python正则表达式

正则表达式（Regex）用于文本匹配，可以大量减少代码编写量。

基本步骤

1. 模块导入

python运用正则表达式首先要导入re模块。

import re

2. 创建对象

再向re.compile()传入字符串表示正则表达式，返回Regex对象，如

phoneNum = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')

字符串前加r表示原始字符串，以免\d被识别为转移字符。

3. 搜索

Regex对象search()方法查找传入的字符串，寻找该正则表达式的所有匹配。如果没有找到，则返回None；如果找到了，则返回Match对象。如

mo = phoneNum.search('My number is 415-555-1234.')
print('Phone number found: ' + mo.group())

其中的group()方法将在下文讲述。

4. 匹配

还可使用match()函数对字符串进行匹配，如

phoneNum.match('415-555-1234.')

综上，我们将希望的模式传递给re.compile()，并得到Regex对象。再用search()方法传入想查找的字符串，并将结果保存在mo中。或者使用match()方法进行匹配。match()是进行完全匹配，而search()是进行搜索，无需完全匹配。

例子

括号分组

在上面的代码中用到了group()方法，它可配合括号()进行分组，如

phoneNum = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
mo = phoneNum.search('My number is 415-555-1234.')

print(mo.group())    # '415-555-1234'
print(mo.group(0))   # '415-555-1234'
print(mo.group(1))   # '415'
print(mo.group(2))   # '555-1234'

其中，传入参数1和2分别代表第1个和第2个括号的匹配，如果是0或空则表示整个匹配。

要想一次性获得所有分组则使用groups()方法（注意单复数），如

print(mo.groups())  # ('415', '555-1234')

括号在正则表达式中有特殊含义，如果需要匹配括号，则需要使用转义字符。

管道分组

要想匹配许多表达式中的1个时就可以使用管道|，如

name = re.compile(r'Alice|Bob')
mo1 = name.search('My name is Alice')
print(mo1.group())   # Alice
mo2 = name.search('My name is Bob')
print(mo2.group())   # Bob
mo3 = name.search('Alice and Bob')
print(mo3.group())   # Alice

这里正则表达式将匹配Alice或Bob，如果两个都有，则匹配第一次出现的。如果需要返回所有匹配，则使用findall()方法，在下一节中讲述。

同理，正则表达式若需要匹配|，则应当用转义字符。

findall()方法

findall()方法返回查找字符串的所有匹配，返回的不是Match对象，而是字符串列表。只要没有分组，列表中的每个字符串都是一段被查找文本，如

phoneNum = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
phoneNum.findall('Cell: 123-456-7890 Work: 987-654-3210')
# ['123-456-7890', '987-654-3210']

如果有分组，则返回元组列表，如

phoneNum = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)')
phoneNum.findall('Cell: 123-456-7890 Work: 987-654-3210')
# [('123', '456', '7890'), ('987', '654', '3210')]

匹配换行

在正则表达式中，句点.称为通配符，它匹配除了换行外的所有字符，如

noLine = re.compile('.*')
noLine.search('Serve the public trust.\nProtect the innocent.\nUphold the law.').group()
# 输出'Serve the public trust.'

这里只匹配到了第1个换行符之前的内容。如果需要通配符.可以匹配换行符，则需要将re.DOTALL作为re.compile()的第2个参数，如

newLine = re.compile('.*', re.DOTALL)
newLine.search('Serve the public trust.\nProtect the innocent.\nUphold the law.').group()
# 输出'Serve the public trust.\nProtect the innocent.\nUphold the law.'

这就匹配了包含换行符在内的所有字符。

大小写

如果不关心大小写可以向re.compile()传入re.IGNORECASE或re.I作为第2个参数，如

robot = re.compile(r'robot', re.I)
robot.search('Robot is AI').group()  # 'Robot'
robot.search('ROBOT is AI').group()  # 'ROBOT'

替换

正则表达式不仅能找到文本模式，并且可以用新文本进行替换。Regex对象的sub()方法可以完成这项工作，其第1个参数是字符串，用于取代发现的匹配；第2个参数是字符串，用于匹配内容。该方法返回替换后的字符串。如

nameSub = re.compile(r'Alice')
nameSub.sub('Bob', 'My name is Alice')
# 输出'My name is Bob'

匹配字符串中的Alice被Bob取代了。

空白

有时候正则表达式很长很复杂，如果需要忽略正则表达式中的空格和注释需要把re.VERBOSE作为第2个参数传递给re.compile()。这样一来，复杂的正则表达式可以写成多行，甚至可以加上注释。