同的是传入的第一个参数是正则表达式字符串。此种方法适合于只使用一次的正则表达式。

python 正则表达式对象和匹配对象

使用re.compile(r, f)方法生成正则表达式对象
使用re.match()或re.search()方法生成匹配对象
匹配对象方法|作用
:–|:–
m.group(g, …)|返回编号或者组名匹配到的内容，默认或者0表示整个表达式匹配到的内容，如果指定多个，就返回一个元组
m.groupdict(default)|返回一个字典。字典的键是所有命名的组的组名，值为命名组捕获到的内容　　　　　　如果有default参数，则将其作为那些没有参与匹配的组的默认值。
m.groups(default)|返回一个元组。包含所有捕获到内容的子分组，从1开始，如果指定了default值，则这个值作为那些没有捕获到内容的组的值
m.start(g):|当前匹配对象的子分组是从字符串的那个位置开始匹配的,如果当前组没有参与匹配就返回-1
m.end(g)|当前匹配对象的子分组是从字符串的那个位置匹配结束的，如果当前组没有参与匹配就返回-1
m.span()|返回一个二元组，内容分别是m.start(g)和m.end(g)的返回值
m.lastgroup|匹配到内容的编号最高的捕获组的名称，如果没有或者没有使用名称则返回None(不常用)
m.lastindex|匹配到内容的编号最高的捕获组的编号，如果没有就返回None。
m.re|产生这一匹配对象的正则表达式
m.string|传递给match或者search用于匹配的字符串
m.pos|搜索的起始位置。即字符串的开头，或者start指定的位置(不常用)
m.endpos|搜索的结束位置。即字符串的末尾位置，或者end指定的位置(不常用)

总结

1. 对于正则表达式的匹配功能，Python没有返回true和false的方法，但可以通过对match或者search方法的返回值是否是None来判断
2. 对于正则表达式的搜索功能，如果只搜索一次可以使用search或者match方法返回的匹配对象得到，对于搜索多次可以使用finditer方法返回的可迭代对象来迭代访问
3. 对于正则表达式的替换功能，可以使用正则表达式对象的sub或者subn方法来实现，也可以通过re模块方法sub或者subn来实现，区别在于模块的sub方法的替换文本可以使用一个函数来生成
4. 对于正则表达式的分割功能，可以使用正则表达式对象的split方法，需要注意如果正则表达式对象有分组的话，分组捕获的内容也会放到返回的列表中

查看原文：超简单的正则表达式从入门到精通

关注公众号 "字节航海家" 及时获取最新内容

概念

作用