一、Python3 正則表達式
正則表達式是一個特殊的字符序列,它能幫助你方便的檢查一個字符串是否與某種模式匹配。
在 Python 中,使用?re?模塊來處理正則表達式。
re 模塊提供了一組函數,允許你在字符串中進行模式匹配、搜索和替換操作。
re?模塊使 Python 語言擁有完整的正則表達式功能。
本章節主要介紹 Python 中常用的正則表達式處理函數,如果你對正則表達式不了解,可以查看我們的?正則表達式 - 教程。
1.re.match函數
re.match 嘗試從字符串的起始位置匹配一個模式,如果不是起始位置匹配成功的話,match() 就返回 None。
函數語法:
re.match(pattern, string, flags=0)
import re
#re.match()函數用于查找字符串的開頭是否匹配正則表達式,如果字符串開頭匹配正則表達式,則返回一個Match對象,否則返回None。
print(re.match('www', 'www.runoob.com').span()) # 在起始位置匹配
# 首先嘗試在 'www.runoob.com' 的起始位置匹配 'www'。
# 由于匹配成功,re.match() 返回一個 Match 對象。然后,.span() 方法被調用,返回一個元組 (0, 3),
# 表示 'www' 在原字符串中的位置是從索引 0 開始到索引 3 結束(不包括索引 3 的字符)print(re.match('com', 'www.runoob.com')) # 不在起始位置匹配,返回None
匹配成功?re.match?方法返回一個匹配的對象,否則返回?None。
我們可以使用?group(num)?或?groups()?匹配對象函數來獲取匹配表達式。
匹配對象方法 | 描述 |
---|---|
group(num=0) | 匹配的整個表達式的字符串,group() 可以一次輸入多個組號,在這種情況下它將返回一個包含那些組所對應值的元組。 |
groups() | 返回一個包含所有小組字符串的元組,從 1 到 所含的小組號。 |
line = "Cats are smarter than dogs"
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)
# re.match(pattern, string, flags=0): 這是 Python 正則表達式模塊 re 中的一個函數,用于在字符串的起始位置匹配正則表達式。
# 如果匹配成功,則返回一個 Match 對象;如果匹配失敗,則返回 None。# pattern: 在這里是一個字符串 r'(.*) are (.*?) .*',它是一個正則表達式模式。
# .* 表示任意匹配除換行符(\n、\r)之外的任何單個或多個字符
# (.*?) 表示"非貪婪"模式,只保存第一個匹配到的子串
# 這里的 r 表示原始字符串,即不處理其中的轉義字符,直接將其作為正則表達式的內容來處理。# string: 這里是 line,即要進行匹配操作的字符串。
# 在這個例子中,line 的值是 "Cats are smarter than dogs"。# flags: 這里使用了 re.M 和 re.I 兩個標志。re.M 表示多行模式,這種模式下,
# ^ 和 $ 表示每一行的開始和結束,而不是整個字符串的開始和結束。
# re.I 表示忽略大小寫模式,使匹配過程不區分大小寫。
# re.M | re.I 使用了按位或操作符 | 來合并這兩個標志,表示在匹配時同時使用多行模式和忽略大小寫模式。#group()方法用于獲得匹配的字符串。
#group(1)方法用于獲得第一個分組匹配的字符串。
#group(2)方法用于獲得第二個分組匹配的字符串。
#groups()方法用于獲得所有分組匹配的字符串。
if matchObj:print("matchObj.group() : ", matchObj.group())print("matchObj.group(1) : ", matchObj.group(1))print("matchObj.group(2) : ", matchObj.group(2))print("matchObj.groups() : ", matchObj.groups())
else:print("No match!!")
2.?re.search方法
re.search 掃描整個字符串并返回第一個成功的匹配,用法與match類似。
函數語法:
re.search(pattern, string, flags=0)
函數參數說明:
參數 | 描述 |
---|---|
pattern | 匹配的正則表達式 |
string | 要匹配的字符串。 |
flags | 標志位,用于控制正則表達式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正則表達式修飾符 - 可選標志 |
import reprint(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配
#輸出:(0, 3)print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配(與match有區別)
#輸出:(11, 14)
匹配成功re.search方法返回一個匹配的對象,否則返回None。
我們可以使用group(num) 或 groups() 匹配對象函數來獲取匹配表達式。
匹配對象方法 | 描述 |
---|---|
group(num=0) | 匹配的整個表達式的字符串,group() 可以一次輸入多個組號,在這種情況下它將返回一個包含那些組所對應值的元組。 |
groups() | 返回一個包含所有小組字符串的元組,從 1 到 所含的小組號。 |
3.re.match 與 re.search的區別
re.match?只匹配字符串的開始,如果字符串開始不符合正則表達式,則匹配失敗,函數返回 None,而?re.search?匹配整個字符串,直到找到一個匹配。
4.檢索和替換
Python 的re模塊提供了re.sub用于替換字符串中的匹配項。
語法:
re.sub(pattern, repl, string, count=0, flags=0)?
參數:
- pattern : 正則中的模式字符串。
- repl : 替換的字符串,也可為一個函數。
- string : 要被查找替換的原始字符串。
- count : 模式匹配后替換的最大次數,默認 0 表示替換所有的匹配。
- flags : 編譯時用的匹配模式,數字形式。
前三個為必選參數,后兩個為可選參數。
phone = "2004-959-559 # 這是一個電話號碼"# 刪除字符串中的 Python注釋
num = re.sub(r'#.*$', "", phone)
# 匹配字符串中的井號(#)字符。
# .* 匹配井號后面的所有字符,直到遇到換行符(非貪婪模式)。
# $ 匹配字符串的結尾。
print("電話號碼 : ", num) # 輸出:2004-959-559# 移除非數組字符
num = re.sub(r'\D', "", phone)
# \D 是一個正則表達式元字符,它匹配任何不是數字的字符。
# D 是 d 的反義詞,d 匹配數字(等價于 [0-9]),而 D 匹配非數字(等價于 [^0-9])。
print("電話號碼 : ", num) # 輸出:2004959559
4.1 repl?參數是一個函數
# repl為替換函數,參數為匹配到的內容,返回值為替換后的內容。
# 將匹配的數字乘以 2
def double(matched):value = int(matched.group('value'))return str(value * 2)s = 'A23G4HFD567'print(re.search(r'(?P<value>\d+)', s).group(1)) # 輸出:23
print(re.search(r'(?P<value>\d+)', s).groups()) # 輸出:('23',)for match in re.finditer(r'(?P<value>\d+)', s):print(match.group(1)) # 輸出:23 4 567print(re.sub('(?P<value>\d+)', double, s)) # 輸出:A46G8HFD1134
# (?P<value>\d+): 這是一個命名捕獲組,
# 用于從匹配的子串中提取特定部分。(?P<name>...) 是Python中命名捕獲組的語法,
# 其中name是你為該捕獲組指定的名稱,在這里名稱為 value。
# \d+: 這個模式用于匹配一個或多個數字。
# \d 是一個正則表達式元字符,表示匹配任何數字字符(等價于 [0-9]),后面的 + 表示匹配前面的元素一次或多次。
4.2 compile 函數
compile 函數用于編譯正則表達式,生成一個正則表達式( Pattern )對象,供 match() 和 search() 這兩個函數使用。
語法格式為:
re.compile(pattern[, flags])
參數:
- 1.pattern : 一個字符串形式的正則表達式
- 2.flags 可選,表示匹配模式,比如忽略大小寫,多行模式等,具體參數為:
-
- re.IGNORECASE 或 re.I?- 使匹配對大小寫不敏感
- re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當前環境
- re.MULTILINE 或 re.M - 多行模式,改變 ^ 和 $ 的行為,使它們匹配字符串的每一行的開頭和結尾。
- re.DOTALL 或 re.S - 使?.?匹配包括換行符在內的任意字符。
- re.ASCII - 使 \w, \W, \b, \B, \d, \D, \s, \S 僅匹配 ASCII 字符。
- re.VERBOSE 或 re.X - 忽略空格和注釋,可以更清晰地組織復雜的正則表達式。
這些標志可以單獨使用,也可以通過按位或'|'組合使用。例如,re.IGNORECASE | re.MULTILINE 表示同時啟用忽略大小寫和多行模式。
# compile 函數
pattern = re.compile(r'\d+') # 編譯正則表達式: \d+
# r'\d+' 是一個正則表達式模式。
# r 表示原始字符串(raw string),即不處理其中的轉義字符
# \d 是正則表達式中的一個元字符,表示匹配任何數字字符(等價于 [0-9])。
# + 是一個量詞,表示匹配前面的元素一次或多次。因此,\d+ 用于匹配一個或多個連續的數字。# 使用 compile 函數編譯的正則表達式可以重復使用,提高效率。
print(pattern.match('one123one')) #輸出:None
print(pattern.match('one123four',3,6))
#輸出:<re.Match object; span=(3, 6), match='123'>
在上面,當匹配成功時返回一個 Match 對象,其中:
group([group1, …])
?方法用于獲得一個或多個分組匹配的字符串,當要獲得整個匹配的子串時,可直接使用?group()
?或?group(0)
;start([group])
?方法用于獲取分組匹配的子串在整個字符串中的起始位置(子串第一個字符的索引),參數默認值為 0;end([group])
?方法用于獲取分組匹配的子串在整個字符串中的結束位置(子串最后一個字符的索引+1),參數默認值為 0;span([group])
?方法返回?(start(group), end(group))
。
# compile 函數
pattern = re.compile(r'\d+') # 編譯正則表達式: \d+
# r'\d+' 是一個正則表達式模式。
# r 表示原始字符串(raw string),即不處理其中的轉義字符
# \d 是正則表達式中的一個元字符,表示匹配任何數字字符(等價于 [0-9])。
# + 是一個量詞,表示匹配前面的元素一次或多次。因此,\d+ 用于匹配一個或多個連續的數字。# 使用 compile 函數編譯的正則表達式可以重復使用,提高效率。
print(pattern.match('one123one')) #輸出:None
m=pattern.match('one123four',3,6)
print(m)
#輸出:<re.Match object; span=(3, 6), match='123'>print(m.group()) # 輸出:123
print(m.group(0)) # 輸出:123
print(m.start()) # 輸出:3
print(m.end()) # 輸出:6
print(m.span()) # 輸出:(3, 6)
4.3 findall
在字符串中找到正則表達式所匹配的所有子串,并返回一個列表,如果有多個匹配模式,則返回元組列表,如果沒有找到匹配的,則返回空列表。
注意:?match 和 search 是匹配一次 findall 匹配所有。
語法格式為:
re.findall(pattern, string, flags=0)
或
pattern.findall(string[, pos[, endpos]])
參數:
- pattern?匹配模式。
- string?待匹配的字符串。
- pos?可選參數,指定字符串的起始位置,默認為 0。
- endpos?可選參數,指定字符串的結束位置,默認為字符串的長度。
#findall
s = 'hello 123 world, hello 456 python'
pattern = re.compile(r'\d+')
print(pattern.findall(s)) # 輸出:['123', '456']
print(pattern.findall(s,10,25)) # 輸出:['4']# 多個匹配模式,返回元組列表:
result = re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
# 模式 (\w+)=(\d+) 會匹配所有的單詞字符后跟一個等號,然后是數字字符。
print(result) # 輸出:[('width', '20'), ('height', '10')]
5.re.finditer
和 findall 類似,在字符串中找到正則表達式所匹配的所有子串,并把它們作為一個迭代器返回。
re.finditer(pattern, string, flags=0)
參數:
參數 | 描述 |
---|---|
pattern | 匹配的正則表達式 |
string | 要匹配的字符串。 |
flags | 標志位,用于控制正則表達式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正則表達式修飾符 - 可選標志 |
#finditer
it = re.finditer(r"\d+", "12a32bc43jf3")
for match in it:print(match.group())# 輸出:12 32 43 3
6.re.split
plit 方法按照能夠匹配的子串將字符串分割后返回列表,它的使用形式如下:
re.split(pattern, string[, maxsplit=0, flags=0])
參數:
參數 | 描述 |
---|---|
pattern | 匹配的正則表達式 |
string | 要匹配的字符串。 |
maxsplit | 分割次數,maxsplit=1 分割一次,默認為 0,不限制次數。 |
flags | 標志位,用于控制正則表達式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正則表達式修飾符 - 可選標志 |
print(re.split(r'\W+', 'runoob,runoob,runoob.') )
#輸出:['runoob', 'runoob', 'runoob', '']
# \W 是一個正則表達式元字符,表示匹配任何非單詞字符(等價于 [^a-zA-Z0-9_])
# re.split() 會查找字符串中所有符合 \W+ 模式的子串,并以這些子串為分隔符將原字符串分割成多個部分。
# 在字符串 'runoob, runoob, runoob.' 中,\W+ 匹配到的是逗號 ,和句號 .。
# 因此,該字符串會被分割成 ['runoob', 'runoob', 'runoob', ''] 這四個部分。
# 注意最后一個空字符串 '' 的存在,這是因為字符串末尾有一個句號 .,它被當作分隔符,導致在它之后還產生了一個空字符串。print( re.split('\W+', ' runoob, runoob, runoob.', 1) ) #限制分割次數為1
# 輸出:['', 'runoob, runoob, runoob.']print(re.split(r'(\W+)', 'runoob, runoob, runoob.'))
# 輸出:['runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
# r'(\W+)' 是一個正則表達式模式。
# r 表示原始字符串,這樣在字符串中使用轉義字符時,避免 Python 字符串的轉義處理。
# 在這個模式中,\W 是一個正則表達式元字符,它匹配任何非單詞字符(等價于 [^a-zA-Z0-9_])。
# + 是一個量詞,表示匹配前面的元素一次或多次。因此,\W+ 用于匹配一個或多個連續的非單詞字符。
# 括號 () 用于捕獲匹配的子串,并將其包含在分割結果中。
7.正則表達式對象
re.RegexObject
re.compile() 返回 RegexObject 對象。
re.MatchObject
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
8.正則表達式修飾符 - 可選標志
正則表達式可以包含一些可選標志修飾符來控制匹配的模式。
以下標志可以單獨使用,也可以通過按位或(|)組合使用。例如,re.IGNORECASE | re.MULTILINE 表示同時啟用忽略大小寫和多行模式。
修飾符 | 描述 | 實例 |
---|---|---|
re.IGNORECASE 或 re.I | 使匹配對大小寫不敏感 | import re pattern = re.compile(r'apple', flags=re.IGNORECASE) result = pattern.match('Apple') print(result.group()) # 輸出: 'Apple' |
re.MULTILINE 或 re.M | 多行匹配,影響?^?和?$,使它們匹配字符串的每一行的開頭和結尾。 | import re pattern = re.compile(r'^\d+', flags=re.MULTILINE) text = '123\n456\n789' result = pattern.findall(text) print(result) # 輸出: ['123', '456', '789'] |
re.DOTALL 或 re.S: | 使?.?匹配包括換行符在內的任意字符。 | import re pattern = re.compile(r'a.b', flags=re.DOTALL) result = pattern.match('a\nb') print(result.group()) # 輸出: 'a\nb' |
re.ASCII | 使 \w, \W, \b, \B, \d, \D, \s, \S 僅匹配 ASCII 字符。 | import re pattern = re.compile(r'\w+', flags=re.ASCII) result = pattern.match('Hello123') print(result.group()) # 輸出: 'Hello123' |
re.VERBOSE 或 re.X | 忽略空格和注釋,可以更清晰地組織復雜的正則表達式。 | import re pattern = re.compile(r'''\d+ # 匹配數字[a-z]+ # 匹配小寫字母 ''', flags=re.VERBOSE) result = pattern.match('123abc') print(result.group()) # 輸出: '123abc' |
9.正則表達式模式
模式字符串使用特殊的語法來表示一個正則表達式。
字母和數字表示他們自身。一個正則表達式模式中的字母和數字匹配同樣的字符串。
多數字母和數字前加一個反斜杠時會擁有不同的含義。
標點符號只有被轉義時才匹配自身,否則它們表示特殊的含義。
反斜杠本身需要使用反斜杠轉義。
由于正則表達式通常都包含反斜杠,所以你最好使用原始字符串來表示它們。模式元素(如?r'\t',等價于?\\t?)匹配相應的特殊字符。
下表列出了正則表達式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標志參數,某些模式元素的含義會改變。
模式 | 描述 |
---|---|
^ | 匹配字符串的開頭 |
$ | 匹配字符串的末尾。 |
. | 匹配任意字符,除了換行符,當re.DOTALL標記被指定時,則可以匹配包括換行符的任意字符。 |
[...] | 用來匹配所包含的任意一個字符,例如 [amk] 匹配 'a','m'或'k' |
[^...] | 不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。 |
re* | 匹配0個或多個的表達式。 |
re+ | 匹配1個或多個的表達式。 |
re? | 匹配0個或1個由前面的正則表達式定義的片段,非貪婪方式 |
re{ n} | 匹配n個前面表達式。例如,"o{2}"不能匹配"Bob"中的"o",但是能匹配"food"中的兩個o。 |
re{ n,} | 精確匹配n個前面表達式。例如,"o{2,}"不能匹配"Bob"中的"o",但能匹配"foooood"中的所有o。"o{1,}"等價于"o+"。"o{0,}"則等價于"o*"。 |
re{ n, m} | 匹配 n 到 m 次由前面的正則表達式定義的片段,貪婪方式 |
a| b | 匹配a或b |
(re) | 匹配括號內的表達式,也表示一個組 |
(?imx) | 正則表達式包含三種可選標志:i(大小寫), m(多行), 或 x(忽略空格和注釋) 。只影響括號中的區域。 |
(?-imx) | 正則表達式關閉 i, m, 或 x 可選標志。只影響括號中的區域。 |
(?: re) | 類似 (...), 但是不表示一個組 |
(?imx: re) | 在括號中使用i, m, 或 x 可選標志 |
(?-imx: re) | 在括號中不使用i, m, 或 x 可選標志 |
(?#...) | 注釋. |
(?= re) | 前向肯定界定符。如果所含正則表達式,以 ... 表示,在當前位置成功匹配時成功,否則失敗。但一旦所含表達式已經嘗試,匹配引擎根本沒有提高;模式的剩余部分還要嘗試界定符的右邊。 |
(?! re) | 前向否定界定符。與肯定界定符相反;當所含表達式不能在字符串當前位置匹配時成功。 |
(?> re) | 匹配的獨立模式,省去回溯。 |
\w | 匹配數字字母下劃線 |
\W | 匹配非數字字母下劃線 |
\s | 匹配任意空白字符,等價于 [\t\n\r\f]。 |
\S | 匹配任意非空字符 |
\d | 匹配任意數字,等價于 [0-9]。 |
\D | 匹配任意非數字 |
\A | 匹配字符串開始 |
\Z | 匹配字符串結束,如果是存在換行,只匹配到換行前的結束字符串。 |
\z | 匹配字符串結束 |
\G | 匹配最后匹配完成的位置。 |
\b | 匹配一個單詞邊界,也就是指單詞和空格間的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。 |
\B | 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。 |
\n, \t, 等。 | 匹配一個換行符。匹配一個制表符, 等 |
\1...\9 | 匹配第n個分組的內容。 |
\10 | 匹配第n個分組的內容,如果它經匹配。否則指的是八進制字符碼的表達式。 |
10.正則表達式實例
字符匹配
實例 | 描述 |
---|---|
python | 匹配 "python". |
字符類
實例 | 描述 |
---|---|
[Pp]ython | 匹配 "Python" 或 "python" |
rub[ye] | 匹配 "ruby" 或 "rube" |
[aeiou] | 匹配中括號內的任意一個字母 |
[0-9] | 匹配任何數字。類似于 [0123456789] |
[a-z] | 匹配任何小寫字母 |
[A-Z] | 匹配任何大寫字母 |
[a-zA-Z0-9] | 匹配任何字母及數字 |
[^aeiou] | 除了aeiou字母以外的所有字符 |
[^0-9] | 匹配除了數字外的字符 |
特殊字符類
實例 | 描述 |
---|---|
. | 匹配除 "\n" 之外的任何單個字符。要匹配包括 '\n' 在內的任何字符,請使用象 '[.\n]' 的模式。 |
\d | 匹配一個數字字符。等價于 [0-9]。 |
\D | 匹配一個非數字字符。等價于 [^0-9]。 |
\s | 匹配任何空白字符,包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。 |
\w | 匹配包括下劃線的任何單詞字符。等價于'[A-Za-z0-9_]'。 |
\W | 匹配任何非單詞字符。等價于 '[^A-Za-z0-9_]'。 |
?參考:Python3 正則表達式 | 菜鳥教程https://www.runoob.com/python3/python3-reg-expressions.html