python——正则表达式（re）_python re正则

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。

一、正则表达式基础

1、限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。

正则表达式的限定符有：

以下正则表达式匹配一个正整数，[1-9]设置第一个数字不是 0，[0-9]* 表示任意多个数字：

[1-9][0-9]*

2、普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

3、非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

---

4、特殊字符

所谓特殊字符，就是一些有特殊含义的字符，如上面说的 runoo*b 中的 *，简单的说就是表示任何字符串的意思。如果要查找字符串中的 * 符号，则需要对 * 进行转义，即在其前加一个 \: runo\*ob 匹配 runo*ob。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

5、定位符

定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。

定位符用来描述字符串或单词的边界，^ 和 $ 分别指字符串的开始与结束，\b 描述单词的前或后边界，\B 表示非单词边界。

正则表达式的定位符有：

注意：不能将限定符与定位符一起使用。由于在紧靠换行或者单词边界的前面或后面不能有一个以上位置，因此不允许诸如 ^* 之类的表达式。

若要匹配一行文本开始处的文本，请在正则表达式的开始使用 ^ 字符。不要将 ^ 的这种用法与中括号表达式内的用法混淆。

若要匹配一行文本的结束处的文本，请在正则表达式的结束处使用 $ 字符。

6、选择

用圆括号 () 将所有选择项括起来，相邻的选择项之间用 | 分隔。

() 表示捕获分组，() 会把每个分组里的匹配的值保存起来， 多个匹配值可以通过数字 n 来查看(n 是一个数字，表示第 n 个捕获组的内容)。

邮箱匹配：[a-zA-Z0-9]{4,20}@(163|126|qq)\.com$

7、分组

" | "除了隔开选项外，还可以做分组使用，如果在做了有多个选择的任务时，需要取出里面某个选项做法（与group系列连用）

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

In [16]: re.match(r"([a-zA-Z0-9]{4,20})@(163|126|qq)\.com$", "hmh990506@163.com").group(1)
Out[16]: 'hmh990506'

In [17]: re.match(r"([a-zA-Z0-9]{4,20})@(163|126|qq)\.com$", "hmh990506@163.com").groups((1,2))
Out[17]: ('hmh990506', '163')

二、python正则表达式模块（re）

Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

1、re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

函数语法：re.match(pattern, string, flags=0)

函数参数说明：

匹配成功re.match方法返回一个匹配的对象，否则返回None。

import re
 
def main():
    reg = re.match(r"hello", "hello world")
    print(reg)
    return None
 
if __name__ == '__main__':
    main()

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

三、python中re的高级操作

1、re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法：re.search(pattern, string, flags=0)

函数参数说明：

匹配成功re.search方法返回一个匹配的对象，否则返回None。

需求：匹配出文章阅读的次数

• In [24]: re.search(r"\d+", "阅读次数为 9999999").group()
  Out[24]: '9999999'

（1）re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

2、re.findall方法

寻找所有符合正则的项

需求：统计出python、C、C++相应文章阅读的次数

• In [25]: ret = re.findall(r"\d+", "python：7777，C：456321，C++：9999")

  In [26]: print(ret)
  ['7777', '456321', '9999']

3、re.sub方法

功能：将匹配到的项进行替换

语法：re.sub(regStr，"替换项"，"待匹配字串")

• In [27]: re.sub("\d+", "998", "python=997，C++=10245")
  Out[27]: 'python=998，C++=998'
• 注：sub方法中用于替换的地方可以用函数代替

import re
 
def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)
 
def mySub():
    ret = re.sub(r"\d+", add, "python = 997")
    print(ret)
 
if __name__ == '__main__':
    mySub()

4、re.split方法

功能：根据匹配进行切割字符串，并返回一个列表

import re
 
def mySplit():
    ret = re.split(r":| ", "info:hanmh- 21 shanxi")
    print(ret)
 
if __name__ == '__main__':
    mySplit()

四、简单案例

1、简单判断变量名是否符合要求、匹配结尾开头

import re
 
def main():
    names = ["age", "_age", "1age", "age1", "a_age", "age123", "age!", "a#123", "_________"]
    for name in names:
        #match只匹配出符合条件的一部分
        ret = re.match(r"[a-zA-Z][a-zA-Z0-9_]*$", name)
        if ret:
            print("变量名：%s 符合要求，通过正则匹配出来的数据是：%s...." % (name, ret.group()))
        else:
            print("变量名：%s 不符合要求...." % name)
    return None
 
if __name__ == '__main__':
    main()

2、匹配网易邮箱（受限邮箱匹配）

@前面必须满足是4到20位字母或数字的组合

import re
 
def main():
    email = input("请输入一个网易邮箱地址：")
    ret = re.match(r"[a-zA-Z0-9]{4,20}@163\.com$", email)
 
    if ret:
        print("%s 是符合要求的邮箱地址...." % email)
    else:
        print("%s 不是符合要求的邮箱地址...." % email)
    return None
 
if __name__ == '__main__':
    main()

（1）多家邮箱匹配支持

import re
 
def main():
    while True:
        email = input("请输入一个邮箱地址：")
        ret = re.match(r"[a-zA-Z0-9]{4,20}@(163|126|qq)\.com$", email)
        if ret and ret is not "exit":
            print("%s 是符合要求的邮箱地址...." % email)
        elif ret:
            print("%s 不是符合要求的邮箱地址...." % email)
        else:
            print("结束匹配操作......")
            break
    return None
 
if __name__ == '__main__':
    main()

3、判断用户输入的HTML语句是否是正确的？（前后是否配对）

（1）匹配单对语句

In [18]: re.match(r"<(\w*)>.*</\1>", "<h1>hanmh</h1>")
Out[18]: <re.Match object; span=(0, 14), match='<h1>hanmh</h1>'>

In [19]: re.match(r"<(\w*)>.*</\1>", "<h1>hanmh</h2>")   //不匹配

（2）匹配两对在一起的HTML语句

In [20]: re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<body><h1>hanmh</h1></body>")
Out[20]: <re.Match object; span=(0, 27), match='<body><h1>hanmh</h1></body>'>