內行必看！Python Re 模組超全解讀！

re模組下的函式

compile(pattern)：建立樣式物件

import re

pat=re.compile(‘A’)

m=pat.search(‘CBA’)                    #等價於 re.search(‘A’,’CBA’)

print m

<_sre.SRE_Match object at 0x9d690c8>   #匹配到了，傳回MatchObject（True）

 

m=pat.search(‘CBD’)

print m

None                                   #沒有匹配到，傳回None（False）

search(pattern,string)：在字串中尋找樣式

m = re.search(‘asd’,‘ASDasd’)

print m

<_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了，傳回MatchObject（True）

m = re.search(‘asd’,‘ASDASD’)

print m

None                                   #沒有匹配到，傳回None（False）

match(pattern,string)：在字串開始處匹配樣式

m = re.search(‘asd’,‘ASDasd’)

print m

<_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了，傳回MatchObject（True）

m = re.search(‘asd’,‘ASDASD’)

print m

None                                   #沒有匹配到，傳回None（False）

等價於

pat=re.compile(‘a’)

print pat.match(‘Aasd’)

None

printpat.match(‘aASD’)

<_sre.SRE_Match object at 0xb72cd6e8>

上面的函式傳回都可以在if條件陳述句中進行判斷：

if pat.search(‘asd’):

…     print ‘OK’

…

OK        #找到傳回

if re.search(‘a’,‘ASD’):

…     print “OK”

…       #沒有找到

split(pattern,string)：根據樣式分割字串,傳回串列

re.split(‘,’,‘a,s,d,asd’)

[‘a’, ‘s’, ‘d’, ‘asd’]          #傳回串列

 

pat = re.compile(‘,’)

pat.split(‘a,s,d,asd’)

[‘a’, ‘s’, ‘d’, ‘asd’]          #傳回串列

 

re.split(‘[, ]+’,‘a ,  s  ,d     ,,,,,asd’)   #正則匹配：[, ]+，後面說明

[‘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：[, ]+，後面說明

pat.split(‘a ,  s  ,d     ,,,,,asd’,maxsplit=2)        # maxsplit 最多分割次數

[‘a’, ‘s’, ‘d     ,,,,,asd’]

findall(pattern,string)：串列形式傳回匹配項

re.findall(‘a’,‘ASDaDFGAa’)

[‘a’, ‘a’]                           #串列形式傳回匹配到的字串

 

pat = re.compile(‘a’)

pat.findall(‘ASDaDFGAa’)

[‘a’, ‘a’]                           #串列形式傳回匹配到的字串

 

pat = re.compile(‘[A-Z]+’)       #正則匹配：'[A-Z]+’ 後面有說明

pat.findall(‘ASDcDFGAa’)

[‘ASD’, ‘DFGA’]                      #找到匹配到的字串

 

pat = re.compile(‘[A-Z]’)

pat.findall(‘ASDcDFGAa’)         #正則匹配：'[A-Z]+’ 後面有說明

[‘A’, ‘S’, ‘D’, ‘D’, ‘F’, ‘G’, ‘A’]  #找到匹配到的字串

 

pat = re.compile(‘[A-Za-z]’)     #正則匹配：'[A-Za-z]+’ 匹配所有單詞，後面有說明

pat.findall(‘ASDcDFGAa’)

[‘A’, ‘S’, ‘D’, ‘c’, ‘D’, ‘F’, ‘G’, ‘A’, ‘a’]

sub(pat,repl,string) ：用repl替換 pat匹配項

(留的是中間的，因為中間在中心)

re.sub(‘a’,‘A’,‘abcasd’)   #找到a用A替換，後面見和group的配合使用

‘AbcAsd’

 

pat = re.compile(‘a’)

pat.sub(‘A’,‘abcasd’)

‘AbcAsd’

 

pat=re.compile(r‘www\.(.*)\..{3}’) #正則運算式

  #在Python的string前面加上‘r’， 是為了告訴編譯器這個string是個raw string，不要轉譯反斜槓 ‘\’ 。

  #例如，\n 在raw string中，是兩個字元，\和n， 而不會轉譯為換行符。

  #由於正則運算式和 \ 會有衝突，因此，當一個字串使用了正則運算式後，最好在前面加上’r’。

    

   #與大多數程式語言相同，正則運算式裡使用”\”作為跳脫字元，這就可能造成反斜槓困擾。

   #假如你需要匹配文字中的字元”\”，那麼使用程式語言表示的正則運算式裡將需要4個反斜槓”\\\\”：

   #前兩個和後兩個分別用於在程式語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正則運算式裡轉義成一個反斜槓。

   #Python裡的原生字串很好地解決了這個問題，這個例子中的正則運算式可以使用r”\\”表示。

   #同樣，匹配一個數字的”\\d”可以寫成r”\d”。

   #有了原生字串，你再也不用擔心是不是漏寫了反斜槓，寫出來的運算式也更直觀。

  

   #不是說 加了r \就沒有轉譯功能，好亂，就直接記住1句話：

   #當一個字串使用了正則運算式後，最好在前面加上’r’，這樣你再也不用擔心是不是漏寫了反斜槓，寫出來的運算式也更直觀

pat.match(‘www.dxy.com’).group(1)

‘dxy’

 

re.sub(r‘www\.(.*)\..{3}’,r‘\1’,‘hello,www.dxy.com’)

 

pat.sub(r‘\1’,‘hello,www.dxy.com’)

‘hello,dxy’

# r’1′ 是第一組的意思

#透過正則匹配找到符合規則的”www.dxy.com” ，取得 組1字串 去替換 整個匹配。

 

 

pat=re.compile(r‘(\w+) (\w+)’)     #正則運算式

s=‘hello world ! hello hz !’

 

pat.findall(‘hello world ! hello hz !’)

[(‘hello’, ‘world’), (‘hello’, ‘hz’)]

pat.sub(r‘\2 \1’,s)                #透過正則得到組1(hello)，組2(world)，再透過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!’

escape(string) ：對字串裡面的特殊字串進行轉義

re.escape(‘www.dxy.cn’)

‘www\\.dxy\\.cn’                   #轉義

上面的函式中，只有match、search有group方法，其他的函式沒有。

函式的方法

group：獲取子樣式(組)的匹配項

pat = re.compile(r‘www\.(.*)\.(.*)’)       #用()表示1個組，2個組

m = pat.match(‘www.dxy.com’)

m.group()                                  #預設為0，表示匹配整個字串  

‘www.dxy.com’

 

m.group(1)                                 #傳回給定組1匹配的子字串

‘dxy’

 

m.group(2)

‘com’

start：給定組匹配項的開始位置

m.start(2)                                 #組2開始的索引

8

end：給定組匹配項的結束位置

m.end(2)                                   #組2結束的索引

11

span： 給定組匹配項的開始結束位置

m.span(2)                                  #組2開始、結束的索引

(8, 11)

正則運算式

元字元

“.” ：萬用字元,除換行符外的任意的1個字元

pat=re.compile(‘.’)

pat.match(‘abc’)

<_sre.SRE_Match object at 0xb72b6170>

pat.match(‘abc’).group()

‘a’                                #匹配到了首個字元

pat.search(‘abc’).group()

‘a’

pat.match(‘\n’).group()        #換行符匹配出錯

Traceback (most recent call last):

  File “”, 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,傳回串列

[‘.’]

“[…]” : 字元集合，匹配裡面的任意一個元素

>>> 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，傳回

‘1’

 

>>> pat.match(‘ax1by2cz3’).group()    #匹配不到（首個不是）傳回None，報錯，match匹配字串頭

Traceback (most recent call last):

  File “”, line 1, in <module>

AttributeError: ‘NoneType’ object has no attribute ‘group’

 

>>> pat.findall(‘ax1by2cz3’)          #匹配所有的數字，串列傳回

[‘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” ：空白字元 、 \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” :非空白字元

>>> 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” ：單個的 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”:非單詞字元,除數字和字母外

>>> pat=re.compile(‘\W’)

>>> pat.findall(‘1a2我b3c’) #python是用三位元組表示一個漢字

[‘\xe6’, ‘\x88’, ‘\x91’]

>>> pat.search(‘1a2我b3c’).group()

‘\xe6’

數量詞

“*” ：0次或多次

（ 乘0會變成0）

>>> 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次或多次

（ 加0不會變成0）

>>> pat = re.compile(‘[abc]+’)

>>> pat.match(‘abcdefabcabc’).group()

‘abc’

>>> pat.search(‘abcdefabcabc’).group()

‘abc’

>>> pat.findall(‘abcdefabcabc’)

[‘abc’, ‘abcabc’]

“?” ：0次或1次，match,search 不會出現none，會出現’ ‘ （因為0次也是符合的）

0次或1次不是指[xxx]這個集合，而是其中的任何的一個字元

>>> 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’, ”]     #後面總再加個”

“數量詞?” ：非貪婪樣式：只匹配最少的（盡可能少）；預設貪婪樣式：匹配最多的（盡可能多）

>>> pat = re.compile(‘[abc]+’)         #貪婪樣式

>>> 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]+?’)        #非貪婪樣式：+?

>>> 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’]

“{m}” ：匹配字串出現m次

>>> pat = re.compile(‘[op]{2}’)     #o或p出現2次

>>> pat.search(‘abcooapp’).group()  #匹配第一次出現的字串,o比p先出現

‘oo’

>>> pat.findall(‘abcooapp’)         #匹配出現的所有字串，串列形式傳回

[‘oo’, ‘pp’]

“{m,n}” ：匹配字串出現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’]

.group() #匹配第一次出現

邊界

“^” ：匹配字串開頭或行頭

>>> pat = re.compile(‘^[abc]’)     #開頭是a、b、c中的任意一個

>>> 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’]

“$” ：匹配字串結尾或則行尾

>>> pat = re.compile(‘[abc]$’)

>>> pat.match(‘adefAbc’).group()   #match匹配的是字串開頭，所以查詢$的時，總是傳回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”：匹配字串開頭

>>> pat = re.compile(‘\A[abc]+’)

>>> pat.findall(‘cbadefab’)

[‘cba’]

>>> pat.search(‘cbadefab’).group()

‘cba’

“\Z”：匹配字串結尾

>>> pat = re.compile(‘[abc]+\Z’)

>>> pat.search(‘cbadefab’).group()

‘ab’

>>> pat.findall(‘cbadefab’)

[‘ab’]

分組

(…)：分組匹配,從左到右,每遇到一個 ( 編號+1，分組後面可加數量詞

>>> pat=re.compile(r‘(a)\w(c)’)  #\w:單個的數字或字母 [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()  #預設傳回匹配的字串

‘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，元組形式傳回

(‘a’, ‘c’)

：取用編號為的分組匹配到的字串

>>> pat=re.compile(r‘www\.(.*)\..{3}’)

>>> pat.match(‘www.dxy.com’).group(1)

‘dxy’

“(?P…)” ：在樣式裡面用()來表示分組（命名分組）,適用於提取標的字串中的某一些部位。

>>> pat=re.compile(r‘(?Pa)\w(c)’)    #分2組：命名分組+匿名分組

>>> pat.search(‘abcdef’).groups()       #取所有分組，元組形式傳回

(‘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()        #預設傳回匹配的字串

‘abc’

>>> pat.search(‘abcdef’).groupdict()    #命名分組可以傳回一個字典【專有】，匿名分組也沒有

{‘K’: ‘a’}

“(?P=name)”：取用別名為的分組匹配到的串

>>> pat=re.compile(r‘(?Pa)\w(c)(?P=K)’)    #(?P=K)取用分組1的值，就是a

>>> pat.search(‘abcdef’).group()              #匹配不到，因為完整’a\wca’,樣式的第4位是a

Traceback (most recent call last):

  File “”, line 1, in <module>

AttributeError: ‘NoneType’ object has no attribute ‘group’

 

>>> pat.search(‘abcadef’).group()             #匹配到，樣式的第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

“” ：取用分組編號匹配：

>>> pat=re.compile(r‘(?Pa)\w(c)(?P=K)\2’)  #\2取用分組2的值，就是c

>>> pat.findall(‘Aabcadef’)                   #匹配不到，因為完整’a\wcac’,樣式的第5位是c

[]

>>> pat.findall(‘Aabcacdef’)                  #匹配到，樣式的第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’

特殊構造

• (?:…) (…)不分組版本,用於使用 | 或者後接數量詞

• (?iLmsux) iLmsux的每個字元代表一個匹配樣式,只能用在正則運算式的開頭,可選多個

• (?#…) #號後的內容將作為註釋

• (?=…) 之後的字串內容需要匹配運算式才能成功匹配

• (?!…) 之後的字串不匹配運算式才能成功

• (?(?(?(id/name) yes |no) 如果編號為id/名字為name的組匹配到字串,則需要匹配yes,否則匹配no,no可以省略

“(?:…)” ：()裡面有?: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…運算式，傳回。對後進行匹配，總是對後面進行匹配

>>> pat=re.compile(r‘\w(?=\d)’)    #匹配運算式\d，傳回數字的前一位，\w：單詞字元[A-Za-z0-9]

>>> pat.findall(‘abc1 def1 xyz1’)

[‘c’, ‘f’, ‘z’]

>>> pat.findall(‘zhoujy20130628hangzhou’)  #匹配數字的前一位，串列傳回

[‘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串，串列傳回

[‘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’) #匹配後面帶有數字的字串，串列傳回

[‘zhoujy’, ‘hangzhou’]

>>> pat.findall(‘abc21,def31,xyz41’)

[‘abc’, ‘def’, ‘xyz’]

“(?!…)” 不匹配…運算式，傳回。對後進行匹配

>>> 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’)  #匹配後面不是數字的字串，串列傳回

[‘zhouj’, ‘hangzho’, ‘binjian’]

>>> pat.findall(‘abc21,def31,xyz41’)

[‘ab’, ‘de’, ‘xy’]

“(?<=…)”：匹配…運算式，傳回。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’]

“(?

>>> pat=re.compile(r‘(?)      #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，匹配傳回

>>> 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’)                   #傳回組1，但第2位（組1）沒有，即傳回了”

[”]

>>> pat.findall(‘a8bc9’)                  #完整的樣式，傳回組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)”:這裡就介紹下i引數：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 作為引數使用，推薦

>>> pat.findall(‘aBC’)

[‘aBC’]

>>> pat.findall(‘abc’)

[‘abc’]

>>> pat.findall(‘ABC’)

[‘ABC’]

來源：chichao

segmentfault.com/a/1190000011578899