Python 正則表達式

Python 正則表達式

正則表達式是一個特殊的字符序列，它能幫助你方便的檢查一個字符串是否與某種模式匹配。Python 自 1.5 版本起增加了 re 模塊，它提供 Perl 風格的正則表達式模式。

re 模塊使 Python 語言擁有全部的正則表達式功能。

compile 函數(shù)根據(jù)一個模式字符串和可選的標志參數(shù)生成一個正則表達式對象。該對象擁有一系列方法用于正則表達式匹配和替換。

re 模塊也提供了與這些方法功能完全一致的函數(shù)，這些函數(shù)使用一個模式字符串做為它們的第一個參數(shù)。

本章節(jié)主要介紹 Python 中常用的正則表達式處理函數(shù)。

re.match 函數(shù)

re.match 嘗試從字符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。

函數(shù)語法：

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

函數(shù)參數(shù)說明：

匹配成功 re.match 方法返回一個匹配的對象，否則返回 None。

我們可以使用 group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達式。

實例：

#!/usr/bin/python
import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:
   print "matchObj.group() : ", matchObj.group()
   print "matchObj.group(1) : ", matchObj.group(1)
   print "matchObj.group(2) : ", matchObj.group(2)
else:
   print "No match!!"

以上實例執(zhí)行結果如下：

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

re.search方法

re.search 會在字符串內(nèi)查找模式匹配，直到找到第一個匹配。

函數(shù)語法：

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

函數(shù)參數(shù)說明：

匹配成功 re.search 方法返回一個匹配的對象，否則返回 None。

我們可以使用 group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達式。

實例：

#!/usr/bin/python
import re

line = "Cats are smarter than dogs";

searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:
   print "searchObj.group() : ", searchObj.group()
   print "searchObj.group(1) : ", searchObj.group(1)
   print "searchObj.group(2) : ", searchObj.group(2)
else:
   print "Nothing found!!"

以上實例執(zhí)行結果如下：

searchObj.group() :  Cats are smarter than dogs
searchObj.group(1) :  Cats
searchObj.group(2) :  smarter

re.match 與 re.search 的區(qū)別

re.match 只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數(shù)返回 None；而 re.search 匹配整個字符串，直到找到一個匹配。

實例：

#!/usr/bin/python
import re

line = "Cats are smarter than dogs";

matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
   print "match --> matchObj.group() : ", matchObj.group()
else:
   print "No match!!"

matchObj = re.search( r'dogs', line, re.M|re.I)
if matchObj:
   print "search --> matchObj.group() : ", matchObj.group()
else:
   print "No match!!"

以上實例運行結果如下：

No match!!
search --> matchObj.group() :  dogs

檢索和替換

Python 的 re 模塊提供了 re.sub 用于替換字符串中的匹配項。

語法：

re.sub(pattern, repl, string, max=0)

返回的字符串是在字符串中用 RE 最左邊不重復的匹配來替換。如果模式?jīng)]有發(fā)現(xiàn)，字符將被沒有改變地返回。

可選參數(shù) count 是模式匹配后替換的最大次數(shù)；count 必須是非負整數(shù)。缺省值是 0 表示替換所有的匹配。

實例：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import re
 
phone = "2004-959-559 # 這是一個國外電話號碼"
 
# 刪除字符串中的 Python注釋 
num = re.sub(r'#.*$', "", phone)
print "電話號碼是: ", num
 
# 刪除非數(shù)字(-)的字符串 
num = re.sub(r'\D', "", phone)
print "電話號碼是 : ", num

以上實例執(zhí)行結果如下：

電話號碼 :  2004-959-559
電話號碼 :  2004959559

repl 參數(shù)是一個函數(shù)

以下實例中將字符串中的匹配的數(shù)字乘以 2：

實例：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import re
 
# 將匹配的數(shù)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(zhí)行輸出結果為：

A46G8HFD1134

re.compile 函數(shù)

compile 函數(shù)用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數(shù)使用。

語法格式為：

re.compile(pattern[, flags])

參數(shù)：

• pattern : 一個字符串形式的正則表達式
• flags : 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數(shù)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 依賴于當前環(huán)境
  3. re.M 多行模式
  4. re.S 即為 . 并且包括換行符在內(nèi)的任意字符（. 不包括換行符）
  5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫
  6. re.X 為了增加可讀性，忽略空格和 # 后面的注釋

實例

>>>import re
>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一個數(shù)字
>>> m = pattern.match('one12twothree34four')        # 查找頭部，沒有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配
>>> print m                                         # 返回一個 Match 對象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0)   # 可省略 0
'12'
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0
5
>>> m.span(0)    # 可省略 0
(3, 5)

在上面，當匹配成功時返回一個 match 對象，其中：

• group([group1, …]) 方法用于獲得一個或多個分組匹配的字符串，當要獲得整個匹配的子串時，可直接使用 group() 或 group(0)；
• start([group]) 方法用于獲取分組匹配的子串在整個字符串中的起始位置（子串第一個字符的索引），參數(shù)默認值為 0；
• end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結束位置（子串最后一個字符的索引+1），參數(shù)默認值為 0；
• span([group]) 方法返回 (start(group), end(group))。

再看看一個例子：

>>>import re
>>> 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 對象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0)                            # 返回匹配成功的整個子串
'Hello World'
>>> m.span(0)                             # 返回匹配成功的整個子串的索引
(0, 11)
>>> m.group(1)                            # 返回第一個分組匹配成功的子串
'Hello'
>>> m.span(1)                             # 返回第一個分組匹配成功的子串的索引
(0, 5)
>>> m.group(2)                            # 返回第二個分組匹配成功的子串
'World'
>>> m.span(2)                             # 返回第二個分組匹配成功的子串
(6, 11)
>>> m.groups()                            # 等價于 (m.group(1), m.group(2), ...)
('Hello', 'World')
>>> m.group(3)                            # 不存在第三個分組
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: no such group

findall

在字符串中找到正則表達式所匹配的所有子串，并返回一個列表，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。

語法格式為：

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

參數(shù)：

• string : 待匹配的字符串。
• pos : 可選參數(shù)，指定字符串的起始位置，默認為 0。
• endpos : 可選參數(shù)，指定字符串的結束位置，默認為字符串的長度。

查找字符串中的所有數(shù)字：

# -*- coding:UTF8 -*-
 
import re
 
pattern = re.compile(r'\d+')   # 查找數(shù)字
result1 = pattern.findall('school 123 google 456')
result2 = pattern.findall('sch88ool123google456', 0, 10) 
print(result1)
print(result2)

輸出結果：

['123', '456']
['88', '12']

re.finditer

和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，并把它們作為一個迭代器返回。

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

參數(shù)：

實例：

# -*- coding: UTF-8 -*-
 
import re
 
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

輸出結果：

12 
32 
43 
3

re.split

split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

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

參數(shù)：

實例：

>>>import re
>>> re.split('\W+', 'w3cschool, w3cschool, w3cschool.')
['w3cschool', 'w3cschool', 'w3cschool', '']
>>> re.split('(\W+)', ' w3cschool, w3cschool, w3cschool.') 
['', ' ', 'w3cschool', ', ', 'w3cschool', ', ', 'w3cschool', '.', '']
>>> re.split('\W+', ' w3cschool, w3cschool, w3cschool.', 1) 
['', 'w3cschool, w3cschool, w3cschool.']
 
>>> re.split('a*', 'hello world')   # 對于一個找不到匹配的字符串而言，split 不會對其作出分割
['hello world']

正則表達式修飾符 - 可選標志

正則表達式可以包含一些可選標志修飾符來控制匹配的模式。修飾符被指定為一個可選的標志。多個標志可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設置成 I 和 M 標志：

正則表達式模式

模式字符串使用特殊的語法來表示一個正則表達式：

字母和數(shù)字表示他們自身。一個正則表達式模式中的字母和數(shù)字匹配同樣的字符串。

多數(shù)字母和數(shù)字前加一個反斜杠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。

反斜杠本身需要使用反斜杠轉義。

由于正則表達式通常都包含反斜杠，所以你最好使用原始字符串來表示它們。模式元素(如 r'/t'，等價于'//t')匹配相應的特殊字符。

下表列出了正則表達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志參數(shù)，某些模式元素的含義會改變。

正則表達式實例

字符匹配

字符類

特殊字符類