【介紹】

正則表示式是一個特殊的字元序列，它能幫助你方便的檢查一個字串是否與某種模式匹配。

Python 自1.5版本起增加了re 模組，它提供 Perl 風格的正則表示式模式。

re 模組使 Python 語言擁有全部的正則表示式功能。

compile 函式根據一個模式字串和可選的標誌引數生成一個正則表示式物件。該物件擁有一系列方法用於正則表示式匹配和替換。

re 模組也提供了與這些方法功能完全一致的函式，這些函式使用一個模式字串做為它們的第一個引數。

Part I  API相關函式

（1）re.match函式

re.match 嘗試從字串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。

函式語法：

re.match(pattern, string, flags=0)

引數說明：

pattern ：匹配的正則表示式

string ：要匹配的字串

flag ：標誌位，用於控制正則表示式的匹配方式，比如是否區分大小寫，多行匹配等

匹配成功re.match方法返回一個匹配的物件，否則返回None。

我們可以使用group(num) 或 groups() 匹配物件函式來獲取匹配表示式。

其中，

group（num）為匹配整個表示式的字串，group（）可以一次輸入多個組好，在這種情況下它將返回一個包含那些組所對應的那些組所對應值的元祖；

groups（）返回一個包含所有小組字串的元祖，從1到所含的小組號。

例項

import re
print(re.match('aaa', 'aaacccc').span())  # 在起始位置匹配
print(re.match('aaa', 'vvvvaaa'))         # 不在起始位置匹配

輸出為

(0,3)

None

（2）re.search函式

re.search 掃描整個字串並返回第一個成功的匹配。

函式語法：

re.search(pattern, string, flags=0)

例項

phoneNuberRegex1 = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d)') #利用括號進行的分組（一共2個分組）
mo = phoneNuberRegex1.search('My number is 415-445-555')
print(mo.group())  #返回全部分組  
print(mo.group(1)) #返回的是第1個分組
print(mo.group(2))    #返回第2個分組

#輸出依次為
415-445-555
415
445-555
 

【Tips】re.match與re.search的區別：re.match只匹配字串的開始，如果字串開始不符合正則表示式，則匹配失敗，函式返回None；而re.search匹配整個字串，直到找到一個匹配。

【注意】Python的正則表示式預設是“貪心的”，這表示在二義情況下，它會盡可能的匹配最長的字串。

phoneNuberRegex2 = re.compile(r'(Ha){3，5}')
mo = phoneNuberRegex2.search('My PhoneNumber is HaHaHaHaHa')
print(mo.group())
#輸出為'HaHaHaHaHa'

phoneNuberRegex2 = re.compile(r'(Ha){3，5}？')
mo = phoneNuberRegex2.search('My PhoneNumber is HaHaHaHaHa')
print(mo.group())
#輸出為'HaHaHa'

(3)re.sub()函式

Python 的 re 模組提供了re.sub用於替換字串中的匹配項。

函式語法：

re.sub(pattern, repl, string, count=0, flags=0)

引數說明：

pattern : 正則中的模式字串。

repl : 替換的字串，也可為一個函式。

string : 要被查詢替換的原始字串。

count : 模式匹配後替換的最大次數，預設 0 表示替換所有的匹配。

例項

phone = "1111-222-222 #這是一個號碼"

#刪除字串中的註釋
num = re.sub(r'#.*$',"",phone)
print("電話號碼是",num)

#刪除非數字的（-）的字串
num = re.sub(r'\D',"",phone)
print("電話號碼",num)

輸出為：

電話號碼是 1111-222-222  電話號碼 1111222222

【補】re.sub()中的repl 引數是一個函式

例項

# 將匹配的數字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

執行輸出結果為：

A46G8HFD1134

（4）re.compile()函式

compile 函式用於編譯正則表示式，生成一個正則表示式（ Pattern ）物件，供 match() 和 search() 這兩個函式使用。

函式語法：

re.compile(pattern[, flags])

引數說明：

pattern : 一個字串形式的正則表示式

flags : 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體引數為：

1. re.I 忽略大小寫
2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境
3. re.M 多行模式
4. re.S 即為 . 並且包括換行符在內的任意字元（. 不包括換行符）
5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字元屬性資料庫
6. re.X 為了增加可讀性，忽略空格和 # 後面的註釋

例項

pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)   # re.I 表示忽略大小寫
m = pattern.match('Hello World Wide Web')
print(m)                               # 匹配成功，返回一個 Match 物件

(5)findall()函式

在字串中找到正則表示式所匹配的所有子串，並返回一個列表，如果沒有找到匹配的，則返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

函式語法：

findall(string[, pos[, endpos]])

引數說明：

• string : 待匹配的字串。
• pos : 可選引數，指定字串的起始位置，預設為 0。
• endpos : 可選引數，指定字串的結束位置，預設為字串的長度。

例項

pattern = re.compile(r'\d+')   # 查詢數字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
 
print(result1)
print(result2)

#輸出為
['123', '456']
['88', '12']

（6）re.finditer()函式

和 findall 類似，在字串中找到正則表示式所匹配的所有子串，並把它們作為一個迭代器返回。

函式語法：

re.finditer(pattern, string, flags=0)

引數說明：（同上）

例項

it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

#輸出
12 
32 
43 
3

（7）re.split()函式

split 方法按照能夠匹配的子串將字串分割後返回列表，它的使用形式如下：

函式語法：

re.split(pattern, string[, maxsplit=0, flags=0])

引數說明：

pattern：匹配的正則表示式

string：要匹配的字串

maxsplit：分隔次數，maxsplit=1 分隔一次，預設為 0，不限制次數

flags：標誌位，用於控制正則表示式的匹配方式，如：是否區分大小寫，多行匹配等等。

Part II  正則表示式物件和例項

re.RegexObject

        re.compile() 返回 RegexObject 物件。

re.MatchObject

         group() 返回被 RE 匹配的字串。

                      start() 返回匹配開始的位置

                      end() 返回匹配結束的位置

                      span() 返回一個元組包含匹配 (開始,結束) 的位置

正則表示式修飾符 - 可選標誌

正則表示式模式

模式字串使用特殊的語法來表示一個正則表示式：

字母和數字表示他們自身。一個正則表示式模式中的字母和數字匹配同樣的字串。

多數字母和數字前加一個反斜槓時會擁有不同的含義。

標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義。

反斜槓本身需要使用反斜槓轉義。

由於正則表示式通常都包含反斜槓，所以你最好使用原始字串來表示它們。模式元素(如 r'\t'，等價於 '\\t')匹配相應的特殊字元。

下表列出了正則表示式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標誌引數，某些模式元素的含義會改變。

正則表示式例項

（1）字元類

（2）特殊字元類