Python正則表達式

正則表達式是一個特殊的字符序列，可以幫助您使用模式中保留的專門語法來匹配或查找其他字符串或字符串集。 正則表達式在UNIX世界中被廣泛使用。

注：很多開發人員覺得正則表達式比較難以理解，主要原因是缺少使用或不願意在這上面花時間。

re模塊在Python中提供對Perl類正則表達式的完全支持。如果在編譯或使用正則表達式時發生錯誤，則re模塊會引發異常re.error。

在這篇文章中，將介紹兩個重要的功能，用來處理正則表達式。 然而，首先是一件小事：有各種各樣的字符，這些字符在正則表達式中使用時會有特殊的意義。 爲了在處理正則表達式時避免混淆，我們將使用：r'expression'原始字符串。

匹配單個字符的基本模式

編號

表達式

描述

1

a, X, 9, <

普通字符完全匹配。

2

.

匹配任何單個字符，除了換行符’\n‘

3

\w

匹配「單詞」字符：字母或數字或下劃線[a-zA-Z0-9_]。

4

\W

匹配任何非字詞。

5

\b

字詞與非字詞之間的界限

6

\s

匹配單個空格字符 - 空格，換行符，返回，製表符

7

\S

匹配任何非空格字符。

8

\t, \n, \r

製表符，換行符，退格符

9

\d

十進制數[0-9]

10

^

匹配字符串的開頭

11

$

匹配字符串的末尾

12

\

抑制字符的「特殊性」，也叫轉義字符。

編譯標誌

編譯標誌可以修改正則表達式的某些方面。標誌在re模塊中有兩個名稱：一個很長的名稱，如IGNORECASE，和一個簡短的單字母形式，如I。

編號

標誌

含義

1

ASCII, A

像\w，\b，\s和\d之間的幾個轉義只匹配ASCII字符與相應的屬性。

2

DOTALL, S

匹配任何字符，包括換行符

3

IGNORECASE, I

不區分大小寫匹配

4

LOCALE, L

做一個區域感知的匹配

5

MULTILINE, M

多行匹配，影響^和$

6

VERBOSE, X (for ‘extended’)

啓用詳細的RE，可以更乾淨，更容易理解

1.match函數

此函數嘗試將RE模式與可選標誌的字符串進行匹配。

下面是函數的語法 -

re.match(pattern, string, flags = 0)

這裏是參數的描述 -

• pattern - 這是要匹配的正則表達式。
• string - 這是字符串，它將被搜索用於匹配字符串開頭的模式。 |
• flags - 可以使用按位OR(|)指定不同的標誌。 這些是修飾符，如下表所列。

re.match函數在成功時返回匹配對象，失敗時返回None。使用match(num)或groups()函數匹配對象來獲取匹配的表達式。

編號

匹配對象

描述

1

group(num = 0)

此方法返回整個匹配(或特定子組num)

2

groups()

此方法返回一個元組中的所有匹配子組(如果沒有，則返回爲None)

示例

#!/usr/bin/python3
import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:
   print ("matchObj.group() : ", matchObj.group())
   print ("matchObj.group(1) : ", matchObj.group(1))
   print ("matchObj.group(2) : ", matchObj.group(2))
else:
   print ("No match!!")

當執行上述代碼時，會產生以下結果 -

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

2.search函數

此函數嘗試將RE模式與可選標誌的字符串進行匹配。

下面是這個函數的語法 -

re.match(pattern, string, flags = 0)

這裏是參數的描述 -

• pattern - 這是要匹配的正則表達式。
• string - 這是字符串，它將被搜索用於匹配字符串開頭的模式。 |
• flags - 可以使用按位OR(|)指定不同的標誌。 這些是修飾符，如下表所列。

re.search函數在成功時返回匹配對象，否則返回None。使用match對象的group(num)或groups()函數來獲取匹配的表達式。

編號

匹配對象

描述

1

group(num = 0)

此方法返回整個匹配(或特定子組num)

2

groups()

此方法返回一個元組中的所有匹配子組(如果沒有，則返回爲None)

示例

#!/usr/bin/python3
import re

line = "Cats are smarter than dogs";

searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)

if searchObj:
   print ("searchObj.group() : ", searchObj.group())
   print ("searchObj.group(1) : ", searchObj.group(1))
   print ("searchObj.group(2) : ", searchObj.group(2))
else:
   print ("Nothing found!!")

當執行上述代碼時，會產生以下結果 -

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

3.匹配與搜索

Python提供基於正則表達式的兩種不同的原始操作：match檢查僅匹配字符串的開頭，而search檢查字符串中任何位置的匹配(這是Perl默認情況下的匹配)。

示例

#!/usr/bin/python3
import re

line = "Cats are smarter than dogs";

matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
   print ("match --> matchObj.group() : ", matchObj.group())
else:
   print ("No match!!")

searchObj = re.search( r'dogs', line, re.M|re.I)
if searchObj:
   print ("search --> searchObj.group() : ", searchObj.group())
else:
   print ("Nothing found!!")

當執行上述代碼時，會產生以下結果 -

No match!!
search --> matchObj.group() :  dogs

4.搜索和替換

使用正則表達式re模塊中的最重要的之一是sub。

模塊

re.sub(pattern, repl, string, max=0)

此方法使用repl替換所有出現在RE模式的字符串，替換所有出現，除非提供max。此方法返回修改的字符串。

示例

#!/usr/bin/python3
import re

phone = "2018-959-559 # This is Phone Number"

# Delete Python-style comments
num = re.sub(r'#.*$', "", phone)
print ("Phone Num : ", num)

# Remove anything other than digits
num = re.sub(r'\D', "", phone)    
print ("Phone Num : ", num)

當執行上述代碼時，會產生以下結果 -

Phone Num :  2018-959-559
Phone Num :  2018959559

5.正則表達式修飾符：選項標誌

正則表達式文字可能包含一個可選修飾符，用於控制匹配的各個方面。 修飾符被指定爲可選標誌。可以使用異或(|)提供多個修飾符，如前所示，可以由以下之一表示 -

編號

修辭符

描述

1

re.I

執行不區分大小寫的匹配。

2

re.L

根據當前語言環境解釋單詞。這種解釋影響字母組(\w和\W)以及字邊界行爲(\b和\B)。

3

re.M

使$匹配一行的結尾(而不僅僅是字符串的結尾)，並使^匹配任何行的開始(而不僅僅是字符串的開頭)。

4

re.S

使一個句點(.)匹配任何字符，包括換行符。

5

re.U

根據Unicode字符集解釋字母。 此標誌影響\w，\W，\b，\B的行爲。

6

re.X

允許「cuter」正則表達式語法。 它忽略空格(除了一個集合[]內部，或者用反斜槓轉義)，並將未轉義的#作爲註釋標記。

6.正則表達模式

除了控制字符(+ ? . * ^ $ ( ) [ ] { } | \)，所有字符都與其自身匹配。 可以通過使用反斜槓將其轉換爲控制字符。

7.正則表達式示例

字符常量

編號

示例

說明

1

python

匹配「python」。

字符類

編號

示例

說明

1

[Pp]ython

匹配「Python」或「python」

2

rub[ye]

匹配「ruby」或「rube」

3

[aeiou]

匹配任何一個小寫元音

4

[0-9]

匹配任何數字; 如[0123456789]

5

[a-z]

匹配任何小寫ASCII字母

6

[A-Z]

匹配任何大寫的ASCII字母

7

[a-zA-Z0-9]

匹配上述任何一個

8

[^aeiou]

匹配除小寫元音之外的任何東西

9

[^0-9]

匹配數字以外的任何東西

特殊字符類

編號

示例

說明

1

.

匹配除換行符以外的任何字符

2

\d

匹配數字：[0-9]

3

\D

匹配非數字：[^0-9]

4

\s

匹配空格字符：[\t\r\n\f]

5

\S

匹配非空格：[^\t\r\n\f]

6

\w

匹配單字字符： [A-Za-z0-9_]

7

\W

匹配非單字字符： [A-Za-z0-9_]

重複匹配

編號

示例

說明

1

ruby?

匹配「rub」或「ruby」：y是可選的

2

ruby*

匹配「rub」加上0個以上的y

3

ruby+

匹配「rub」加上1個或更多的y

4

\d{3}

完全匹配3位數

5

\d{3,}

匹配3位或更多位數字

6

\d{3,5}

匹配3，4或5位數

非貪婪重複

這匹配最小的重複次數 -

編號

示例

說明

1

<.*>

貪婪重複：匹配「<python> perl>」

2

<.*?>

非貪婪重複：在「<python> perl」中匹配「<python>」

用圓括號分組

編號

示例

說明

1

\D\d+

沒有分組：+重複\d

2

(\D\d)+

分組：+重複\D\d對

3

([Pp]ython(,)?)+

匹配「Python」，「Python，python，python」等

反向引用

這與以前匹配的組再次匹配 -

編號

示例

說明

1

([Pp])ython&\1ails

匹配python和pails或Python和Pails

2

(['"])[^\1]*\1

單引號或雙引號字符串。\1匹配第一個分組匹配。 \2匹配任何第二個分組匹配等

備擇方案

• python|perl - 匹配「python」或「perl」
• rub(y|le) - 匹配 「ruby」 或 「ruble」
• Python(!+|\?) - 「Python」後跟一個或多個！ 還是一個？

錨點

這需要指定匹配位置。

編號

示例

說明

1

^Python

在字符串或內部行的開頭匹配「Python」

2

Python$

在字符串或內部行的結尾匹配「Python」

3

\APython

在字符串的開頭匹配「Python」

4

Python\Z

在字符串的末尾匹配「Python」

5

\bPython\b

在字詞的邊界匹配「Python」

6

\brub\B

\B是非字詞邊界：在「rube」和「ruby」中匹配「rub」，而不是單獨匹配

7

Python(?=!)

匹配「Python」，如果跟着感嘆號。

8

Python(?!!)

匹配「Python」，如果沒有感嘆號後面。

帶括號的特殊語法

編號

示例

說明

1

R(?#comment)

匹配「R」。其餘的都是註釋

2

R(?i)uby

匹配「uby」時不區分大小寫

3

R(?i:uby)

同上

4

`rub(?:y

le))`

僅組合而不創建\1反向引用