Python 正则表达式

原文： https://thepythonguru.com/python-regular-expression/

于 2020 年 1 月 7 日更新

正则表达式广泛用于模式匹配。 Python 具有对常规功能的内置支持。 要使用正则表达式，您需要导入re模块。

  1. import re

现在您可以使用正则表达式了。

search方法

re.search()用于查找字符串中模式的第一个匹配项。

语法： re.search(pattern, string, flags[optional])

re.search()方法接受模式和字符串，并在成功时返回match对象；如果找不到匹配项，则返回None。 match对象具有group()方法，该方法在字符串中包含匹配的文本。

您必须使用原始字符串来指定模式，即像这样用r开头的字符串。

  1. r'this \n'

所有特殊字符和转义序列在原始字符串中均失去其特殊含义，因此\n不是换行符，它只是一个反斜杠\后跟一个n。

  1. >>> import re
  2. >>> s = "my number is 123"
  3. >>> match = re.search(r'\d\d\d', s)
  4. >>> match
  5. <_sre.SRE_Match object; span=(13, 16), match='123'>
  6. >>> match.group()
  7. '123'

上面我们使用\d\d\d作为模式。 \d正则表达式匹配一位数字，因此

\d\d\d将匹配111，222和786之类的数字。 它与12和1444不匹配。

正则表达式中使用的基本模式

符号 描述
. 点匹配除换行符以外的任何字符
\w 匹配任何单词字符，即字母，字母数字，数字和下划线（_）
\W 匹配非单词字符
\d 匹配一个数字
\D 匹配不是数字的单个字符
\s 匹配任何空白字符，例如\n，\t，空格
\S 匹配单个非空白字符
[abc] 匹配集合中的单个字符，即匹配a，b或c
[^abc] 匹配a，b和c以外的单个字符
[a-z] 匹配a至z范围内的单个字符。
[a-zA-Z] 匹配a-z或A-Z范围内的单个字符
[0-9] 匹配0-9范围内的单个字符
^ 匹配从字符串开头开始
$ 匹配从字符串末尾开始
+ 匹配一个或多个前面的字符（贪婪匹配）。
* 匹配零个或多个前一个字符（贪婪匹配）。

再举一个例子：

  1. import re
  2. s = "tim email is tim@somehost.com"
  3. match = re.search(r'[\w.-]+@[\w.-]+', s)
  5. # the above regular expression will match a email address
  7. if match:
  8.     print(match.group())
  9. else:
  10.     print("match not found")

这里我们使用了[\w.-]+@[\w.-]+模式来匹配电子邮件地址。 成功后，re.search()返回一个match对象，其group()方法将包含匹配的文本。

捕捉组

组捕获允许从匹配的字符串中提取部分。 您可以使用括号()创建组。 假设在上面的示例中，我们想从电子邮件地址中提取用户名和主机名。 为此，我们需要在用户名和主机名周围添加()，如下所示。

  1. match = re.search(r'([\w.-]+)@([\w.-]+)', s)

请注意，括号不会更改模式匹配的内容。 如果匹配成功，则match.group(1)将包含第一个括号中的匹配，match.group(2)将包含第二个括号中的匹配。

  1. import re
  2. s = "tim email is tim@somehost.com"
  3. match = re.search('([\w.-]+)@([\w.-]+)', s)
  4. if match:
  5.     print(match.group()) ## tim@somehost.com (the whole match)
  6.     print(match.group(1)) ## tim (the username, group 1)
  7.     print(match.group(2)) ## somehost (the host, group 2)

findall()函数

如您所知，现在re.search()仅找到模式的第一个匹配项，如果我们想找到字符串中的所有匹配项，这就是findall()发挥作用的地方。

语法： findall(pattern, string, flags=0[optional])

成功时，它将所有匹配项作为字符串列表返回，否则返回空列表。

  1. import re
  2. s = "Tim's phone numbers are 12345-41521 and 78963-85214"
  3. match = re.findall(r'\d{5}', s)
  5. if match:
  6.     print(match)

预期输出：

  1. ['12345', '41521', '78963', '85214']

您还可以通过findall()使用组捕获，当应用组捕获时，findall()返回一个元组列表，其中元组将包含匹配的组。 一个示例将清除所有内容。

  1. import re
  2. s = "Tim's phone numbers are 12345-41521 and 78963-85214"
  3. match = re.findall(r'(\d{5})-(\d{5})', s)
  4. print(match)
  6. for i in match:
  7.     print()
  8.     print(i)
  9.     print("First group", i[0])
  10.     print("Second group", i[1])

预期输出：

  1. [('12345', '41521'), ('78963', '85214')]
  3. ('12345', '41521')
  4. First group 12345
  5. Second group 41521
  7. ('78963', '85214')
  8. First group 78963
  9. Second group 85214

可选标志

re.search()和re.findall()都接受可选参数称为标志。 标志用于修改模式匹配的行为。

标志 描述
re.IGNORECASE 忽略大写和小写
re.DOTALL 允许（.）匹配换行符，默认（.）匹配除换行符之外的任何字符
re.MULTILINE 这将允许^和$匹配每行的开始和结束

使用re.match()

re.match()与re.search()非常相似，区别在于它将在字符串的开头开始寻找匹配项。

  1. import re
  2. s = "python tuts"
  3. match = re.match(r'py', s)
  4. if match:
  5.     print(match.group())

您可以通过使用re.search()将^应用于模式来完成同一件事。

  1. import re
  2. s = "python tuts"
  3. match = re.search(r'^py', s)
  4. if match:
  5.     print(match.group())

这样就完成了您需要了解的有关re模块的所有内容。