2. 程式人生 > >Python正則表示式指南

Python正則表示式指南

阿新 • • 發佈：2018-12-14

本文介紹了Python對於正則表示式的支援，包括正則表示式基礎以及Python正則表示式標準庫的完整介紹及使用示例。本文的內容不包括如何編寫高效的正則表示式、如何優化正則表示式，這些主題請檢視其他教程。

注意：本文基於Python2.4完成；如果看到不明白的詞彙請記得百度谷歌或維基，whatever。

尊重作者的勞動，轉載請註明作者及原文地址 >.<html

1. 正則表示式基礎

1.1. 簡單介紹

正則表示式並不是Python的一部分。正則表示式是用於處理字串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表示式的語言裡，正則表示式的語法都是一樣的，區別只在於不同的程式語言實現支援的語法數量不同；但不用擔心，不被支援的語法通常是不常用的部分。如果已經在其他語言裡使用過正則表示式，只需要簡單看一看就可以上手了。

下圖展示了使用正則表示式進行匹配的流程： re_simple

正則表示式的大致匹配過程是：依次拿出表示式和文字中的字元比較，如果每一個字元都能匹配，則匹配成功；一旦有匹配不成功的字元則匹配失敗。如果表示式中有量詞或邊界，這個過程會稍微有一些不同，但也是很好理解的，看下圖中的示例以及自己多使用幾次就能明白。

下圖列出了Python支援的正則表示式元字元和語法：   pyre

1.2. 數量詞的貪婪模式與非貪婪模式

正則表示式通常用於在文字中查詢匹配的字串。Python裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配儘可能多的字元；非貪婪的則相反，總是嘗試匹配儘可能少的字元。例如：正則表示式"ab*"如果用於查詢"abbbc"，將找到"abbb"。而如果使用非貪婪的數量詞"ab*?"，將找到"a"。

1.3. 反斜槓的困擾

與大多數程式語言相同，正則表示式裡使用"\"作為轉義字元，這就可能造成反斜槓困擾。假如你需要匹配文字中的字元"\"，那麼使用程式語言表示的正則表示式裡將需要4個反斜槓"\\\\"：前兩個和後兩個分別用於在程式語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正則表示式裡轉義成一個反斜槓。Python裡的原生字串很好地解決了這個問題，這個例子中的正則表示式可以使用r"\\"表示。同樣，匹配一個數字的"\\d"可以寫成r"\d"。有了原生字串，你再也不用擔心是不是漏寫了反斜槓，寫出來的表示式也更直觀。

1.4. 匹配模式

正則表示式提供了一些可用的匹配模式，比如忽略大小寫、多行匹配等，這部分內容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。

2. re模組

2.1. 開始使用re

Python通過re模組提供對正則表示式的支援。使用re的一般步驟是先將正則表示式的字串形式編譯為Pattern例項，然後使用Pattern例項處理文字並獲得匹配結果（一個Match例項），最後使用Match例項獲得資訊，進行其他的操作。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

# encoding: UTF-8

import re

# 將正則表示式編譯成Pattern物件

pattern = re.compile(r'hello')

# 使用Pattern匹配文字，獲得匹配結果，無法匹配時將返回None

match = pattern.match('hello world!')

if match:

# 使用Match獲得分組資訊

print match.group()

### 輸出 ###

# hello

re.compile(strPattern[, flag]):

這個方法是Pattern類的工廠方法，用於將字串形式的正則表示式編譯為Pattern物件。 第二個引數flag是匹配模式，取值可以使用按位或運算子'|'表示同時生效，比如re.I | re.M。另外，你也可以在regex字串中指定模式，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。  可選值有：

  • re.I(re.IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
  • M(MULTILINE): 多行模式，改變'^'和'$'的行為（參見上圖）
  • S(DOTALL): 點任意匹配模式，改變'.'的行為
  • L(LOCALE): 使預定字元類 \w \W \b \B \s \S 取決於當前區域設定
  • U(UNICODE): 使預定字元類 \w \W \b \B \s \S \d \D 取決於unicode定義的字元屬性
  • X(VERBOSE): 詳細模式。這個模式下正則表示式可以是多行，忽略空白字元，並可以加入註釋。以下兩個正則表示式是等價的：

1

2

3

4

a = re.compile(r"""\d +  # the integral part

\.    # the decimal point

\d *  # some fractional digits""", re.X)

b = re.compile(r"\d+\.\d*")

re提供了眾多模組方法用於完成正則表示式的功能。這些方法可以使用Pattern例項的相應方法替代，唯一的好處是少寫一行re.compile()程式碼，但同時也無法複用編譯後的Pattern物件。這些方法將在Pattern類的例項方法部分一起介紹。如上面這個例子可以簡寫為：

1

2

m = re.match(r'hello', 'hello world!')

print m.group()

re模組還提供了一個方法escape(string)，用於將string中的正則表示式元字元如*/+/?等之前加上轉義符再返回，在需要大量匹配元字元時有那麼一點用。

2.2. Match

Match物件是一次匹配的結果，包含了很多關於此次匹配的資訊，可以使用Match提供的可讀屬性或方法來獲取這些資訊。

屬性：

  1. string: 匹配時使用的文字。
  2. re: 匹配時使用的Pattern物件。
  3. pos: 文字中正則表示式開始搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名引數相同。
  4. endpos: 文字中正則表示式結束搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名引數相同。
  5. lastindex: 最後一個被捕獲的分組在文字中的索引。如果沒有被捕獲的分組，將為None。
  6. lastgroup: 最後一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

方法：

  1. group([group1, …]):  獲得一個或多個分組截獲的字串；指定多個引數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫引數時，返回group(0)；沒有截獲字串的組返回None；截獲了多次的組返回最後一次截獲的子串。
  2. groups([default]):  以元組形式返回全部分組截獲的字串。相當於呼叫group(1,2,…last)。default表示沒有截獲字串的組以這個值替代，預設為None。
  3. groupdict([default]):  返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。
  4. start([group]):  返回指定的組截獲的子串在string中的起始索引（子串第一個字元的索引）。group預設值為0。
  5. end([group]):  返回指定的組截獲的子串在string中的結束索引（子串最後一個字元的索引+1）。group預設值為0。
  6. span([group]):  返回(start(group), end(group))。
  7. expand(template):  將匹配到的分組代入template中然後返回。template中可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。\id與\g<id>是等價的；但\10將被認為是第10個分組，如果你想表達\1之後是字元'0'，只能使用\g<1>0。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

import re

m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')

print "m.string:", m.string

print "m.re:", m.re

print "m.pos:", m.pos

print "m.endpos:", m.endpos

print "m.lastindex:", m.lastindex

print "m.lastgroup:", m.lastgroup

print "m.group(1,2):", m.group(1, 2)

print "m.groups():", m.groups()

print "m.groupdict():", m.groupdict()

print "m.start(2):", m.start(2)

print "m.end(2):", m.end(2)

print "m.span(2):", m.span(2)

print r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3')

### output ###

# m.string: hello world!

# m.re: <_sre.SRE_Pattern object at 0x016E1A38>

# m.pos: 0

# m.endpos: 12

# m.lastindex: 3

# m.lastgroup: sign

# m.group(1,2): ('hello', 'world')

# m.groups(): ('hello', 'world', '!')

# m.groupdict(): {'sign': '!'}

# m.start(2): 6

# m.end(2): 11

# m.span(2): (6, 11)

# m.expand(r'\2 \1\3'): world hello!

2.3. Pattern

Pattern物件是一個編譯好的正則表示式，通過Pattern提供的一系列方法可以對文字進行匹配查詢。

Pattern不能直接例項化，必須使用re.compile()進行構造。

Pattern提供了幾個可讀屬性用於獲取表示式的相關資訊：

  1. pattern: 編譯時用的表示式字串。
  2. flags: 編譯時用的匹配模式。數字形式。
  3. groups: 表示式中分組的數量。
  4. groupindex: 以表示式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內。

1

2

3

4

5

6

7

8

9

10

11

12

13

import re

p = re.compile(r'(\w+) (\w+)(?P<sign>.*)', re.DOTALL)

print "p.pattern:", p.pattern

print "p.flags:", p.flags

print "p.groups:", p.groups

print "p.groupindex:", p.groupindex

### output ###

# p.pattern: (\w+) (\w+)(?P<sign>.*)

# p.flags: 16

# p.groups: 3

# p.groupindex: {'sign': 3}

例項方法[ | re模組方法]：

  1. match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):  這個方法將從string的pos下標處起嘗試匹配pattern；如果pattern結束時仍可匹配，則返回一個Match物件；如果匹配過程中pattern無法匹配，或者匹配未結束就已到達endpos，則返回None。  pos和endpos的預設值分別為0和len(string)；re.match()無法指定這兩個引數，引數flags用於編譯pattern時指定匹配模式。  注意：這個方法並不是完全匹配。當pattern結束時若string還有剩餘字元，仍然視為成功。想要完全匹配，可以在表示式末尾加上邊界匹配符'$'。  示例參見2.1小節。
  2. search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):  這個方法用於查詢字串中可以匹配成功的子串。從string的pos下標處起嘗試匹配pattern，如果pattern結束時仍可匹配，則返回一個Match物件；若無法匹配，則將pos加1後重新嘗試匹配；直到pos=endpos時仍無法匹配則返回None。  pos和endpos的預設值分別為0和len(string))；re.search()無法指定這兩個引數，引數flags用於編譯pattern時指定匹配模式。 

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    # encoding: UTF-8

    import re

    # 將正則表示式編譯成Pattern物件

    pattern = re.compile(r'world')

    # 使用search()查詢匹配的子串，不存在能匹配的子串時將返回None

    # 這個例子中使用match()無法成功匹配

    match = pattern.search('hello world!')

    if match:

    # 使用Match獲得分組資訊

    print match.group()

    ### 輸出 ###

    # world
  3. split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):  按照能夠匹配的子串將string分割後返回列表。maxsplit用於指定最大分割次數，不指定將全部分割。 

    1

    2

    3

    4

    5

    6

    7

    import re

    p = re.compile(r'\d+')

    print p.split('one1two2three3four4')

    ### output ###

    # ['one', 'two', 'three', 'four', '']
  4. findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):  搜尋string，以列表形式返回全部能匹配的子串。 

    1

    2

    3

    4

    5

    6

    7

    import re

    p = re.compile(r'\d+')

    print p.findall('one1two2three3four4')

    ### output ###

    # ['1', '2', '3', '4']
  5. finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):  搜尋string，返回一個順序訪問每一個匹配結果（Match物件）的迭代器。 

    1

    2

    3

    4

    5

    6

    7

    8

    import re

    p = re.compile(r'\d+')

    for m in p.finditer('one1two2three3four4'):

    print m.group(),

    ### output ###

    # 1 2 3 4
  6. sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):  使用repl替換string中每一個匹配的子串後返回替換後的字串。  當repl是一個字串時，可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。  當repl是一個方法時，這個方法應當只接受一個引數（Match物件），並返回一個字串用於替換（返回的字串中不能再引用分組）。  count用於指定最多替換次數，不指定時全部替換。 

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    import re

    p = re.compile(r'(\w+) (\w+)')

    s = 'i say, hello world!'

    print p.sub(r'\2 \1', s)

    def func(m):

    return m.group(1).title() + ' ' + m.group(2).title()

    print p.sub(func, s)

    ### output ###

    # say i, world hello!

    # I Say, Hello World!
  7. subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):  返回 (sub(repl, string[, count]), 替換次數)。 

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    import re

    p = re.compile(r'(\w+) (\w+)')

    s = 'i say, hello world!'

    print p.subn(r'\2 \1', s)

    def func(m):

    return m.group(1).title() + ' ' + m.group(2).title()

    print p.subn(func, s)

    ### output ###

    # ('say i, world hello!', 2)

    # ('I Say, Hello World!', 2)

以上就是Python對於正則表示式的支援。熟練掌握正則表示式是每一個程式設計師必須具備的技能，這年頭沒有不與字串打交道的程式了。筆者也處於初級階段，與君共勉，^_^

另外，圖中的特殊構造部分沒有舉出例子，用到這些的正則表示式是具有一定難度的。有興趣可以思考一下，如何匹配不是以abc開頭的單詞，^_^

全文結束

相關推薦

Python正則表示式指南

本文介紹了Python對於正則表示式的支援，包括正則表示式基礎以及Python正則表示式標準庫的完整介紹及使用示例。本文的內容不包括如何編寫高效的正則表示式、如何優化正則表示式，這些主題請檢視其他教程。 注意：本文基於Python2.4完成；如果看到不明白的詞彙請記得百度

Python正則表示式指南 (轉自:AstralWind)

原文戳這裡 1. 正則表示式基礎 1.1. 簡單介紹 正則表示式並不是Python的一部分。正則表示式是用於處理字串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表示式

Python正則表示式操作指南

  原文作者：A.M. Kuchling （[email protected]） 校對人員：Leal 適用版本：Python 1.5 及後續版本 文章狀態：校對階段 Abstract（摘要） This document

Python字元編碼與正則表示式指南

1. 字元編碼簡介 1.1. ASCII ASCII(American Standard Code for Information Interchange)，是一種單位元組的編碼。計算機世界裡一開始只有英文，而單位元組可以表示256個不同的字元，可以表示所有的英文字元和許多

Python正則表示式的簡單應用和示例演示

前一陣子小編給大家連續分享了十篇關於Python正則表示式基礎的文章，感興趣的小夥伴可以點選連結進去檢視。今天小編給大家分享的是Python正則表示式的簡單應用和示例演示，將前面學習的Python正則表示式做一個概括。 下面的栗子是用於提取高考日期，一般來說，我們填寫日期都會寫2018年6月7日，但

Python正則表示式初識（九）

繼續分享Python正則表示式的基礎知識，今天給大家分享的特殊字元是[\u4E00-\u9FA5]，這個特殊字元最好能夠記下來，如果記不得的話通過百度也是可以一下子查到的。 該特殊字元是固定的寫法，其代表的意思是漢字。換句話說，只要字元中是漢字，就可以通過該字元進行匹配，該特殊字元也是用中括號括起來的。

Python 正則表示式：compile,match

本文以匹配×××ID為例，介紹re模組的compile與match的用法 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +       

Python 正則表示式模組詳解

由於最近需要使用爬蟲爬取資料進行測試，所以開始了爬蟲的填坑之旅，那麼首先就是先系統的學習下關於正則相關的知識啦。所以將下面正則方面的知識點做了個整理。語言環境為Python。主要講解下Python的Re模組。 下面的語法我就主要列出一部分，剩下的在python官網直接查閱即可：docs.python.org

Python 正則表示式：search

本文介紹re模組的search的用法 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +         re.search（

Python | 正則表示式的常見用法

正則表示式的常見用法分為兩塊內容，第一部分是一般具有正則的高階語言都支援的功能，第二部分講解Python所獨特具備的正則特性。   Part 1 正則表示式是由普通字元（例如字元a到z）以及特殊字元（稱為“元字元”）組成的文字模式。模式用於在搜尋文字時要匹配一個或多個字串。

python 正則表示式找出字串中的純數字

1、簡單的做法 >>> import re >>> re.findall(r'\d+', 'hello 42 I'm a 32 string 30') ['42', '32', '30'] 然而，這種做法使得字串中非純數字也會識別 >

python 正則表示式 簡介

python 正則表示式 簡介 1.正則表示式：描述字串排列的一套規則 2.可以使用正則表示式提取出所有滿足規則的字串 3.在python中使用re模組是實現在python正則表示式的功能 正則表示式的基礎知識： 1.原子 2.元字元 3.模式修正 原子 ：原子是正則表示式中最基

Python 正則表示式：findall

本文以匹配×××IP為例，介紹re模組的findall的用法: 返回值->列表 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +      &

Python正則表示式:re模組

正則表示式: 使用單個字串來描述、匹配一系列匹配某個句法規則的字串正則表.通常被用來檢索、替換那些符合某個模式(規則)的文字.python自1.5起提供了re模組,它提供了perl風格的正則表示式. re模組簡介 re.match函式 功能 嘗試從字串的起始位置開始匹配一個模式,如

Python 正則表示式：sub

作用：替換字串中的某字串 本文以 ‘×××’掩蓋手機號部分數字 為例，介紹re模組的sub的用法: 返回值 -> 列表 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +&n

python正則表示式學習筆記

正則表示式 學習資源:https://github.com/EbookFoundation/free-programming-books/blob/master/free-programming-books-zh.md 正則表達例子： |    A|B 

python 正則表示式匹配特定浮點數

  def is_decimal(num): import re 　　 #以數字開頭，小數點後保留1位數字或兩位數字或者沒有小數部分 dnumre = re.compile(r"""^[0-9]+(\.[0-9]{1,2})?$""") result = d

python--正則表示式的實戰

正則表示式是在re模組裡的，所以需要事前匯入re模組，re模組裡面的search(）方法用於在字串中搜索正則表示式模式第一次出現的位置。 注意：下標從0開始，原字串前面需要加入r'原字串' 上圖因為.號可以匹配除了換行符之外的任何字元，所以它匹配了I，也就是第一個字元

PYthon 正則表示式設定大小寫匹配

  在python中經常會需要區分大小寫，在此介紹一種最常用的設定方法： 一：確定要匹配的文字 text="[email protected],[email protected],[email protected]"   &

Python 正則表示式：split

作用：用正則表示式的字元分割字串，正則的字元會被拋棄。 本文以 提取URL的地址與引數 為例，介紹re模組的split的用法: 返回值 -> 列表 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化          &nb