一、什么是正則表達式
正則表達式（Regular expression）是一組由字母和符號組成的特殊文本, 它可以用來從文本中找出滿足你想要的格式的句子。
比如我們在網站中看到對用戶名規則做出了如下限制：只能包含小寫字母、數字、下划線和連字符，並且限制用戶名長度在3~15個字符之間，如何驗證一個用戶名是否符合規則呢 ？我們使用以下正則表達式：
以上的正則表達式可以接受john_doe、jo-hn_doe、john12_as，但不能匹配A1，因為它包含了大寫字母而且長度不到3個字符
1.1 re.compile
compile：re.compile是將正則表達式轉換為模式對象，這樣可以更有效率匹配。使用compile轉換一次之后，以后每次使用模式時就不用進行轉換
pattern：寫正則表達式
flags：匹配模式
從compile()函數的定義中，可以看出返回的是一個匹配對象，它單獨使用就沒有任何意義，需要和findall(), search(), match(）搭配使用。
compile()與findall()一起使用，返回一個列表。
# compile配合findall
import re
a = '0355-67796666'
b = re.compile(r'\d+-\d{8}')
r = re.findall(b,a)
print(r)
import re
a = '0355-67796666'
b = re.compile(r'\d+-\d{8}')
r = b.findall(a)
print(r)
# 直接使用findall
import re
a = '0355-67796666'
r = re.findall(r'\d+-\d{8}',a)
print(r)
# compile配合search
import re
a = '0355-67796666'
正則 = re.compile(r'\d+-\d{8}')
r = re.search(正則,a)
print(r.group())
# compile配合match
import re
a = '0355-67796666'
正則 = re.compile(r'\d+-\d{8}')
r = re.match(正則,a)
print(r.group())
1.2 re.match
match 從字符串的第一個字符開始匹配，如果未匹配到返回None，匹配到則返回一個對象
match判斷正則表達式是否從開始處（首字母）匹配一個字符串，例如第一個不是\d(數字)，返回None
import re
a = 'A83C72D1D8E67'
r = re.match('\d',a)
print(r) # 返回對象所在位置
print(r.group()) # 返回找到的結果，例如8
print(r.span()) # 返回一個元組表示匹配位置（開始，結束）
1.3 re.search
Search與match有些類似，只是搜索整個字符串然后第一個匹配到指定的字符則返回值，未匹配到則返回None。獲取值得方法也需要通過group()
從字符串開始往后匹配，一匹配到則返回一個對象。需要通過group來獲取匹配到的值。
search 遍歷字符串，找到正則表達式匹配的第一個位置
import re
a = 'A83C72D1D8E67'
r = re.search('\d',a)
print(r)
print(r.group())
1.4 re.findall
Findall是匹配出字符串中所有跟指定值有關的值，並且以列表的形式返回。未匹配到則返回一個空的列表。匹配出指定字符的所有值，並以列表返回值。
二、簡單的模式：字符匹配
| 元字符 | 描述 |
|---|---|
| . | 句號匹配任意單個字符除了換行符 |
| [] | 字符種類，匹配方括號內的任意字符，中括號內每個字符是或(or)****的關系 |
| [^] | 否定的字符種類，匹配除了方括號里的任意字符 |
| ***** | 匹配0次或無限次，重復在*****號之前的字符 |
| + | 匹配1次或無限次，重復在+號之前的字符 |
| ? | 匹配0次或1次，重復在?號之前的字符 |
| {n,m} | 匹配num個大括號之前的字符（n<=num<=m） |
| (xyz) | 字符集又稱做組，匹配與xyz完全相等的字符串，每個字符是且(and)****的關系 |
| | | 或運算符，匹配符號前或后的字符 |
| ** | 轉義字符，用於匹配一些保留字符 [ ]、( )、{ }、. 、 * 、+ 、? 、^ 、$、\ 、| |
| ^ | 從字符串開始位置開始匹配 |
| $ | 從字符串末端開始匹配 |
反斜杠后面跟普通字符實現特殊功能
| 特殊字符 | 描述 |
|---|---|
| \d | 匹配數字，相當於[0-9] |
| \D | 不匹配數字，相當於[^0-9] |
| \s | 匹配空白字符(包括空格、換行符、制表符等)，相當於 [\t\n\r\f\v] |
| \S | 與\s相反，相當於 [^\t\n\r\f\v] |
| \w | 匹配中文，下划線，數字，英文，相當於[a-zA-z0-9_] |
| \W | 與\w相反，匹配特殊字符，如$、&、空格、\n、\t等 |
| \b | 匹配單詞的開始或結束 |
| \B | 與\b相反 |
2.1 元字符
# 提取字符串a中所有的數字，返回結果：['7', '6', '3', '6']
import re
a = '孫悟空7豬八戒6沙和尚3唐僧6白龍馬'
r = re.findall('[0-9]',a)
print(r)
# 提取字符串a中所有非數字，返回：['孫', '悟', '空', '豬', '八', '戒', '沙', '和', '尚', '唐', '僧', '白', '龍', '馬']
import re
a = '孫悟空7豬八戒6沙和尚3唐僧6白龍馬'
r = re.findall('[^0-9]',a)
print(r)
# 找到字符串中間字母是d或e的單詞，返回：['xdz', 'xez']
import re
a = 'xyz,xcz,xfz,xdz,xaz,xez'
r = re.findall('x[de]z',a)
print(r)
# 找到字符串中間字母不是d或e的單詞，返回：['xyz', 'xcz', 'xfz', 'xaz']
import re
a = 'xyz,xcz,xfz,xdz,xaz,xez'
r = re.findall('x[^de]z',a)
print(r)
# 找到字符串中間字母是d或e或f的單詞，返回：['xfz', 'xdz', 'xez']
import re
a = 'xyz,xcz,xfz,xdz,xaz,xez'
r = re.findall('x[d-f]z',a)
print(r)
2.2 概括字符集
# 提取字符串a中所有的數字
import re
a = 'Excel 12345Word\n23456_PPT12lr'
r = re.findall('\d',a)
print(r)
# 提取字符串a中所有非數字
import re
a = 'Excel 12345Word\n23456_PPT12lr'
r = re.findall('\D',a)
print(r)
# \w 可以提取中文，英文，數字和下划線，不能提取特殊字符
import re
a = 'Excel 12345Word\n23456_PPT12lr'
r = re.findall('\w',a)
print(r)
# \W 提取特殊字符、空格、\n、\t等
import re
a = 'Excel 12345Word\n23456_PPT12lr'
r = re.findall('\W',a)
print(r)
2.3 數量詞
# 提取大小寫字母混合的單詞
import re
a = 'Excel 12345Word23456PPT12Lr'
r = re.findall('[a-zA-Z]{3,5}',a)
print(r)
# 貪婪與非貪婪 【Python默認使用貪婪模式】
貪婪：'[a-zA-Z]{3,5}'
# 先找三個連續的字母，最多找到5個連續的字母后停止。在3個以后且5個以內發現了不是子母的也停止。
非貪婪：'[a-zA-Z]{3,5}?'或'[a-zA-Z]{3}'
建議使用后者，不要使用?號，否則你會與下面的?號混淆
# 匹配0次或無限多次*號，*號前面的字符出現0次或無限次
import re
a = 'exce0excell3excel3'
r = re.findall('excel*',a)
print(r)
# 匹配1次或者無限多次+號，+號前面的字符至少出現1次
import re
a = 'exce0excell3excel3'
r = re.findall('excel+',a)
print(r)
# 匹配0次或1次 ?號，?號經常用來去重復
import re
a = 'exce0excell3excel3'
r = re.findall('excel?',a)
print(r)
2.4 邊界匹配^和$
# 限制電話號碼的位置必需是8-11位才能提取
import re
tel = '13811115888'
r = re.findall('^\d{8,11}$',tel)
print(r)
2.5 組( )
# 將abc打成一個組，{2}指的是重復幾次，匹配abcabc
import re
a = 'abcabcabcxyzabcabcxyzabc'
r = re.findall('(abc){2}',a)
print(r)
可以加入很多個組
2.6 匹配模式參數
# findall第三參數re.I忽略大小寫
import re
a = 'abcFBIabcCIAabc'
r = re.findall('fbi',a,re.I)
print(r)
# 多個模式之間用| 連接在一起
import re
a = 'abcFBI\nabcCIAabc'
r = re.findall('fbi.{1}',a,re.I | re.S) # 匹配fbi然后匹配任意一個字符包括\n
print(r)
注：.句號，不匹配\n，但是使用re.S之后，匹配所有字符包括換行符
1).re.I(re.IGNORECASE): 忽略大小寫
2).re.M(MULTILINE): 多行模式，改變’^’和’$’的行為
3).re.S(DOTALL): 點任意匹配模式，改變’.’的行為
4).re.L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決於當前區域設定
5).re.U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決於unicode定義的字符屬性
6).re.X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，並可以加入注釋
2.7 re.sub替換字符串
# 把FBI替換成BBQ
import re
a = 'abcFBIabcCIAabc'
r = re.sub('FBI','BBQ',a)
print(r)
# 把FBI替換成BBQ，第4參數寫1，證明只替換第一次，默認是0（無限替換）
import re
a = 'abcFBIabcFBIaFBICIAabc'
r = re.sub('FBI','BBQ',a,1)
print(r)
注意：雖然字符串的內置方法 字符串.replace 也可以進行替換，但是正則表達式更強大
# 拓展知識
import re
a = 'abcFBIabcFBIaFBICIAabc'
def 函數名(形參):
pass
r = re.sub('FBI',函數名,a,1)
print(r)
分析：如果找到了FBI這個子串，會將FBI當成參數傳到形參中，pass是什么都沒返回，所以FBI被空字符串代替了。
# 把函數當參數傳到sub的列表里，實現把業務交給函數去處理，例如將FBI替換成$FBI$
import re
a = 'abcFBIabcFBIaFBICIAabc'
def 函數名(形參):
分段獲取 = 形參.group() # group（）在正則表達式中用於獲取分段截獲的字符串，獲取到FBI
return '$' + 分段獲取 + '$'
r = re.sub('FBI',函數名,a)
print(r)
2.8 把函數做為參數傳遞
# 將字符串中大於等於5的替換成9，小於5的替換成0
import re
a = 'C52730A52730D52730'
def 函數名(形參):
分段獲取 = 形參.group()
ifint(分段獲取) >= 5:
return'9'
else:
return '0'
r = re.sub('\d',函數名,a)
print(r)
2.9 group分組
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
-
正則表達式中的三組括號把匹配結果分成三組
group() 同group（0）就是匹配正則表達式整體結果
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。 -
沒有匹配成功的，re.search（）返回None
-
當然正則表達式中沒有括號，group(1)肯定不對了。
import re a = 'life is short,i use python' r = re.search('life(.*)python',a) print(r.group(1))等同於
import re a = 'lifeis short,i use python' r = re.findall('life(.*)python',a) print(r)# 拓展知識 import re a = 'life is short,i use python,i love python' r = re.search('life(.*)python(.*)python',a) print(r.group(0)) # 完整正則匹配 print(r.group(1)) # 第1個分組之間的取值 print(r.group(2)) # 第2個分組之間的取值 print(r.group(0,1,2))# 以元組形式返回3個結果取值 print(r.groups()) # 返回就是group(1)和group(2)
三、正則表達式的一些建議
1、常用的正則表達式，不用自己寫，在百度上搜索常用正則表達式,不要重復造輪子
2、如果內置方法可以快速解決問題，建議不要化簡為繁
附1：正則表達式基礎語法
| d | 指出一個字符串的開始 |
|---|---|
| $ | 指出一個字符串的結束 |
| \ | 將下一個字符標記為一個特殊字符、或一個原義字符、或一個向后引用、或一個八進制轉義符 |
| ^abc | 匹配所有以 "abc" 開始的字符串 （例如："abc"，"abccba"） |
| abc$ | 匹配所有以"abc" 結尾的字符串 （例如："gggabc"，"reddcba"） |
| ^abc$ | 匹配開始和結尾都為"abc"的字符串 （例如："abc"） |
| abc | 沒有任何字符，匹配任何包含"abc"的字符串 （例如："aaaabccc"，"abc123"） |
| n | 匹配n "\n"：匹配換行符 "/"這里是 \he / 連在一起寫，匹配 " / " 字符 |
| * | 匹配前面的子表達式零次或多次 |
| + | 匹配前面的子表達式一次或多次 |
| ? | 匹配前面的子表達式零次或一次 |
| ac* | 匹配字符串其中一個a后面跟着零個或若干個c （例如："accc"，"abbb"） |
| ac+ | 匹配字符串其中一個a后面跟着至少一個c或者多個 （例如："ac"，"acccccccc"） |
| ac? | 匹配字符串其中一個a后面跟着零個或者一個c （例如："a"，"ac"） |
| a?c+$ | 匹配字符串的末尾有零個或一個a跟着一個或多個c （例如："ac"，"acccccc"，''c''，"ccccccc"） |
| n為非負整數，匹配n次 | |
| n為非負整數，匹配至少n次 | |
| n，m為非負整數，最少匹配n次 最多匹配m次 | |
| ab | 表示一個字符串有一個a后面跟隨2個b （例如："abb"，"abbbbb"） |
| ab | 表示一個字符串有一個a后面跟隨至少2個b （例如："abb"，"abbb"） |
| ab | 表示一個字符串有一個a后面跟隨3到6個b （例如："abbb"，"abbbb"，"abbbb"） |
| | | 表示"或" |
| . | 表示任何字符 |
| a|b | 表示一個字符串里有 a 或者 b （例如："a"，"b"，"ab"，"abc"） |
| a. | 表示一個字符串有一個 a 后面跟着一個任意字符 （例如："a1"，"a456"，"avv"） |
附2：方括號里用"^"表示不希望出現的字符
| [abc] | 表示字符集合，表示一個字符串有一個"a"或"b"或"c" 等價於 [z|b|c] |
|---|---|
| [^abc] | 表示一個字符串中不應該出現abc，即是匹配未包含改集合的任意字符 |
| [a-z] | 表示一個字符串中存在一個a和z之間的所有字母 |
| [0-9] | 表示一個字符串中存在一個0和9之間的所有數字 |
| [^a-z] | 表示一個字符串中不應該出現a到z之間的任意一個字母 |
| [1] | 表示一個字符串中以字母開頭 |
| [0-9]% | 表示一個百分號前有一個的數字； |
附3：由字符''和另一個字符組成特殊含義
| 匹配一個數字字符，等價[0-9] | \d |
|---|---|
| 匹配一個非數字字符，等價[^0-9] | \D |
| 匹配一個換頁符，等價\x0c和\cL | \f |
| 匹配一個換行符。等價於\x0a和\cJ | \n |
| 匹配一個回車符。等價於\x0d和\cM | \r |
| 匹配任何空白字符，包括空格、制表符、換頁符等等。等價於[ \f\n\r\t\v] | \s |
| 匹配任何非空白字符。等價於[^ \f\n\r\t\v] | \S |
關注公眾號【紫電的學習筆記】，回復【正則表達式】獲取PDF資料
a-zA-Z ↩︎