Python 正则表达式（re）基本参考

2019独角兽企业重金招聘Python工程师标准>>>

Python 使用标准库的 re 模块支持正则表达式匹配。该模块的主要内容包括：

 

函数：

• match(pattern, string, flags=0)        从 string 开头匹配 pattern，返回一个匹配对象（match object）或 None
• search(pattern, string, flags=0)        在 string 里查找 pattern 的第一次出现，返回一个匹配对象 或 None
• findall(pattern, string, flags=0)        在 string 里查找 pattern 的所有非重复出现，返回一个包含所有结果的列表
• finditer(pattern, string, flags=0)        同 findall()，不过返回的是一个可迭代对象而非列表
• compile(pattern, flags=0)        预编译正则表达式 pattern，返回一个模式对象（pattern object），也叫正则表达式对象（regex）
• split(pattern, string, maxsplit=0, flags=0)        功能类似于 str 类型的 split 方法，但因可以使用模式对象而更强大
• sub(pattern, repl, string, count=0, flags=0)        功能类似于 Word 的查找替换功能，返回替换后的字符串
• subn(pattern, repl, string, count=0, flags=0)        功能同 sub()，但返回一个包含了替换后字符串和替换处数量的元组

 

匹配对象（match object）的方法（属性）：

• .group([index1[,index2...]])        有index给出时，返回对象的子组字符串，多参数时返回元组。没index时同 .string 属性

• .string 属性        同 .group() 方法无index参数时的结果，即返回一个总的匹配字符串

• .groups([default=None])        返回由全部子组组成的元组

 

模式对象（pattern object）的方法(属性)：

 

'findall', 'finditer', 'flags', 'groupindex', 'groups', 'match', 'pattern', 'scanner', 'search', 'split', 'sub', 'subn'

功能与 re 模块内的函数相同，这里不再列举

 

元字符：

符号	说明	举例
literal	字面量	foo
re1|re2	re1或re2	foo|bar
.	任何字符（换行符除外）	a.c
^	字符串的开始	^Hello
$	字符串的结尾	to be continued$
*	前面的表达式0或多次	[0-9]*
+	前面的表达式1或多次	[a-z]+
?	前面的表达式0或1次	[A-Z]?
{N}	前面的表达式N次	[0-9]{3}
{M,N}	前面的表达式M到N次	[0-9]{1,3}
[...]	字符组中的任何一个	[abcde]
[...M-N...]	M到N中的任何一个	[0-9a-zA-Z]
[^...]	不匹配此字符组中的任何一个	[^aeiou]
(...)	匹配括号中的表达式并保存为子组	(foo)
(*|+|?|{})  ?	当可重复时尽可能少匹配	[0-9]+?
特殊字符	说明	举例
\d	任何数字，等同[0-9]	\d
\D	任何非数字，\d反义词，等同[^0-9]	\D
\w	任何数字和字母，等同[A-Za-z0-9]，\W是反义词	\w
\s	任何空白字符，等同[\n\t\r\f\v]，\S是反义词	Hello\sWorld
\b	单词的边界，\B是反义词	\bThe\b
\nn	已保存的子组	price: \16
\	转义字符，表示后面的符号自身（去除特殊意义）	\.
\A	字符串的起始，\Z是结束	to be continued\Z

除了上面罗列的这些，还有一些更高级的语法，比如 (?...)系列 。详情可参考官方文档：http://docs.python.org/3.3/library/re.html#regular-expression-syntax

个别内容解释：

\b

\bthe	以“the”开始的字符串
\bthe\b	单词“the”
\Bthe	包含“the”但不以之开头

（）

小括号的作用有两个，一是可以把多个单字符组合起来使用“重复操作符”装饰，比如 foo+ 匹配的是 fo 和 o+ 的组合，但（foo）+ 匹配的则是整个 'foo' 重复至少一次的组合。括号的另一个作用是创建子组。

(*|+|?|{})  ?

这个操作符看起来有点乱，其重点其实是最后的那个“？”。它连接在重复操作符的后面，表示此重复操作符应当匹配“尽可能少”的字符。说尽可能少是因为重复操作符可以匹配的模式长度是不定的，比如 '\d+' 这个表达式如果遇到 '123' 这个字符串，那么它匹配出 '1', '12', '123' 都是对的。这种情况下 re 模块遵循的原则是“贪心算法”，即尽可能多的匹配，所以前面的例子会返回 '123' 。而如果在表达式的重复操作符（比如例子里的 '+'）后面再加一个“？”，它就会选择最少的一种匹配模式，这时前面的例子会返回 '1' 。

所以，拿 \d 来举例：'\d+?' 等效于 '\d'；'\d*?' 等效于 ''，即空字符， 就是说 '\d*?' 实际什么都匹配不上。那么这个“？”到底有什么作用呢，它其实比较典型的应用是在“连续的重复匹配”操作上，用以避免“贪心算法”可能带来的副作用。比方说，对于‘hao123’这个字符串，我们想把‘123’匹配出来，如果写成‘(\w+)(\d+)’的话，贪心算法返回的子组是‘hao12’和‘3’。而若写成‘(\w+?)(\d+)’的话，就可以返回‘hao’和‘123’了。

>>> re.match('(\w+?)(\d+)','hao123').groups()
('hao', '123')
>>> re.match('(\w+)(\d+)','hao123').groups()
('hao12', '3')

匹配对象的 .group() 和 .groups() 方法

group() 方法或者返回所有匹配对象或是根据要求返回某个特定子组。groups() 则很简单，它返回一个包含唯一或所有子组的元组。如果正则表达式中没有子组的话， groups() 将返回一个空元组，而 group() 仍会返回全部匹配对象。

split() 函数（方法）

本函数和 str.split() 方法功能类似，都是分割字符串用的，不过这里可以使用一个模式对象而非字符串来做分割符，这点略强：

>>> 'www.baidu.com'.split('.')
['www', 'baidu', 'com']
>>> re.split('[()]','节(xi)哀(wen)顺(le)变(jian)')
['节', 'xi', '哀', 'wen', '顺', 'le', '变', 'jian', '']

在使用 split 时要注意可能产生的空字符串 '' 。

转载于:https://my.oschina.net/lionets/blog/192280