摘要：
re模塊包括操作正則表達式的函數，一些工作中都需要用到，現在說明下使用方法。
使用說明：
一，re模塊下的函數：
| 函數 | 描述 |
| compile(pattern) | 創建模式對象 |
| search(pattern,string) | 在字符串中尋找模式 |
| match(pattern,string) | 在字符串開始處匹配模式 |
| split(pattern,string) | 根據模式分割字符串 |
| findall(pattern,string) | 列表形式返回匹配項 |
| sub(pat,repl,string) | pat匹配想用repl替換 |
| escape(string) | 特殊字符轉義 |
1，compile：
>>> import re >>> pat=re.compile('A') >>> m=pat.search('CBA') >>> print m <_sre.SRE_Match object at 0x9d690c8> #匹配到了，返回MatchObject（True） >>> m=pat.search('CBD') >>> print m None #沒有匹配到，返回None（False） #上面的等價於 >>> re.search('A','CBA') <_sre.SRE_Match object at 0xb72cd170>
#推薦都用第一種方法
說明：將正則表達式轉換為模式對象，實現更有效率的匹配，因為其他的函數會在內部進行轉換。
2，search：
>>> 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 #沒有匹配到，返回None（False）
說明：在給定的字符串中尋找第一個匹配給正則表達式的子字符串，有多個也只返回第一個出現的。
3，match：
>>> m = re.match('a','Aasd') >>> print m None #沒有匹配到，返回None（False
>>> m = re.match('a','aASD') >>> print m <_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）
可以用第一個方法：compile
>>> pat=re.compile('a')
>>> printpat.match('Aasd')
None
>>> printpat.match('aASD')
<_sre.SRE_Match object at 0xb72cd6e8>
說明：在給定的字符串的開頭匹配正則表達式。
上面的函數返回都可以在if條件語句中進行判斷：
>>> if pat.search('asd'): ... print 'OK' ... OK #找到返回 >>> if re.search('a','ASD'): ... print "OK" ... #沒有找到
4，split：
>>> 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') #正則匹配：[, ]+，后面說明 ['a', 's', 'd', 'asd'] >>> re.split('[, ]+','a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次數 ['a', 's', 'd ,,,,,asd'] >>> pat = re.compile('[, ]+') #正則匹配：[, ]+，后面說明 >>> pat.split('a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次數 ['a', 's', 'd ,,,,,asd']
說明：根據模式的匹配項來分割字符串，類似字符串的split 的方法，但是字符串的split只能用固定長度的分割符，而re.split允許用任意長度和個數的分割符。
5，findall：
>>> 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]+') #正則匹配：'[A-Z]+' 后面有說明 >>> pat.findall('ASDcDFGAa') ['ASD', 'DFGA'] #找到匹配到的字符串 >>> pat = re.compile('[A-Z]') >>> pat.findall('ASDcDFGAa') #正則匹配：'[A-Z]+' 后面有說明 ['A', 'S', 'D', 'D', 'F', 'G', 'A'] #找到匹配到的字符串 >>> pat = re.compile('[A-Za-z]') #正則匹配：'[A-Za-z]+' 匹配所有單詞，后面有說明 >>> pat.findall('ASDcDFGAa') ['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a']
說明：列表形式返回給定模式的匹配項。返回所有匹配的字符串。
6，sub：
>>> re.sub('a','A','abcasd') #找到a用A替換，后面見和group的配合使用 'AbcAsd' >>> pat = re.compile('a') >>> pat.sub('A','abcasd') 'AbcAsd'
#通過組進行更新替換：
>>> pat=re.compile(r'www\.(.*)\..{3}') #正則表達式
>>> pat.match('www.dxy.com').group(1)
'dxy'
>>> pat.sub(r'\1','hello,www.dxy.com') #通過正則匹配找到符合規則的”www.dxy.com“ ，取得組1字符串 去替換 整個匹配得到字符串。dxy -> www.dxy.com
'hello,dxy'
>>> pat=re.compile(r'(\w+) (\w+)') #正則表達式
>>> s='hello world ! hello hz !'
>>> pat.findall('hello world ! hello hz !')
[('hello', 'world'), ('hello', 'hz')]
>>> pat.sub(r'\2 \1',s) #通過正則得到組1(hello)，組2(world)，再通過sub去替換。即組1替換組2，組2替換組1，調換位置。
'world hello!hz hello!'
說明：使用給定的內容替換掉找到的字符串。a->A
>>> dir(m) ['__class__', '__copy__', '__deepcopy__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'end', 'endpos', 'expand', 'group', 'groupdict', 'groups', 'lastgroup', 'lastindex', 'pos', 're', 'regs', 'span', 'start', 'string']
7，escape：
>>> re.escape('www.dxy.cn') 'www\\.dxy\\.cn' #轉義
說明：對字符串里面的特殊字符串進行轉義。
上面的函數中，只有match、search有group方法，其他的函數沒有。
二，函數的方法：
>>> dir(m) [
'__class__', '__copy__', '__deepcopy__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__new__',
'__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__',
'end', 'endpos', 'expand', 'group', 'groupdict', 'groups', 'lastgroup', 'lastindex', 'pos', 're', 'regs', 'span', 'start', 'string'
]
這里介紹幾個：
| 方法 | 描述 |
| group | 獲取子模式(組)的匹配項 |
| start | 給定組匹配項的開始位置 |
| end | 給定組匹配項的結束位置 |
| span | 給定組匹配項的開始結束位置 |
>>> pat = re.compile(r'www\.(.*)\.(.*)') #用()表示一個組，2個組 >>> m = pat.match('www.dxy.com') >>> m.group() #默認為0，表示匹配整個字符串 'www.dxy.com' >>> m.group(1) #返回給定組1匹配的子字符串 'dxy' >>> m.group(2) 'com' >>> m.start(2) #組2開始的索引 8 >>> m.end(2) #組2結束的索引 11 >>> m.span(2) #組2開始、結束的索引 (8, 11) >>> m1 = pat.search('www.dxy.com') >>> m1.group() 'www.dxy.com' >>> m1.group(1) 'dxy' >>> m1.group(2) 'com' >>> m1.start(2) 8
三，正則表達式:
1，元字符：
| 字符 | 描述 |
| . | 除換行符外的任意字符 |
| \ | 轉義字符 |
| [...] | 字符集合 |
| \d | 數字:[0-9] |
| \D | 非數字[^0-9] |
| \s | 空白字符[\t\r\n\f、空格] |
| \S | 非空白字符[^\s] |
| \w | 單詞字符[A-Za-z0-9] |
| \W | 非單詞字符[^\w] |
使用：
# "." ：通配符 >>> pat=re.compile('.') >>> pat.match('abc') <_sre.SRE_Match object at 0xb72b6170> >>> pat.match('abc').group() 'a' #匹配到了首個字符 >>> pat.search('abc').group() 'a' >>> pat.match('\n').group() #換行符匹配出錯 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' # "\" : 轉義符 >>> pat=re.compile('\.') >>> pat.search('abc.efg').group() #匹配到. '.' >>> pat.findall('abc.efg') #不用group,返回列表 ['.'] # "[...]" : 集合，匹配里面的任意一個元素 >>> pat=re.compile('[abc]') >>> pat.match('axbycz').group() 'a' >>> pat.search('axbycz').group() 'a' >>> pat.findall('axbycz') ['a', 'b', 'c'] # "\d" : 數字 >>> pat=re.compile('\d') >>> pat.search('ax1by2cz3').group() #匹配到第一個數字:1，返回 '1' >>> pat.match('ax1by2cz3').group() #匹配不到（首個不是）返回None，報錯，match匹配字符串頭 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> pat.findall('ax1by2cz3') #匹配所有的數字，列表返回 ['1', '2', '3'] # "\D" : 非數字 >>> 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" :單詞字符,數字和字母:[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":非單詞字符,除數字和字母外 >>> pat=re.compile('\W') >>> pat.findall('1a2我b3c') ['\xe6', '\x88', '\x91'] >>> pat.search('1a2我b3c').group() '\xe6'
2，數量詞:會出現貪婪模式
| 數量詞 | 描述 |
| * | 匹配前一個字符0次或則多次 |
| + | 匹配前一個字符1次或則多次 |
| ？ | 匹配前一個字符0次或則1次 |
| {m} | 匹配前一個字符m次 |
| {m,n} | 匹配前一個字符m次到n次 |
| 數量詞? | 非貪婪模式 |
使用：
# "*" ：0次或則多次 >>> 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,因為有0次，所以匹配了'' # "+" ：1次或則多次 >>> pat = re.compile('[abc]+') >>> pat.match('abcdefabcabc').group() 'abc' >>> pat.search('abcdefabcabc').group() 'abc' >>> pat.findall('abcdefabcabc') ['abc', 'abcabc'] # "?" ：0次或則1次，match,search 不會出現none，會出現'' >>> 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', ''] # "{m}" ：匹配字符串出現m次 >>> pat = re.compile('[op]{2}') #o或則p出現2次 >>> pat.search('abcooapp').group() #匹配第一次出現的字符串,o比p先出現 'oo' >>> pat.findall('abcooapp') #匹配出現的所有字符串，列表形式返回 ['oo', 'pp'] # "{m,n}" ：匹配字符串出現m到n次 >>> pat = re.compile('[op]{2,4}') #o或則p出現2到4次 >>> pat.match('pppabcooapp').group() #匹配開頭 'ppp' >>> pat.search('pppabcooapp').group() #匹配第一次出現 'ppp' >>> pat.findall('pppabcooapp') #匹配所有 ['ppp', 'oo', 'pp'] # "數量詞?" ：非貪婪模式：只匹配最少的（盡可能少）；默認貪婪模式：匹配最多的（盡可能多） >>> pat = re.compile('[abc]+') #貪婪模式 >>> pat.match('abcdefabcabc').group() #匹配盡可能多的：abc 'abc' >>> pat.match('bbabcdefabcabc').group() 'bbabc' >>> pat.search('dbbabcdefabcabc').group() 'bbabc' >>> pat.findall('abcdefabcabc') ['abc', 'abcabc'] >>> pat = re.compile('[abc]+?') #非貪婪模式：+? >>> pat.match('abcdefabcabc').group() #匹配盡可能少的：a、b、c 'a' >>> pat.search('dbbabcdefabcabc').group() 'b' >>> pat.findall('abcdefabcabc') ['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']
3，邊界
| 邊界詞 | 描述 |
| ^ | 匹配字符串開頭和行首 |
| $ | 匹配字符串結尾和行尾 |
| \A | 匹配字符串開頭 |
| \Z | 匹配字符串結尾 |
| \b | 匹配\w 和 \W 之間 |
使用：
# "^" ：匹配字符串開頭或則行頭 >>> pat = re.compile('^[abc]') #開頭是abc >>> pat.search('defabc').group() >>> pat.match('defabc').group() #均找不到 >>> pat.findall('defabc') [] >>> pat.search('adefabc').group() 'a' >>> pat.match('adefabc').group() #開頭是a、b、c中的任意一個 'a' >>> pat.findall('adefabc') ['a'] >>> pat = re.compile('^[abc]+') #開頭是a、b、c中的任意一個的一次或則多次，貪婪：匹配多個 >>> pat.findall('cbadefab') ['cba'] >>> pat = re.compile(r'^[abc]+?') #開頭是a、b、c中的任意一個的一次或則多次，非貪婪：匹配一個 >>> pat.findall('cbadefab') ['c'] # "$" ：匹配字符串結尾或則行尾 >>> pat = re.compile('[abc]$') >>> pat.match('adefAbc').group() #match匹配的是字符串開頭，所以查找$的時，總是返回None >>> pat.search('adefAbc').group() #結尾是a、b、c中的任意一個 'c' >>> pat.findall('adefAbc') ['c'] >>> pat = re.compile('[abc]+$') >>> pat.search('adefAbc').group() #結尾是a、b、c中的任意一個的一次或則多次，貪婪：匹配多個 'bc' >>> pat.findall('adefAbc') ['bc'] # "\A"：匹配字符串開頭 >>> pat = re.compile('\A[abc]+') >>> pat.findall('cbadefab') ['cba'] >>> pat.search('cbadefab').group() 'cba' # "\Z"：匹配字符串結尾 >>> pat = re.compile('[abc]+\Z') >>> pat.search('cbadefab').group() 'ab' >>> pat.findall('cbadefab') ['ab']
4，分組：這里有個例子：http://www.cnblogs.com/zhoujinyi/archive/2012/10/29/2745004.html
| 分組方法 | 描述 |
| | | 左右表達式任意匹配一個，先匹配左邊一旦成功則跳過匹配右邊， 如果|沒有包含在()中,匹配整個正則表達式 |
| (...) | 分組匹配,從左到右,每遇到一個 ( 編號+1，分組后面可加數量詞 |
| (?P<name>...) | 除了分組序號外,指定一個 name的別名 |
| \<number> | 引用編號為<number>的分組匹配到的字符串 |
| (?P=name) | 引用別名為<name>的分組匹配到的串 |
使用：
# "(...)" ：在模式里面用()來表示分組（匿名分組）,適用於提取目標字符串中的某一些部位。 >>> pat=re.compile(r'(a)\w(c)') #\w:單詞字符[A-Za-z0-9] >>> pat.match('abcdef').group() 'abc' >>> pat=re.compile('(a)b(c)') #分2組，匿名分組 >>> pat.match('abcdef').group() #默認返回匹配的字符串 'abc' >>> pat.match('abcdef').group(1) #取分組1，適用於search 'a' >>> pat.match('abcdef').group(2) #取分組2，適用於search 'c' >>> pat.match('abcdef').groups() #取所有分組，元組形式返回 ('a', 'c')
>>> pat=re.compile(r'www\.(.*)\..{3}')
>>> pat.match('www.dxy.com').group(1)
'dxy'
# "(?P<name>...)" ：在模式里面用()來表示分組（命名分組）,適用於提取目標字符串中的某一些部位。 >>> pat=re.compile(r'(?P<K>a)\w(c)') #分2組：命名分組+匿名分組 >>> pat.search('abcdef').groups() #取所有分組，元組形式返回 ('a', 'c') >>> pat.search('abcdef').group(1) #取分組1，適用於match 'a' >>> pat.search('abcdef').group(2) #取分組2，適用於match 'c' >>> pat.search('abcdef').group() #默認返回匹配的字符串 'abc' >>> pat.search('abcdef').groupdict() #命名分組可以返回一個字典【專有】，匿名分組也沒有 {'K': 'a'} # "(?P=name)" ：引用命名分組(別名)匹配： >>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)') #(?P=K)引用分組1的值，就是a >>> pat.search('abcdef').group() #匹配不到，因為完整'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位和組1一樣,值是c 'abca' >>> pat.search('abcadef').groups() ('a', 'c') >>> pat.search('abcadef').group(1) 'a' >>> pat.search('abcadef').group(2) 'c # "\<number>" ：引用分組編號匹配： >>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)\2') #\2引用分組2的值，就是c >>> pat.findall('Aabcadef') #匹配不到，因為完整'a\wcac',模式的第5位是c [] >>> pat.findall('Aabcacdef') #匹配到，模式的第5位和組2一樣,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'
5，特殊構造
| 方法 | 描述 |
| (?:...) | (...)不分組版本,用於使用 | 或者后接數量詞 |
| (?iLmsux) | iLmsux的每個字符代表一個匹配模式,只能用在正則表達式的開頭,可選多個 |
| (?#...) | #號后的內容將作為注釋 |
| (?=...) | 之后的字符串內容需要匹配表達式才能成功匹配 |
| (?!...) | 之后的字符串不匹配表達式才能成功 |
| (?<=...) | 之前的字符串需要匹配表達式才能成功 |
| (?<!...) | 之前的字符串需要不匹配表達式才能成功 |
| (?(id/name) yes |no) | 如果編號為id/名字為name的組匹配到字符串,則需要匹配yes,否則匹配no,no可以省略 |
使用：
# "(?:...)" ：()里面有?:表示該()不是分組 >>> pat=re.compile(r'a(?:bc)') >>> pat.findall('abc') ['abc'] >>> pat.match('abc').groups() #顯示不出分組 () # "(?=...)"：匹配...表達式，返回。對后進行匹配，總是對后面進行匹配 >>> pat=re.compile(r'\w(?=\d)') #匹配表達式\d，返回數字的前一位，\w：單詞字符[A-Za-z0-9] >>> pat.findall('abc1 def1 xyz1') ['c', 'f', 'z'] >>> pat.findall('zhoujy20130628hangzhou') #匹配數字的前一位，列表返回 ['y', '2', '0', '1', '3', '0', '6', '2'] >>> pat=re.compile(r'\w+(?=\d)') >>> pat.findall('abc1,def1,xyz1') #匹配最末數字的前字符串，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,可以用其他的正則方法 >>> pat.findall('zhoujy20130628hangzhou123') #匹配后面帶有數字的字符串，列表返回 ['zhoujy', 'hangzhou'] >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz'] # "(?!...)" 不匹配...表達式，返回。對后進行匹配 >>> pat=re.compile(r'[A-Za-z]+(?!\d)') #[A-Za-z],匹配字母,可以用其他的正則方法 >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') #匹配后面不是數字的字符串，列表返回 ['zhouj', 'hangzho', 'binjian'] >>> pat.findall('abc21,def31,xyz41') ['ab', 'de', 'xy'] # "(?<=...)"：匹配...表達式，返回。對前進行匹配,總是對前面進行匹配 >>> pat=re.compile(r'(?<=\d)[A-Za-z]+') #匹配前面是數字的字母 >>> pat.findall('abc21,def31,xyz41') [] >>> pat.findall('1abc21,2def31,3xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['hangzhou'] # "(?<!...)"：不匹配...表達式，返回。對前進行匹配,總是對前面進行匹配 >>> pat=re.compile(r'(?<!\d)[A-Za-z]+') #匹配前面不是數字的字母 >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['zhoujy', 'angzhou', 'binjiang'] #"(?(id/name) yes |no)": 組是否匹配，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,總共5位，第2位是可有可無的數字，第5為是數字 >>> pat.findall('abc9') #返回組1，但第2位（組1）沒有，即返回了'' [''] >>> pat.findall('a8bc9') #完整的模式，返回組1 ['8'] >>> pat.match('a8bc9').group() 'a8bc9' >>> pat.match('a8bc9').group(1) '8' >>> pat.findall('a8bc') #第5位不存在，則沒有匹配到 [] #"(?iLmsux)":這里就介紹下i參數：大小寫區分匹配 >>> pat=re.compile(r'abc') >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') [] >>> pat=re.compile(r'(?i)abc') #(?i) 不區分大小寫 >>> 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 作為參數使用，推薦 >>> pat.findall('aBC') ['aBC'] >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') ['ABC']
總結：
正則表達式的功能很強大，上面所寫的只是其中的一點知識。更多的一些說明信息請見：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
以上結束！