(点击
上方蓝字
，快速关注我们)
来源：geekvi
链接：segmentfault.com/a/1190000007929344
如有好文章投稿，请点击 → 这里了解详情
简介
正则表达式（regular expression）是可以匹配文本片段的模式。最简单的正则表达式就是普通字符串，可以匹配其自身。比如，正则表达式 ‘hello’ 可以匹配字符串 ‘hello’。
要注意的是，正则表达式并不是一个程序，而是用于处理字符串的一种模式，如果你想用它来处理字符串，就必须使用支持正则表达式的工具，比如 Linux 中的 awk, sed, grep，或者编程语言 Perl, Python, Java 等等。
正则表达式有多种不同的风格，下表列出了适用于 Python 或 Perl 等编程语言的部分元字符以及说明：
re 模块
在 Python 中，我们可以使用内置的 re 模块来使用正则表达式。
有一点需要特别注意的是，正则表达式使用 对特殊字符进行转义，比如，为了匹配字符串 'python.org'，我们需要使用正则表达式 'python.org'，而 Python 的字符串本身也用 转义，所以上面的正则表达式在 Python 中应该写成 'python\.org'，这会很容易陷入 的困扰中，因此，我们建议使用 Python 的原始字符串，只需加一个 r 前缀，上面的正则表达式可以写成：
r'python\.org'
re 模块提供了不少有用的函数，用以匹配字符串，比如：
-
compile 函数
-
match 函数
-
search 函数
-
findall 函数
-
finditer 函数
-
split 函数
-
sub 函数
-
subn 函数
re 模块的一般使用步骤如下：
-
使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象
-
通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）
-
最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作
-
compile 函数
compile 函数用于编译正则表达式，生成一个 Pattern 对象，它的一般使用形式如下：
re.compile(pattern[, flag])
其中，pattern 是一个字符串形式的正则表达式，flag 是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等。
下面，让我们看看例子。
import
re
# 将正则表达式编译成 Pattern 对象
pattern
=
re
.
compile
(
r
'\d+'
)
在上面，我们已将一个正则表达式编译成 Pattern 对象，接下来，我们就可以利用 pattern 的一系列方法对文本进行匹配查找了。Pattern 对象的一些常用方法主要有：
-
match 方法
-
search 方法
-
findall 方法
-
finditer 方法
-
split 方法
-
sub 方法
-
subn 方法
-
match 方法
match 方法用于查找字符串的头部（也可以指定起始位置），它是一次匹配，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果。它的一般使用形式如下：
match(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。因此，
当你不指定 pos 和 endpos 时，match 方法默认匹配字符串的头部。
当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。
看看例子。
>>>
import
re
>>>
pattern
=
re
.
compile
(
r
'\d+'
)
# 用于匹配至少一个数字
>>>
m
=
pattern
.
match
(
'one12twothree34four'
)
# 查找头部，没有匹配
>>>
print
m
None
>>>
m
=
pattern
.
match
(
'one12twothree34four'
,
2
,
10
)
# 从'e'的位置开始匹配，没有匹配
>>>
print
m
None
>>>
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))。
再看看一个例子：
>>>
import
re
>>>
pattern
=
re
.
compile
(
r
'([a-z]+) ([a-z]+)'
,
re
.
I
)
# re.I 表示忽略大小写
>>>
m
=
pattern
.
match
(
'Hello World Wide Web'
)
>>>
print
m
# 匹配成功，返回一个 Match 对象
_sre
.
SRE_Match object
at
0x10bea83e8
>
>>>
m
.
group
(
0
)
# 返回匹配成功的整个子串
'Hello World'
>>>
m
.
span
(
0
)
# 返回匹配成功的整个子串的索引
(
0
,
11
)
>>>
m
.
group
(
1
)
# 返回第一个分组匹配成功的子串
'Hello'
>>>
m
.
span
(
1
)
# 返回第一个分组匹配成功的子串的索引
(
0
,
5
)
>>>
m
.
group
(
2
)
# 返回第二个分组匹配成功的子串
'World'
>>>
m
.
span
(
2
)
# 返回第二个分组匹配成功的子串
(
6
,
11
)
>>>
m
.
groups
()
# 等价于 (m.group(1), m.group(2), ...)
(
'Hello'
,
'World'
)
>>>
m
.
group
(
3
)
# 不存在第三个分组
Traceback
(
most recent call
last
)
:
File
"
"
,
line
1
,
in
module
>
IndexError
:
no such
group
search 方法
search 方法用于查找字符串的任何位置，它也是一次匹配，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果，它的一般使用形式如下：
search(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。
当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。
让我们看看例子：
>>>
import
re
>>>
pattern
=
re
.
compile
(
'\d+'
)
>>>
m
=
pattern
.
search
(
'one12twothree34four'
)
# 这里如果使用 match 方法则不匹配
>>>
m
_sre
.
SRE_Match object
at
0x10cc03ac0
>
>>>
m
.
group
()
'12'
>>>
m
=
pattern
.
search
(
'one12twothree34four'
,
10
,
30
)
# 指定字符串区间
>>>
m
_sre
.
SRE_Match object
at
0x10cc03b28
>
>>>
m
.
group
()
'34'
>>>
m
.
span
()
(
13
,
15
)
再来看一个例子：
# -*- coding: utf-8 -*-
import
re
# 将正则表达式编译成 Pattern 对象
pattern
=
re
.
compile
(
r
'\d+'
)
# 使用 search() 查找匹配的子串，不存在匹配的子串时将返回 None
# 这里使用 match() 无法成功匹配
m
=
pattern
.
search
(
'hello 123456 789'
)
if
m
:
# 使用 Match 获得分组信息
print
'matching string:'
,
m
.
group
()
print
'position:'
,
m
.
span
()
执行结果：
matching
string
:
123456
position
:
(
6
,
12
)
findall 方法
上面的 match 和 search 方法都是一次匹配，只要找到了一个匹配的结果就返回。然而，在大多数时候，我们需要搜索整个字符串，获得所有匹配的结果。
findall 方法的使用形式如下：
findall(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。
findall 以列表形式返回全部能匹配的子串，如果没有匹配，则返回一个空列表。
看看例子：
import re
pattern
=
re
.
compile
(
r
'\d+'
)
# 查找数字
result1
=
pattern
.
findall
(
'hello 123456 789'
)
result2
=
pattern
.
findall
(
'one1two2three3four4'
,
0
,
10
)
print result1
print
result2
执行结果：
[
'123456'
,
'789'
]
[
'1'
,
'2'
]
finditer 方法
finditer 方法的行为跟 findall 的行为类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果（Match 对象）的迭代器。
看看例子：
# -*- coding: utf-8 -*-
import re
pattern
=
re
.
compile
(
r
'\d+'
)
result_iter1
=
pattern
.
finditer
(
'hello 123456 789'
)
result_iter2
=
pattern
.
finditer
(
'one1two2three3four4'
,
0
,
10
)
print type
(
result_iter1
)
print type
(
result_iter2
)
print
'result1...'
for
m1
in
result_iter1
:
# m1 是 Match 对象
print
'matching string: {}, position: {}'
.
format
(
m1
.
group
(),
m1
.
span
())
print
'result2...'
for
m2
in
result_iter2
:
print
'matching string: {}, position: {}'
.
format
(
m2
.
group
(),
m2
.
span
())
执行结果：
type
'callable-iterator'
>
type
'callable-iterator'
>
result1
...
matching string
:
123456
,
position
:
(
6
,
12
)
matching string
:
789
,
position
:
(
13
,
16
)
result2
...
matching string
:
1
,
position
:
(
3
,
4
)
matching string
:
2
,
position
:
(
7
,
8
)
split 方法
split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：
split(string[, maxsplit])
其中，maxsplit 用于指定最大分割次数，不指定将全部分割。
看看例子：
import
re
p
=
re
.
compile
(
r
'[\s\,\;]+'
)
print
p
.
split
(
'a,b;; c d'
)
执行结果：
['a', 'b', 'c', 'd']
sub 方法
sub 方法用于替换。它的使用形式如下：
sub(repl, string[, count])
其中，repl 可以是字符串也可以是一个函数：
-
如果 repl 是字符串，则会使用 repl 去替换字符串每一个匹配的子串，并返回替换后的字符串，另外，repl 还可以使用 id 的形式来引用分组，但不能使用编号 0；
-
如果 repl 是函数，这个方法应当只接受一个参数（Match 对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
-
count 用于指定最多替换次数，不指定时全部替换。
看看例子：
import
re
p
=
re
.
compile
(
r
'(\w+) (\w+)'
)
s
=
'hello 123, hello 456'
def
func
(
m
)
:
return
'hi'
+
' '
+
m
.
group
(
2
)
print
p
.
sub
(
r
'hello world'
,
s
)
# 使用 'hello world' 替换 'hello 123' 和 'hello 456'
print
p
.
sub
(
r
'\2 \1'
,
s
)
# 引用分组
print
p
.
sub
(
func
,
s
)
print
p
.
sub
(
func
,
s
,
1
)
# 最多替换一次
执行结果：
hello
world
,
hello
world
123
hello
,
456
hello
hi
123
,
hi
456
hi
123
,
hello
456
subn 方法
subn 方法跟 sub 方法的行为类似，也用于替换。它的使用形式如下：
subn(repl, string[, count])
它返回一个元组：
(sub(repl, string[, count]), 替换次数)
元组有两个元素，第一个元素是使用 sub 方法的结果，第二个元素返回原字符串被替换的次数。
看看例子：
import
re
p
=
re
.
compile
(
r
'(\w+) (\w+)'
)
s
=
'hello 123, hello 456'
def
func
(
m
)
:
return
'hi'
+
' '
+
m
.
group
(
2
)
print
p
.
subn
(
r
'hello world'
,
s
)
print
p
.
subn
(
r
'\2 \1'
,
s
)
print
p
.
subn
(
func
,
s
)
print
p
.
subn
(
func
,
