正則表達式(regular expression)描述了一種字符串匹配的模式（pattern），可以用來檢查一個串是否含有某種子串、將匹配的子串替換或者從某個串中取出符合某個條件的子串等。
元字符：在正則表達式中被賦予特殊意義的符號。
. 通配符
匹配除了\n外所有的字符。
import re str1='asdbcnv' str2=re.findall('.',str1) print(str2) >>>['a', 's', 'd', 'b', 'c', 'n', 'v']
^匹配字符串開始位置
搜索位置定在字符串開始位置
import re str1='asdbcnv' str2=re.findall('^a',str1) print(str2) >>>['a']
$匹配字符串結束位置
$要寫在正則匹配的最后面
import re str1='asdbcnv' str2=re.findall('v$',str1) print(str2) >>>['v']
*匹配前面的正則0到無窮次
當匹配單個字符的時候，會因為匹配0次而出現空字符。
import re str1='iii amiiii ssdii i ' str2=re.findall('i*',str1) print(str2) >>>['iii', '', '', '', 'iiii', '', '', '', '', 'ii', '', 'i', '', '']
匹配多次的情況
import re str1='iii amiiii ssdii i ' str2=re.findall('ii*',str1) print(str2) >>>['iii', 'iiii', 'ii', 'i']
+匹配前面的正則1到無窮次
匹配單個字符
import re str1='iii amiiii ssdii i ' str2=re.findall('i+',str1) print(str2) >>>['iii', 'iiii', 'ii', 'i']
匹配多個字符
import re str1='iii amiiii ssdii i ' str2=re.findall('ii+',str1) print(str2) >>>['iii', 'iiii', 'ii']
?匹配前面正則0到1次
單個字符
import re str1='iii amiiii ssdii i ' str2=re.findall('i?',str1) print(str2) >>>['i', 'i', 'i', '', '', '', 'i', 'i', 'i', 'i', '', '', '', '', 'i', 'i', '', 'i', '', '']
多個字符
import re str1='iii amiiii ssdii i ' str2=re.findall('ii?',str1) print(str2) >>>['ii', 'i', 'ii', 'ii', 'ii', 'i']
{}匹配次數
匹配的次數N和M必須為正整數
{N，}匹配前面正則N到無窮次
import re str1='iii amiiii ssdii iihjf iiifgfdgi ' str2=re.findall('ii{2,}',str1) print(str2) >>>['iii', 'iiii', 'iii']
{，M}匹配前面的正則0到M次
import re str1='iii amiiii ssdii iihjf iiifgfdgi ' str2=re.findall('ii{,2}',str1) print(str2) >>>['iii', 'iii', 'i', 'ii', 'ii', 'iii', 'i']
{N,M}匹配前面的正則N到M次
import re str1='iii amiiii ssdii iihjf iiifgfdgi ' str2=re.findall('ii{1,2}',str1) print(str2) >>>['iii', 'iii', 'ii', 'ii', 'iii']
\正則轉義符
在使用時需在字符串外加上 r 來取消轉義
\d 數字
import re str1='iii amiiii 123er45vg44 ' str2=re.findall(r'\d',str1) print(str2) >>>['1', '2', '3', '4', '5', '4', '4']
\w 字母、數字、漢字和下划線
import re str1='iii am_你好iiii 123er45vg44 ' str2=re.findall(r'\w',str1) print(str2) >>>['i', 'i', 'i', 'a', 'm', '_', '你', '好', 'i', 'i', 'i', 'i', '1', '2', '3', 'e', 'r', '4', '5', 'v', 'g', '4', '4']
\s 匹配空白符號(\n,\t和空格)
import re str1='iii am_你好iiii 123\ner\t45vg44 ' str2=re.findall(r'\s',str1) print(str2) >>>[' ', ' ', '\n', '\t', ' ']
\b 單詞邊界
字符的位置是非常重要的。如果它位於要匹配的字符串的開始，它在單詞的開始處查找匹配項。如果它位於字符串的結尾，它在單詞的結尾處查找匹配項。
import re str1='i love python ' str2=re.findall(r'\bon',str1) str3=re.findall(r'on\b',str1) print(str2) print(str3) >>>[] ['on']
\D 匹配數字以外的字符
import re str1='i love python12456' str2=re.findall(r'\D',str1) print(str2) >>>['i', ' ', 'l', 'o', 'v', 'e', ' ', 'p', 'y', 't', 'h', 'o', 'n']
\S 匹配除了空白字符之外的
import re str1='i love python12456\n\t' str2=re.findall(r'\S',str1) print(str2) >>>['i', 'l', 'o', 'v', 'e', 'p', 'y', 't', 'h', 'o', 'n', '1', '2', '4', '5', '6']
\W 非\w匹配的字符
import re str1='i love ￥%*python12456\n\t' str2=re.findall(r'\W',str1) print(str2) >>>[' ', ' ', '￥', '%', '*', '\n', '\t']
\B 匹配非單詞邊界
對於 \B 非字邊界運算符，位置並不重要，因為匹配不關心究竟是單詞的開頭還是結尾。
import re str1='i love python12456' str2=re.findall(r'ov\B',str1) print(str2) >>>['ov']
[]字符集，匹配中括號中間的所有字符
. % * + ? () {} 出現在中括號中僅表示字符本身。^字符在中括號中表示取反。
import re str1='i love python12456' str2=re.findall(r'[a-z]',str1) print(str2) >>>['i', 'l', 'o', 'v', 'e', 'p', 'y', 't', 'h', 'o', 'n']
import re str1='i love python12456' str2=re.findall(r'[^\d]',str1) print(str2) >>>['i', ' ', 'l', 'o', 'v', 'e', ' ', 'p', 'y', 't', 'h', 'o', 'n']
| 或
指明兩項之間的一個選擇。要匹配 |，請使用 \|。
import re str1='i love python12456\n\n' str2=re.findall(r'[\d|\s]',str1) print(str2) >>>[' ', ' ', '1', '2', '4', '5', '6', '\n', '\n']
()分組匹配
標記一個子表達式的開始和結束位置。子表達式可以獲取供以后使用。只會匹配括號中的內容。
import re str1='i love python12456\n\n' str2=re.findall(r'n(\d)',str1) print(str2) >>>['1']
貪婪和非貪婪
正則表達式通常用於在文本中查找匹配的字符串。Python里數量詞默認是貪婪的（在少數語言里也可能是默認非貪婪），總是嘗試匹配盡可能多的字符；非貪婪則相反，總是嘗試匹配盡可能少的字符。在"*","?","+","{m,n}"后面加上？，使貪婪變成非貪婪。
貪婪模式下字符串查找會直接走到字符串結尾去匹配，如果不相等就向前尋找，這一過程稱為回溯。
import re str1='<table><td><th>貪婪</th><th>貪婪</th><th>貪婪</th></td></table>貪婪' str2=re.findall(r'<.*>',str1) print(str2) >>>['<table><td><th>貪婪</th><th>貪婪</th><th>貪婪</th></td></table>']
非貪婪模式下會自左向右查找，一個一個匹配不會出現回溯的情況。
import re str1='<table><td><th>貪婪</th><th>貪婪</th><th>貪婪</th></td></table>貪婪' str2=re.findall(r'<.*?>',str1) print(str2) >>>['<table>', '<td>', '<th>', '</th>', '<th>', '</th>', '<th>', '</th>', '</td>', '</table>']
re模塊
1、compile()
編譯正則表達式模式，返回一個對象的模式。（可以把那些常用的正則表達式編譯成正則表達式對象，這樣可以提高一點效率。）
格式：
re.compile(pattern,flags=0)
pattern: 編譯時用的表達式字符串。
flags 編譯標志位，用於修改正則表達式的匹配方式，如：是否區分大小寫，多行匹配等。常用的flags有：
| 標志 |
含義
|
|
re.S(DOTALL)
|
使.匹配包括換行在內的所有字符 |
|
re.I（IGNORECASE）
|
使匹配對大小寫不敏感
|
|
re.L（LOCALE）
|
做本地化識別（locale-aware)匹配，法語等
|
|
re.M(MULTILINE)
|
多行匹配，影響^和$
|
|
re.X(VERBOSE)
|
該標志通過給予更靈活的格式以便將正則表達式寫得更易於理解
|
|
re.U
|
根據Unicode字符集解析字符，這個標志影響\w,\W,\b,\B
|
import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r'\w*oo\w*') print(rr.findall(tt)) #查找所有包含'oo'的單詞 執行結果如下： ['good', 'cool']
2、match()
決定RE是否在字符串剛開始的位置匹配。//注：這個方法並不是完全匹配。當pattern結束時若string還有剩余字符，仍然視為成功。想要完全匹配，可以在表達式末尾加上邊界匹配符'$'
格式：
re.match(pattern, string, flags=0)
print(re.match('com','comwww.runcomoob').group()) print(re.match('com','Comwww.runcomoob',re.I).group()) 執行結果如下： com com
3、search()
格式：
re.search(pattern, string, flags=0)
re.search函數會在字符串內查找模式匹配,只要找到第一個匹配然后返回，如果字符串沒有匹配，則返回None。
print(re.search('\dcom','www.4comrunoob.5com').group()) 執行結果如下： 4com
*注：match和search一旦匹配成功，就是一個match object對象，而match object對象有以下方法：
- group() 返回被 RE 匹配的字符串
- start() 返回匹配開始的位置
- end() 返回匹配結束的位置
- span() 返回一個元組包含匹配 (開始,結束) 的位置
- group() 返回re整體匹配的字符串，可以一次輸入多個組號，對應組號匹配的字符串。
a. group（）返回re整體匹配的字符串，
b. group (n,m) 返回組號為n，m所匹配的字符串，如果組號不存在，則返回indexError異常
c.groups（）groups() 方法返回一個包含正則表達式中所有小組字符串的元組，從 1 到所含的小組號，通常groups()不需要參數，返回一個元組，元組中的元就是正則表達式中定義的組。
import re a = "123abc456" print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整體 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456
###group(1) 列出第一個括號匹配部分，group(2) 列出第二個括號匹配部分，group(3) 列出第三個括號匹配部分。###
4、findall()
re.findall遍歷匹配，可以獲取字符串中所有匹配的字符串，返回一個列表。
格式：
re.findall(pattern, string, flags=0)
p = re.compile(r'\d+') print(p.findall('o1n2m3k4')) 執行結果如下： ['1', '2', '3', '4']
import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r'\w*oo\w*') print(rr.findall(tt)) print(re.findall(r'(\w)*oo(\w)',tt))#()表示子表達式 執行結果如下： ['good', 'cool'] [('g', 'd'), ('c', 'l')]
5、finditer()
搜索string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。找到 RE 匹配的所有子串，並把它們作為一個迭代器返回。
格式：
re.finditer(pattern, string, flags=0)
iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...') for i in iter: print(i) print(i.group()) print(i.span()) 執行結果如下： <_sre.SRE_Match object; span=(0, 2), match='12'> 12 (0, 2) <_sre.SRE_Match object; span=(8, 10), match='44'> 44 (8, 10) <_sre.SRE_Match object; span=(24, 26), match='11'> 11 (24, 26) <_sre.SRE_Match object; span=(31, 33), match='10'> 10 (31, 33)
6、split()
按照能夠匹配的子串將string分割后返回列表。
可以使用re.split來分割字符串，如：re.split(r'\s+', text)；將字符串按空格分割成一個單詞列表。
格式：
re.split(pattern, string[, maxsplit])
maxsplit用於指定最大分割次數，不指定將全部分割。
print(re.split('\d+','one1two2three3four4five5')) 執行結果如下： ['one', 'two', 'three', 'four', 'five', '']
7、sub()
使用re替換string中每一個匹配的子串后返回替換后的字符串。
格式：
re.sub(pattern, repl, string, count)
import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print(re.sub(r'\s+', '-', text)) 執行結果如下： JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
其中第二個函數是替換后的字符串；本例中為'-'
第四個參數指替換個數。默認為0，表示每個匹配項都替換。
re.sub還允許使用函數對匹配項的替換進行復雜的處理。
如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；將字符串中的空格' '替換為'[ ]'。
import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0)) 執行結果如下： JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
8、subn()
返回替換次數
格式：
subn(pattern, repl, string, count=0, flags=0)
print(re.subn('[1-2]','A','123456abcdef')) print(re.sub("g.t","have",'I get A, I got B ,I gut C')) print(re.subn("g.t","have",'I get A, I got B ,I gut C')) 執行結果如下： ('AA3456abcdef', 2) I have A, I have B ,I have C ('I have A, I have B ,I have C', 3)