Python Re正則表示式
阿新 • • 發佈：2019-02-13
正則表示式是用來簡潔表達一組字串的表示式
正則表示式在文字處理中十分常用：表達文字型別的特徵（病毒、入侵等）
同時查詢或替換一組字串
匹配字串的全部或部分
……
最主要應用在字串匹配中
編譯：將符合正則表示式語法的字串轉換成正則表示式特徵
正則表示式的語法： 正則表示式語法由字元和操作符構成
常用操作符：
例項： ()可以提取出來匹配的內容
p=re.compile('<a>(.*?)</a>')
print(re.findall(p,'<a>qwe</a>'))
輸出：qwe
正則表示式 對應字串P(Y|YT|YTH|YTHO)?N 'PN'、'PYN'、'PYTN'、'PYTHN'、'PYTHONPYTHON+ 'PYTHON'、'PYTHONN'、'PYTHONNN' …
PY[TH]ON 'PYTON'、'PYHON'
PY[^TH]?ON
PY{:3}N 'PN'、'PYN'、'PYYN'、'PYYYN'… 經典正則表示式例項： ^[A‐Za‐z]+$ 由26個字母組成的字串
^[A‐Za‐z0‐9]+$ 由26個字母和數字組成的字串 ^‐?\d+$ 整數形式的字串
^[0‐9]*[1‐9][0‐9]*$
[1‐9]\d{5} 中國境內郵政編碼，6位 [\u4e00‐\u9fa5]匹配中文字元 \d{3}‐\d{8}|\d{4}‐\d{7} 國內電話號碼，010‐68913536
匹配IP地址例項： \d+.\d+.\d+.\d+或 \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
IP地址字串形式的正則表示式（IP地址分4段，每段0‐255）
精確寫法 0‐99： [1‐9]?\d
100‐199: 1\d{2}
200‐249: 2[0‐4]\d
250‐255: 25[0‐5] 將上述進行或操作：
(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])
Re庫是Python的標準庫，主要用於字串匹配
re庫採用raw string型別表示正則表示式，表示為：r'text'
例如： r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
raw string是不包含對轉義符再次轉義的字串 Re庫的主要功能函式：
1.re.search(pattern,string, flags=0)
pattern : 正則表示式的字串或原生字串表示 string: 待匹配字串
flags : 正則表示式使用時的控制標記 常用標記 說明
re.I re.IGNORECASE 忽略正則表示式的大小寫，[A‐Z]能夠匹配小寫字元
re.M re.MULTILINE 正則表示式中的^操作符能夠將給定字串的每行當作匹配開始
re.S re.DOTALL 正則表示式中的.操作符能夠匹配所有字元，預設匹配除換行外的所有字元
import re
match=re.search(r'[1-9]\d{5}','SDNU 250358')
if match:
print(match.group(0))輸出：250358 2.re.match(pattern,string, flags=0)
∙ pattern : 正則表示式的字串或原生字串表示
∙ string :待匹配字串
∙ flags :正則表示式使用時的控制標記
import re
match1=re.match(r'[1-9]\d{5}','SDNU 250358')
match2=re.match(r'[1-9]\d{5}','250358 SDNU')
if match1:
print(match1.group(0))
else:
print("match1為空")
if match2:
print(match2.group(0))
else:
print("match2為空")輸出： match1為空
250358 3.re.findall(pattern,string, flags=0)
∙ pattern : 正則表示式的字串或原生字串表示
∙ string :待匹配字串
∙ flags :正則表示式使用時的控制標記
import re
list=re.findall(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(list)輸出：['250358', '250100'] 4.re.split(pattern,string, maxsplit=0,flags=0)
∙ pattern : 正則表示式的字串或原生字串表示
∙ string :待匹配字串
∙ maxsplit:最大分割數，剩餘部分作為最後一個元素輸出
∙ flags :正則表示式使用時的控制標記
import re
list1=re.split(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(list1)
list2=re.split(r'[1-9]\d{5}','SDNU 250358 SDU 250100',1)
print(list2)['SDNU ', ' SDU 250100']
5.re.finditer(pattern,string, flags=0)
∙ pattern : 正則表示式的字串或原生字串表示
∙ string :待匹配字串
∙ flags :正則表示式使用時的控制標記
import re
list=re.finditer(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
for element in list:
print(element.group(0))250100
6.re.sub(pattern,repl, string,count=0, flags=0)
∙ pattern : 正則表示式的字串或原生字串表示
∙ repl :替換匹配字串的字串
∙ string :待匹配字串
∙ count :匹配的最大替換次數
∙ flags :正則表示式使用時的控制標記
import re
newStr=re.sub(r'[1-9]\d{5}','1111','SDNU 250358 SDU 250100')
print(newStr)輸出：SDNU 1111 SDU 1111 Re庫另一種等價用法： 函式式用法：一次性操作 rst= re.search(r'[1‐9]\d{5}','BIT 100081') 面向物件用法：編譯後的多次操作pat= re.compile(r'[1‐9]\d{5}')
rst =pat.search('BIT 100081')
match物件：
match物件可以更多的告訴我們匹配的資訊 屬性： .string 待匹配的文字.re 匹配時使用的patter物件（正則表示式）
.pos 正則表示式搜尋文字的開始位置
.endpos 正則表示式搜尋文字的結束位置 方法： .group(0) 獲得匹配後的字串
.start() 匹配字串在原始字串的開始位置
.end() 匹配字串在原始字串的結束位置
.span() 返回(.start(), .end())
例項：
import re
match=re.search(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(match.string)
print(match.re)
print(match.pos)
print(match.endpos)
print(match.group(0))
print(match.start())
print(match.end())
print(match.span())輸出:
SDNU 250358 SDU 250100
re.compile('[1-9]\\d{5}')
0
22
250358
5
11
(5, 11)
Re庫的貪婪匹配和最小匹配
match = re.search(r'PY.*N', 'PYANBNCNDN')
match.group(0)同時匹配長短不同的多項，返回哪一個呢？
Re庫預設採用貪婪匹配，即輸出匹配最長的子串
輸出：PYANBNCNDN 使用最小匹配： *? 前一個字元0次或無限次擴充套件，最小匹配
+? 前一個字元1次或無限次擴充套件，最小匹配
?? 前一個字元0次或1次擴充套件，最小匹配
{m,n}? 擴充套件前一個字元m至n次（含n），最小匹配
match = re.search(r'PY.*?N', 'PYANBNCNDN')
print(match.group(0))輸出：PYAN