Python Re 模块超全解读

re模块下的函数

compile(pattern)：创建模式对象

import re pat=re.compile('A') m=pat.search('CBA') #等价于 re.search('A','CBA') print m <_sre.SRE_Match object at 0x9d690c8>   #匹配到了，返回MatchObject（True） m=pat.search('CBD') print m None #没有匹配到，返回None（False）

search(pattern,string)：在字符串中寻找模式

m = re.search('asd','ASDasd') print m <_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了，返回MatchObject（True） m = re.search('asd','ASDASD') print m None #没有匹配到，返回None（False）

match(pattern,string)：在字符串开始处匹配模式

m = re.search('asd','ASDasd') print m <_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了，返回MatchObject（True） m = re.search('asd','ASDASD') print m None #没有匹配到，返回None（False）

等价于

pat=re.compile('a') print pat.match('Aasd') None printpat.match('aASD') <_sre.SRE_Match object at 0xb72cd6e8>

上面的函数返回都可以在if条件语句中进行判断：

if pat.search('asd'): ... print 'OK' ... OK #找到返回 if re.search('a','ASD'): ... print "OK" ... #没有找到

split(pattern,string)：根据模式分割字符串,返回列表

re.split(',','a,s,d,asd') ['a', 's', 'd', 'asd'] #返回列表 pat = re.compile(',') pat.split('a,s,d,asd') ['a', 's', 'd', 'asd'] #返回列表 re.split('[, ]+','a ,  s  ,d     ,,,,,asd') #正则匹配：[, ]+，后面说明 ['a', 's', 'd', 'asd'] re.split('[, ]+','a ,  s  ,d     ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数 ['a', 's', 'd     ,,,,,asd'] pat = re.compile('[, ]+') #正则匹配：[, ]+，后面说明 pat.split('a ,  s  ,d     ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数 ['a', 's', 'd     ,,,,,asd']

findall(pattern,string)：列表形式返回匹配项

re.findall('a','ASDaDFGAa') ['a', 'a'] #列表形式返回匹配到的字符串 pat = re.compile('a') pat.findall('ASDaDFGAa') ['a', 'a'] #列表形式返回匹配到的字符串 pat = re.compile('[A-Z]+') #正则匹配：'[A-Z]+' 后面有说明 pat.findall('ASDcDFGAa') ['ASD', 'DFGA'] #找到匹配到的字符串 pat = re.compile('[A-Z]') pat.findall('ASDcDFGAa') #正则匹配：'[A-Z]+' 后面有说明 ['A', 'S', 'D', 'D', 'F', 'G', 'A'] #找到匹配到的字符串 pat = re.compile('[A-Za-z]') #正则匹配：'[A-Za-z]+' 匹配所有单词，后面有说明 pat.findall('ASDcDFGAa') ['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a']

sub(pat,repl,string) ：用repl替换 pat匹配项

(留的是中间的，因为中间在中心)

re.sub('a','A','abcasd') #找到a用A替换，后面见和group的配合使用 'AbcAsd' pat = re.compile('a') pat.sub('A','abcasd') 'AbcAsd' pat=re.compile(r'www\.(.*)\..{3}') #正则表达式 #在Python的string前面加上‘r’， 是为了告诉编译器这个string是个raw string，不要转译反斜杠 '\' 。 #例如，\n 在raw string中，是两个字符，\和n， 而不会转译为换行符。 #由于正则表达式和 \ 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上'r'。 #与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。 #假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"： #前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。 #Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。 #同样，匹配一个数字的"\\d"可以写成r"\d"。 #有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。 #不是说 加了r \就没有转译功能，好乱，就直接记住1句话： #当一个字符串使用了正则表达式后，最好在前面加上'r'，这样你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观 pat.match('www.dxy.com').group(1) 'dxy' re.sub(r'www\.(.*)\..{3}',r'\1','hello,www.dxy.com') pat.sub(r'\1','hello,www.dxy.com') 'hello,dxy' # r'1' 是第一组的意思 #通过正则匹配找到符合规则的"www.dxy.com" ，取得 组1字符串 去替换 整个匹配。 pat=re.compile(r'(\w+) (\w+)') #正则表达式 s='hello world ! hello hz !' pat.findall('hello world ! hello hz !') [('hello', 'world'), ('hello', 'hz')] pat.sub(r'\2 \1',s) #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。   'world hello!hz hello!'

escape(string) ：对字符串里面的特殊字符串进行转义

re.escape('www.dxy.cn') 'www\\.dxy\\.cn' #转义

上面的函数中，只有match、search有group方法，其他的函数没有。

函数的方法

group：获取子模式(组)的匹配项

pat = re.compile(r'www\.(.*)\.(.*)') #用()表示1个组，2个组 m = pat.match('www.dxy.com') m.group() #默认为0，表示匹配整个字符串   'www.dxy.com' m.group(1) #返回给定组1匹配的子字符串 'dxy' m.group(2) 'com'

start：给定组匹配项的开始位置

m.start(2) #组2开始的索引 8

end：给定组匹配项的结束位置

m.end(2) #组2结束的索引 11

span： 给定组匹配项的开始结束位置

m.span(2) #组2开始、结束的索引 (8, 11)

正则表达式

元字符

“.” ：通配符,除换行符外的任意的1个字符

pat=re.compile('.') pat.match('abc') <_sre.SRE_Match object at 0xb72b6170> pat.match('abc').group() 'a' #匹配到了首个字符 pat.search('abc').group() 'a' pat.match('\n').group() #换行符匹配出错 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group'

“\” : 转义符

pat=re.compile('\.') pat.search('abc.efg').group() #匹配到. '.' pat.findall('abc.efg') #不用group,返回列表 ['.']

“[…]” : 字符集合，匹配里面的任意一个元素

>>> pat=re.compile('[abc]') >>> pat.match('axbycz').group() 'a' >>> pat.search('axbycz').group() 'a' >>> pat.findall('axbycz') ['a', 'b', 'c']

“\d” : 数字

>>> pat=re.compile('\d') >>> pat.search('ax1by2cz3').group() #匹配到第一个数字:1，返回 '1' >>> pat.match('ax1by2cz3').group() #匹配不到（首个不是）返回None，报错，match匹配字符串头 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> pat.findall('ax1by2cz3') #匹配所有的数字，列表返回 ['1', '2', '3']

“\D” : 非数字

>>> pat=re.compile('\D') >>> pat.match('ax1by2cz3').group() 'a' >>> pat.search('ax1by2cz3').group() 'a' >>> pat.findall('ax1by2cz3') ['a', 'x', 'b', 'y', 'c', 'z']

“\s” ：空白字符 、 \t、\r、\n、空格

>>> pat=re.compile('\s') >>> pat.findall('\rax1 \nby2 \tcz3') ['\r', ' ', '\n', ' ', '\t'] >>> pat.search('\rax1 \nby2 \tcz3').group() '\r' >>> pat.match('\rax1 \nby2 \tcz3').group() '\r'

“S” :非空白字符

>>> pat=re.compile('\S') >>> pat.search('\rax1 \nby2 \tcz3').group() 'a' >>> pat.findall('\rax1 \nby2 \tcz3') ['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3']

“\w” ：单个的 数字和字母，[A-Za-z0-9]

>>> pat=re.compile('\w') >>> pat.search('1a2b3c').group() '1' >>> pat.findall('1a2b3c') ['1', 'a', '2', 'b', '3', 'c'] >>> pat.match('1a2b3c').group() '1'

“\W”:非单词字符,除数字和字母外

>>> pat=re.compile('\W') >>> pat.findall('1a2我b3c') #python是用三字节表示一个汉字 ['\xe6', '\x88', '\x91'] >>> pat.search('1a2我b3c').group() '\xe6'

数量词

“*” ：0次或多次

（ 乘0会变成0）

>>> pat = re.compile('[abc]*') >>> pat.match('abcabcdefabc').group() 'abcabc' #2次 >>> pat.search('abcabcdefabc').group() 'abcabc' #2次 >>> pat.findall('abcabcdefabc') ['abcabc', '', '', '', 'abc', ''] #2次和1次,因为有0次，所以匹配了''

“+” ：1次或多次

（ 加0不会变成0）

>>> pat = re.compile('[abc]+') >>> pat.match('abcdefabcabc').group() 'abc' >>> pat.search('abcdefabcabc').group() 'abc' >>> pat.findall('abcdefabcabc') ['abc', 'abcabc']

“?” ：0次或1次，match,search 不会出现none，会出现’ ‘ （因为0次也是符合的）

0次或1次不是指[xxx]这个集合，而是其中的任何的一个字符

>>> pat = re.compile('[abc]?') >>> pat.match('defabc').group() #0次 '' >>> pat.match('abcdefabc').group() 'a' >>> pat.search('defabc').group() #0次 '' >>> pat.findall('defabc') #0次和1次 ['', '', '', 'a', 'b', 'c', ''] #后面总再加个''

“数量词?” ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）

>>> pat = re.compile('[abc]+') #贪婪模式 >>> pat.match('abcdefabcabc').group() #匹配尽可能多的：abc 'abc' >>> pat.match('bbabcdefabcabc').group() 'bbabc' >>> pat.search('dbbabcdefabcabc').group() 'bbabc' >>> pat.findall('abcdefabcabc') ['abc', 'abcabc'] >>> pat = re.compile('[abc]+?') #非贪婪模式：+? >>> pat.match('abcdefabcabc').group() #匹配尽可能少的：a、b、c 'a' >>> pat.search('dbbabcdefabcabc').group() 'b' >>> pat.findall('abcdefabcabc') ['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']

“{m}” ：匹配字符串出现m次

>>> pat = re.compile('[op]{2}') #o或p出现2次 >>> pat.search('abcooapp').group() #匹配第一次出现的字符串,o比p先出现 'oo' >>> pat.findall('abcooapp') #匹配出现的所有字符串，列表形式返回 ['oo', 'pp']

“{m,n}” ：匹配字符串出现m到n次

>>> pat = re.compile('[op]{2,4}') #o或则p出现2到4次 >>> pat.match('pppabcooapp').group() #匹配开头 'ppp' >>> pat.search('pppabcooapp').group() #匹配第一次出现 'ppp' >>> pat.findall('pppabcooapp') #匹配所有 ['ppp', 'oo', 'pp']

.group() #匹配第一次出现

边界

“^” ：匹配字符串开头或行头

>>> pat = re.compile('^[abc]') #开头是a、b、c中的任意一个 >>> pat.search('defabc').group() >>> pat.match('defabc').group() #均找不到 >>> pat.findall('defabc') [] >>> pat.search('adefabc').group() 'a' >>> pat.match('adefabc').group() #开头是a、b、c中的任意一个 'a' >>> pat.findall('adefabc') ['a'] >>> pat = re.compile('^[abc]+') #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个 >>> pat.findall('cbadefab') ['cba'] >>> pat = re.compile(r'^[abc]+?') #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个 >>> pat.findall('cbadefab') ['c']

“$” ：匹配字符串结尾或则行尾

>>> pat = re.compile('[abc]$') >>> pat.match('adefAbc').group() #match匹配的是字符串开头，所以查找$的时，总是返回None >>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个 'c' >>> pat.findall('adefAbc') ['c'] >>> pat = re.compile('[abc]+$') >>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个 'bc' >>> pat.findall('adefAbc') ['bc']

“\A”：匹配字符串开头

>>> pat = re.compile('\A[abc]+') >>> pat.findall('cbadefab') ['cba'] >>> pat.search('cbadefab').group() 'cba'

“\Z”：匹配字符串结尾

>>> pat = re.compile('[abc]+\Z') >>> pat.search('cbadefab').group() 'ab' >>> pat.findall('cbadefab') ['ab']

分组

(…)：分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词

>>> pat=re.compile(r'(a)\w(c)') #\w:单个的数字或字母 [A-Za-z0-9] >>> pat.match('abcdef').group() 'abc' >>> pat=re.compile('(a)b(c)') #分2组，匿名分组 >>> pat.match('abcdef').group() #默认返回匹配的字符串 'abc' >>> pat.match('abcdef').group(1) #取分组1，适用于search 'a' >>> pat.match('abcdef').group(2) #取分组2，适用于search 'c' >>> pat.match('abcdef').groups() #取所有分组，元组形式返回 ('a', 'c')

<number>：引用编号为<number>的分组匹配到的字符串

>>> pat=re.compile(r'www\.(.*)\..{3}') >>> pat.match('www.dxy.com').group(1) 'dxy'

“(?P<name>…)” ：在模式里面用()来表示分组（命名分组）,适用于提取目标字符串中的某一些部位。

>>> pat=re.compile(r'(?P<K>a)\w(c)') #分2组：命名分组+匿名分组 >>> pat.search('abcdef').groups() #取所有分组，元组形式返回 ('a', 'c') >>> pat.search('abcdef').group(1) #取分组1，适用于match 'a' >>> pat.search('abcdef').group(2) #取分组2，适用于match 'c' >>> pat.search('abcdef').group() #默认返回匹配的字符串 'abc' >>> pat.search('abcdef').groupdict() #命名分组可以返回一个字典【专有】，匿名分组也没有 {'K': 'a'}

“(?P=name)”：引用别名为<name>的分组匹配到的串

>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)') #(?P=K)引用分组1的值，就是a >>> pat.search('abcdef').group() #匹配不到，因为完整'a\wca',模式的第4位是a Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> pat.search('abcadef').group() #匹配到，模式的第4位和组1一样,值是c 'abca' >>> pat.search('abcadef').groups() ('a', 'c') >>> pat.search('abcadef').group(1) 'a' >>> pat.search('abcadef').group(2) 'c

“<number>” ：引用分组编号匹配：

>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)\2') #\2引用分组2的值，就是c >>> pat.findall('Aabcadef') #匹配不到，因为完整'a\wcac',模式的第5位是c [] >>> pat.findall('Aabcacdef') #匹配到，模式的第5位和组2一样,值是c [('a', 'c')] >>> pat.search('Aabcacdef').groups() ('a', 'c') >>> pat.search('Aabcacdef').group() 'abcac' >>> pat.search('Aabcacdef').group(1) 'a' >>> pat.search('Aabcacdef').group(2) 'c'

特殊构造

• (?:…) (…)不分组版本,用于使用 | 或者后接数量词
• (?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
• (?#…) #号后的内容将作为注释
• (?=…) 之后的字符串内容需要匹配表达式才能成功匹配
• (?!…) 之后的字符串不匹配表达式才能成功
• (?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

“(?:…)” ：()里面有?:表示该()不是分组

>>> pat=re.compile(r'a(?:bc)') >>> pat.findall('abc') ['abc'] >>> pat.match('abc').groups() #显示不出分组

“(?=…)”：匹配…表达式，返回。对后进行匹配，总是对后面进行匹配

>>> pat=re.compile(r'\w(?=\d)') #匹配表达式\d，返回数字的前一位，\w：单词字符[A-Za-z0-9] >>> pat.findall('abc1 def1 xyz1') ['c', 'f', 'z'] >>> pat.findall('zhoujy20130628hangzhou') #匹配数字的前一位，列表返回 ['y', '2', '0', '1', '3', '0', '6', '2'] >>> pat=re.compile(r'\w+(?=\d)') >>> pat.findall('abc1,def1,xyz1') #匹配最末数字的前字符串，列表返回 ['abc', 'def', 'xyz'] >>> pat.findall('abc21,def31,xyz41') ['abc2', 'def3', 'xyz4'] >>> pat.findall('zhoujy20130628hangzhou') ['zhoujy2013062'] >>> pat=re.compile(r'[A-Za-z]+(?=\d)') #[A-Za-z],匹配字母,可以用其他的正则方法 >>> pat.findall('zhoujy20130628hangzhou123') #匹配后面带有数字的字符串，列表返回 ['zhoujy', 'hangzhou'] >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz']

“(?!…)” 不匹配…表达式，返回。对后进行匹配

>>> pat=re.compile(r'[A-Za-z]+(?!\d)') #[A-Za-z],匹配字母,可以用其他的正则方法 >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') #匹配后面不是数字的字符串，列表返回 ['zhouj', 'hangzho', 'binjian'] >>> pat.findall('abc21,def31,xyz41') ['ab', 'de', 'xy']

“(?<=…)”：匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r'(?<=\d)[A-Za-z]+') #匹配前面是数字的字母 >>> pat.findall('abc21,def31,xyz41') [] >>> pat.findall('1abc21,2def31,3xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['hangzhou']

“(?<!…)”：不匹配…表达式，返回。对前进行匹配,总是对前面进行匹配

>>> pat=re.compile(r'(?<!\d)[A-Za-z]+') #匹配前面不是数字的字母 >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['zhoujy', 'angzhou', 'binjiang']

“(?(id/name) yes |no)”: 组是否匹配，匹配返回

>>> pat=re.compile(r'a(\d)?bc(?(1)\d)') #no省略了，完整的是a\dbc\d ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字 >>> pat.findall('abc9') #返回组1，但第2位（组1）没有，即返回了'' [''] >>> pat.findall('a8bc9') #完整的模式，返回组1 ['8'] >>> pat.match('a8bc9').group() 'a8bc9' >>> pat.match('a8bc9').group(1) '8' >>> pat.findall('a8bc') #第5位不存在，则没有匹配到 []

“(?iLmsux)”:这里就介绍下i参数：大小写区分匹配

>>> pat=re.compile(r'abc') >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') [] >>> pat=re.compile(r'(?i)abc') #(?i) 不区分大小写 >>> pat.findall('ABC') ['ABC'] >>> pat.findall('abc') ['abc'] >>> pat.findall('aBc') ['aBc'] >>> pat.findall('aBC') ['aBC'] >>> pat=re.compile(r'abc',re.I) #re.I 作为参数使用，推荐 >>> pat.findall('aBC') ['aBC'] >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') ['ABC']