Python中使用正则表达式

摘要：

正则表达式，又称为规则表达式，它不是某种编程语言所特有的，而是计算机科学的一个概念，通常被用来检索和替换某些规则的文本。

一.正则表达式的语法

①行定位符

行定位符就是用来描述字符串的边界。"^"表示行的开始，"$"表示行的结束。

^tm    # tm equal Tomorrow Moon可以匹配
tm$    # Tomorrow Moon equal tm可以匹配
tm     # 两者都可以匹配

②元字符

元字符	说明
.	匹配除换行符以外的任意字符
\w	匹配字母、数字、下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或者结束
^	匹配字符串的开始
$	匹配字符串的结束

③限制符

限定符	说明	举例
?	匹配前面的字符零次或一次	colou?r,该表达式可以匹配color和colour
+	匹配前面的字符一次或多次	go+gle，该表达式可以匹配的范围从gogle到goo...gle
*	匹配前面的字符零次或多次	go*gle，该表达式可以匹配的范围从ggle到goo...gle
{n}	匹配前面的字符n次	go{2}gle,该表达式只可匹配google
{n,}	匹配前面的字符最少n次	go{2,}gle,该表达式可以匹配的范围从google到goo...gle
{n,m}	匹配前面的字符最少n次，最多m次	employee{0，2}，该表达式可以匹配employ、employe和emploee三种情况

④字符类

字符类是一种用于匹配指定字符集中的任意单个字符的模式。字符类被定义在方括号 [ 和 ] 之内。

1. 基本字符类：

   • [abc]：匹配 "a" 或 "b" 或 "c" 中的任何一个字符。

   • [0-9]：匹配任何数字（等同于 \d）。

2. 排除字符类：

   • [^abc] 或 [!abc]：匹配除 "a"、"b" 和 "c" 之外的任何字符。

   • [^0-9]：匹配任何非数字字符（等同于 \D）。

3. 预定义字符类：

   • \d：等同于 [0-9]，匹配任何数字。

   • \D：等同于 [^0-9]，匹配任何非数字。

   • \w：匹配任何字母数字字符和下划线（等同于 [a-zA-Z0-9_]）。

   • \W：匹配任何非字母数字字符和非下划线（等同于 [^a-zA-Z0-9_]）。

   • \s：匹配任何空白字符（包括空格、制表符、换页符等）。

   • \S：匹配任何非空白字符。

4. 特殊字符：

   • 如果你想要匹配方括号 [ 或 ] 本身，需要将它们放在字符类的开头或结尾，或者用反斜杠 \ 转义。

   • 其他特殊字符（如点 .、加号 +、问号 ?、星号 * 等）在字符类中也失去了特殊意义，可以直接使用。

示例

import re
​
text = "The quick brown fox jumps over the lazy dog 123."
pattern = "[a-z]"  # 匹配任何小写字母
​
matches = re.findall(pattern, text)
print(matches)  # 输出所有匹配的小写字母

二.使用re模板实现正则表达式操作

python提供了re模板，用于实现正则表达式的操作。

在使用re模板时，需要先应用import语句将其导入，import re

①匹配字符串

匹配字符串可以使用re模块提供的match（）、search（）和findall（）等方法

（1）match（）方法

match（）方法用于从字符串的开始处进行匹配，若成功，则返回Match对象，否则返回None。

语法形式：

re.match(pattern,string,[flags])
​

pattern：表示模式字符串，由要匹配的正则表达式转换而来。

string：表示要匹配的字符串。

flags：可选参数，表示标志位，用于控制匹配方式。

标志	说明
A或ASCII	对于\w、\W、\b、\B、\D、\s和\S只进行ASCII匹配
I或IGNORECASE	执行不区分字母大小写的匹配
M或MULTITINE	将^和$用于包括整个字符串的开始和结尾的每一行
S或DOTALL	使用"."字符匹配所有字符，包括换行符号
X或VERBOSE	忽略模式字符串中未转义的空格和注释

示例：

import re
​
pattern = r'mr_\w+'
string = 'MR_SHOP mr_shop'
match = re.match(pattern, string, re.I)
print(match)
string = '项目名称MR_SHOP mr_shop'
match = re.match(pattern, string, re.I)
print(match)

​

（2）search（）方法

search（）方法用于在整个字符串中搜索第一个要匹配的值，如果在起始位置匹配成功，则返回Match对象，否则返回None。

语法形式：

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

示例：

import re
​
pattern = r'mr_\w+'
string = 'MR_SHOP mr_shop'
match = re.search(pattern, string, re.I)
print(match)
string = '项目名称MR_SHOP mr_shop'
match = re.search(pattern, string, re.I)
print(match)

​

注意：从上述例子可以看出，search（）方法不仅仅是在字符串的起始位置处进行搜索，还可以在其他位置处搜索有符合的匹配。

（3）findall（）方法

findall（）方法用于在整个字符串中搜索所有符合正则表达式的字符串，并以列表的形式返回。如果匹配成功，则返回包含匹配结构的列表，否则返回空列表。

语法形式：

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

​

示例：

import re
​
pattern = r'mr_\w+'
string = 'MR_SHOP mr_shop'
match = re.findall(pattern, string, re.I)
print(match)
string = '项目名称MR_SHOP mr_shop'
match = re.findall(pattern, string)
print(match)
​

②替换字符串

sub（）方法用于实现字符串的替换。

语法形式：

re.sub(pattern,repl,string,count,flags)

示例：

import re
​
pattern = r'1[34578]\d{9}'
string = '中奖号码为：84978987 联系电话为：13611111111'
result = re.sub(pattern, '1xxxxxxxxxx', string)
print(result)

③使用正则表达式分割字符串

split（）方法用于实现根据正则表达式分割字符串，并以列表的形式放回。

语法形式：

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

示例：

import re
​
pattern = r'[?|&]'
url = 'http://www.baidu.com?username="mr&pwd=mrsoft'
result = re.split(pattern, url)
print(result)

​