python正则表达式re模块怎么运用

发布时间：2022-06-22 12:39 所属栏目：13 来源：互联网

导读：这篇文章主要介绍python正则表达式re模块怎么使用，在日常操作中，相信很多人在python正则表达式re模块怎么使用问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答python正则表达式re模块怎么使用的疑惑有所帮助！接下来，请跟

　　这篇文章主要介绍“python正则表达式re模块怎么使用”，在日常操作中，相信很多人在python正则表达式re模块怎么使用问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”python正则表达式re模块怎么使用”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

　　在Python中需要通过正则表达式对字符串进⾏匹配的时候，可以使⽤⼀个python自带的模块，名字为re。

　　正则表达式的大致匹配过程是：
　　1.依次拿出表达式和文本中的字符比较，
　　2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
　　3.如果表达式中有量词或边界，这个过程会稍微有一些不同。

　　r：Python 中字符串的前导 r 代表原始字符串标识符，该字符串中的特殊符号不会被转义，适用于正则表达式中繁杂的特殊符号表示。因此 r"\n" 表示包含 '\' 和 'n' 两个字符的字符串，而 "\n" 则表示只包含一个换行符的字符串。

　　print("\\n") # 输出 \n
　　print(r"\n") #输出 \n
　　re模块的使用：import re

　　re.match函数
　　语法：re.match(pattern, string, flags=0)

　　pattern 匹配的正则表达式
　　string 要匹配的字符串
　　flags
　　标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

　　re.I 忽略大小写
　　re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
　　re.M 多行模式
　　re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
　　re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
　　re.X 为了增加可读性，忽略空格和 # 后面的注释
　　尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。匹配成功re.match方法返回一个匹配的对象。

　　如果上⼀步匹配到数据的话，可以使⽤group⽅法来提取数据。以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

　　group()用来提出分组截获的字符串，（）用来分组，group() 同group（0）就是匹配正则表达式整体结果，group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。没有匹配成功的，re.search()返回None。

　　举例：

　　>>> import re
　　>>> result = re.match("itcast","itcast.cn")
　　>>> result.group()
　　'itcast'
　　从string头开始匹配pattern完全可以匹配，pattern匹配结束，同时匹配终止，后面的.cn不再匹配，返回匹配成功的信息。

　　匹配单个字符
　　字符功能位置
　　. 匹配任意1个字符（除了\n）
　　[ ] 匹配[ ]中列举的字符
　　\d 匹配数字，即0-9 可以写在字符集[...]中
　　\D 匹配⾮数字，即不是数字可以写在字符集[...]中
　　\s 匹配空⽩，即空格，tab键可以写在字符集[...]中
　　\S 匹配⾮空⽩字符可以写在字符集[...]中
　　\w 匹配单词字符，即a-z、A-Z、0-9、_ 可以写在字符集[...]中
　　\W 匹配⾮单词字符可以写在字符集[...]中
　　\w \w 匹配单词字符，即a-z、A-Z、0-9、_
　　\W 匹配⾮单词字符
　　[...]字符集，对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，比如[abc]和[a-c]，第一个字符如果是^表示取反。所有特殊字符（比如"]""-""^"）在字符集中都失去原来的含义，如要使用可把"]""-"放在第一个字符，"^"放在非第一个字符。

　　举例：

　　import re
　　ret = re.match(".","M")
　　print(ret.group())
　　ret = re.match("t.o","too")
　　print(ret.group())
　　ret = re.match("t.o","two")
　　print(ret.group())
　　# 如果hello的⾸字符⼩写，那么正则表达式需要⼩写的h
　　ret = re.match("h","hello Python")
　　print(ret.group())
　　# 如果hello的⾸字符⼤写，那么正则表达式需要⼤写的H
　　ret = re.match("H","Hello Python")
　　print(ret.group())
　　# ⼤⼩写h都可以的情况
　　ret = re.match("[hH]","hello Python")
　　print(ret.group())
　　ret = re.match("[hH]","Hello Python")
　　print(ret.group())
　　ret = re.match("[hH]ello Python","Hello Python")
　　print(ret.group())
　　# 匹配0到9的多种写法
　　ret = re.match("[0123456789]Hello Python","7Hello Python")
　　print(ret.group())
　　ret = re.match("[0-9]Hello Python","7Hello Python")
　　print(ret.group())
　　# 匹配0到3和5-9
　　ret = re.match("[0-35-9]Hello Python","7Hello Python")
　　print(ret.group())
　　ret = re.match("[0-35-9]Hello Python","4Hello Python")
　　#print(ret.group())
　　ret = re.match("嫦娥\d号","嫦娥1号发射成功")
　　print(ret.group())
　　ret = re.match("嫦娥\d号","嫦娥2号发射成功")
　　print(ret.group())
　　结果：

　　M
　　too
　　two
　　h
　　H
　　h
　　H
　　Hello Python
　　7Hello Python
　　7Hello Python
　　7Hello Python
　　嫦娥1号
　　嫦娥2号

　　匹配多个字符
　　字符功能位置表达式实例完整匹配的字符串
　　* 匹配前⼀个字符出现0次或者⽆限次，即可有可⽆用在字符或(...)之后 abc* abccc
　　+ 匹配前⼀个字符出现1次或者⽆限次，即⾄少有1次用在字符或(...)之后 abc+ abccc
　　? 匹配前⼀个字符出现1次或者0次，即要么有1次，要么没有用在字符或(...)之后 abc? ab,abc
　　{m} 匹配前⼀个字符出现m次用在字符或(...)之后 ab{2}c abbc
　　{m,n} 匹配前⼀个字符出现从m到n次，若省略m，则匹配0到n次，若省略n，则匹配m到无限次用在字符或(...)之后 ab{1,2}c abc,abbc
　　举例：

　　import re
　　#：匹配出，⼀个字符串第⼀个字⺟为⼤写字符，后⾯都是⼩写字⺟并且这些⼩写字⺟可有可⽆
　　ret = re.match("[A-Z][a-z]*","M")
　　print(ret.group())
　　ret = re.match("[A-Z][a-z]*","MnnM")
　　print(ret.group())
　　ret = re.match("[A-Z][a-z]*","Aabcdef")
　　print(ret.group())
　　#匹配出，变量名是否有效
　　names = ["name1", "_name", "2_name", "__name__"]
　　for name in names:
　　    ret = re.match("[a-zA-Z_]+[\w]*",name)
　　    if ret:
　　        print("变量名 %s 符合要求" % ret.group())
　　    else:
　　        print("变量名 %s ⾮法" % name)
　　#匹配出，0到99之间的数字
　　ret = re.match("[1-9]?[0-9]","7")
　　print(ret.group())
　　ret = re.match("[1-9]?\d","33")
　　print(ret.group())
　　# 这个结果并不是想要的，利⽤$才能解决
　　ret = re.match("[1-9]?\d","09")
　　print(ret.group())
　　ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
　　print(ret.group())
　　#匹配出，8到20位的密码，可以是⼤⼩写英⽂字⺟、数字、下划线
　　ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
　　print(ret.group())
　　结果：
　　M
　　Mnn
　　Aabcdef
　　变量名 name1 符合要求
　　变量名 _name 符合要求
　　变量名 2_name ⾮法
　　变量名 __name__ 符合要求
　　7
　　33
　　0
　　12a3g4
　　1ad12f23s34455ff66

　　匹配开头结尾
　　字符功能
　　^ 匹配字符串开头
　　$ 匹配字符串结尾
　　举例：匹配163.com的邮箱地址

　　import re
　　email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"]
　　for email in email_list:
　　    ret = re.match("[\w]{4,20}@163\.com$", email)
　　    if ret:
　　        print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
　　    else:
　　        print("%s 不符合要求" % email)
　　结果：

　　xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com
　　xiaoWang@163.comheihei 不符合要求
　　.com.xiaowang@qq.com 不符合要求

　　匹配分组
　　字符功能
　　| 匹配左右任意⼀个表达式
　　(ab) 将括号中字符作为⼀个分组
　　\num 引⽤分组num匹配到的字符串
　　(?P<name>) 分组起别名，匹配到的子串组在外部是通过定义的 name 来获取的
　　(?P=name) 引⽤别名为name分组匹配到的字符串
　　举例：|

　　#匹配出0-100之间的数字
　　import re
　　ret = re.match("[1-9]?\d$|100","8")
　　print(ret.group()) # 8
　　ret = re.match("[1-9]?\d$|100","78")
　　print(ret.group()) # 78
　　ret = re.match("[1-9]?\d$|100","08")
　　# print(ret.group()) # 不是0-100之间
　　ret = re.match("[1-9]?\d$|100","100")
　　print(ret.group()) # 100
　　举例：()

　　#需求：匹配出163、126、qq邮箱
　　ret = re.match("\w{4,20}@163\.com", "test@163.com")
　　print(ret.group()) # test@163.com
　　ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
　　print(ret.group()) # test@126.com
　　ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")
　　print(ret.group()) # test@qq.com
　　ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com")
　　if ret:
　　    print(ret.group())
　　else:
　　    print("不是163、126、qq邮箱") # 不是163、126、qq邮箱
　　#不是以4、7结尾的⼿机号码(11位)
　　tels = ["13100001234", "18912344321", "10086", "18800007777"]
　　for tel in tels:
　　    ret = re.match("1\d{9}[0-35-68-9]", tel)
　　    if ret:
　　        print(ret.group())
　　    else:
　　        print("%s 不是想要的⼿机号" % tel)
　　#提取区号和电话号码
　　ret = re.match("([^-]*)-(\d+)","010-12345678")
　　print(ret.group())
　　print(ret.group(1))
　　print(ret.group(2))
　　举例：\number

　　匹配数字代表的组合。每个括号是一个组合，组合从1开始编号。比如 (.+) \1 匹配 'the the' 或者 '55 55', 但不会匹配 'thethe' (注意组合后面的空格)。这个特殊序列只能用于匹配前面99个组合。如果 number 的第一个数位是0，或者 number 是三个八进制数，它将不会被看作是一个组合，而是八进制的数字值。在 '[' 和 ']' 字符集合内，任何数字转义都被看作是字符。

　　例子1：匹配出 <html>hh</html>
　　\1,...,\9，匹配第n个分组的内容。如例子所示，指匹配第一个分组的内容。

　　import re
　　# 正确的理解思路：如果在第⼀对<>中是什么，按理说在后⾯的那对<>中就应该是什么。通过引⽤分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式。
　　ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>")
　　# 因为2对<>中的数据不⼀致，所以没有匹配出来
　　test_label = ["<html>hh</html>","<html>hh</htmlbalabala>"]
　　for label in test_label:
　　    ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", label)
　　    if ret:
　　        print("%s 这是一对正确的标签" % ret.group())
　　    else:
　　        print("%s 这是⼀对不正确的标签" % label)
　　结果：

　　<html>hh</html> 这是一对正确的标签
　　<html>hh</htmlbalabala> 这是⼀对不正确的标签

　　例子2：匹配出 <html><h2>www.itcast.cn</h2></html>

　　import re
　　labels = ["<html><h2>www.itcast.cn</h2></html>", "<html><h2>www.itcast.cn</h3></html>"]
　　for label in labels:
　　    ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", label)
　　    if ret:
　　        print("%s 是符合要求的标签" % ret.group())
　　    else:
　　        print("%s 不符合要求" % label)
　　结果：

　　<html><h2>www.itcast.cn</h2></html> 是符合要求的标签
　　<html><h2>www.itcast.cn</h3></html> 不符合要求

　　举例：(?P<name>) (?P=name)

　　一个用于标记，一个用于在同一个正则表达式中复用

　　import re
　　ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>","<html><h2>www.itcast.cn</h2></html>")
　　ret.group()
　　ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>","<html><h2>www.itcast.cn</h3></html>")
　　#ret.group()
　　re.compile 函数
　　compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

　　prog = re.compile(pattern)
　　result = prog.match(string)
　　等价于

　　result = re.match(pattern, string)
　　举例：

　　>>>import re
　　>>> pattern = re.compile(r'\d+')
　　m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
　　>>> print m                                         # 返回一个 Match 对象
　　<_sre.SRE_Match object at 0x10a42aac0>
　　>>> m.group(0)   # 可省略 0
　　'12'
　　>>> m.start(0)   # 可省略 0
　　3
　　>>> m.end(0)     # 可省略 0
　　5
　　>>> m.span(0)    # 可省略 0
　　(3, 5)
　　在上面，当匹配成功时返回一个 Match 对象，其中：

　　group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
　　start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
　　end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
　　span([group]) 方法返回 (start(group), end(group))
　　re.search函数
　　re.search 扫描整个字符串并返回第一个成功的匹配，如果没有匹配，就返回一个 None。

　　re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配

　　举例：

　　import re
　　ret = re.search(r"\d+", "阅读次数为9999")
　　print(ret.group())
　　结果：

　　9999

　　re.findall函数
　　在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。注意： match 和 search 是匹配一次 findall 匹配所有。

　　举例：

　　import re
　　ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
　　print(ret)
　　结果：

　　['9999', '7890', '12345']

　　re.finditer函数
　　和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

　　import re
　　it = re.finditer(r"\d+", "12a32bc43jf3")
　　for match in it:
　　    print(match.group())
　　结果：

　　12
　　32
　　43
　　3

　　re.sub函数
　　sub是substitute的所写，表示替换，将匹配到的数据进⾏替换。

　　语法：re.sub(pattern, repl, string, count=0, flags=0)

　　参数描述
　　pattern 必选，表示正则中的模式字符串
　　repl 必选，就是replacement，要替换的字符串，也可为一个函数
　　string 必选，被替换的那个string字符串
　　count 可选参数，count 是要替换的最大次数，必须是非负整数。如果省略这个参数或设为 0，所有的匹配都会被替换
　　flag 可选参数，标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
　　举例：将匹配到的阅读次数加1

　　方法一：

　　import re
　　ret = re.sub(r"\d+", '998', "python = 997")
　　print(ret)
　　结果：python = 998

　　方法二：

　　import re
　　def add(temp):
　　    #int（）参数必须是字符串，类似字节的对象或数字，而不是“re.Match”
　　    strNum = temp.group()
　　    num = int(strNum) + 1
　　    return str(num)
　　ret = re.sub(r"\d+", add, "python = 997")
　　print(ret)
　　ret = re.sub(r"\d+", add, "python = 99")
　　print(ret)
　　结果;

　　python = 998
　　python = 100

　　re.subn函数
　　行为与sub()相同，但是返回一个元组 (字符串, 替换次数)。

　　re.subn(pattern, repl, string[, count])

　　返回：(sub(repl, string[, count]), 替换次数)

　　import re
　　pattern = re.compile(r'(\w+) (\w+)')
　　s = 'i say, hello world!'
　　print(re.subn(pattern, r'\2 \1', s))
　　def func(m):
　　    return m.group(1).title() + ' ' + m.group(2).title()
　　print(re.subn(pattern, func, s))
　　### output ###
　　# ('say i, world hello!', 2)
　　# ('I Say, Hello World!', 2)
　　re.split函数
　　根据匹配进⾏切割字符串，并返回⼀个列表。

　　re.split(pattern, string, maxsplit=0, flags=0)

　　参数描述
　　pattern 匹配的正则表达式
　　string 要匹配的字符串
　　maxsplit 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数
　　举例：

　　import re
　　ret = re.split(r":| ","info:xiaoZhang 33 shandong")
　　print(ret)
　　结果：['info', 'xiaoZhang', '33', 'shandong']

　　python贪婪和⾮贪婪
　　Python⾥数量词默认是贪婪的（在少数语⾔⾥也可能是默认⾮贪婪），总是尝试匹配尽可能多的字符；⾮贪婪则相反，总是尝试匹配尽可能少的字符。

　　例如：正则表达式”ab*”如果用于查找”abbbc”，将找到”abbb”。而如果使用非贪婪的数量词”ab*?”，将找到”a”。

　　注：我们一般使用非贪婪模式来提取。

　　在"*","?","+","{m,n}"后⾯加上？，使贪婪变成⾮贪婪。

　　举例1：

　　import re
　　s="This is a number 234-235-22-423"
　　#正则表达式模式中使⽤到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满⾜匹配最⻓字符串，在我们上⾯的例⼦⾥⾯，“.+”会从字符串的启始处抓取满⾜模式的最⻓字符，其中包括我们想得到的第⼀个整型字段的中的⼤部分，“\d+”只需⼀位字符就可以匹配，所以它匹配了数字“4”，⽽“.+”则匹配了从字符串起始到这个第⼀位数字4之前的所有字符
　　r=re.match(".+(\d+-\d+-\d+-\d+)",s)
　　print(r.group(1))
　　#⾮贪婪操作符“？”，这个操作符可以⽤在"*","+","?"的后⾯，要求正则匹配的越少越好
　　r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
　　print(r.group(1))
　　结果：

　　4-235-22-423
　　234-235-22-423

　　举例2：

　　>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
　　'2343'
　　>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
　　'2'
　　>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1)
　　'2343'
　　>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
　　'2343'
　　举例3：提取图片地址

　　import re
　　test_str="<img src=https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973.jpg>"
　　ret = re.search(r"https://.*?.jpg", test_str)
　　print(ret.group())
　　r的作⽤
　　与大多数编程语言相同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\\\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，Python中字符串前⾯加上 r 表示原⽣字符串。

　　import re
　　mm = "c:\\a\\b\\c"
　　print(mm)#c:\a\b\c
　　ret = re.match("c:\\\\",mm).group()
　　print(ret)#c:\
　　ret = re.match("c:\\\\a",mm).group()
　　print(ret)#c:\a
　　ret = re.match(r"c:\\a",mm).group()
　　print(ret)#c:\a
　　ret = re.match(r"c:\a",mm).group()
　　print(ret)#AttributeError: 'NoneType' object has no attribute 'group'
　　到此，关于“python正则表达式re模块怎么使用”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！

（编辑：ASP站长网）