Python 正则表达式核心用法解析

re.findall--找到字符串中所有匹配的内容---匹配多次

从字符串中匹配内容，进行多次匹配，有多少次满足项就匹配多少个。

返回结果以列表形式存储。

import re
r = re.findall('test', 'tdestabtestcdfgsdtest')
print(r)  # ['test', 'test']

3. 匹配单个字符

. 的匹配操作

. 匹配任意字符，除了 。

import re
print(re.findall('.', 'test\tand\n'))  # ['t', 'e', 's', 't', '\t', 'a', 'n', 'd']

可以将整个字符串拆分，将每个元素放到列表中。

r = re.match('aaa.', 'aaa1212bbb')
print(r.group())  # aaa1

\d 的匹配操作

将字符串中的数字提取出来。

import re
print(re.findall('\d', 'abd6c123'))  # ['6', '1', '2', '3']

\D 的匹配操作

将字符串中的非数字匹配提取出来。

import re
print(re.findall('\D', 'abd6c123'))  # ['a', 'b', 'd', 'c']

\s 的匹配操作

匹配空白字符。

import re
print(re.findall('\s', 'ted \t anfdsa sd '))  # [' ', '\t', ' ', ' ', ' ']

\S 的匹配操作

匹配非空白字符。

import re
print(re.findall('\S', 'ted \t anfdsa sd '))  # ['t', 'e', 'd', 'a', 'n', 'f', 'd', 's', 'a', 's', 'd']

\w 的匹配操作

匹配单词字符，如字母、数字、下划线、汉字。

import re
print(re.findall('\w', 'hi,小明！'))  # ['h', 'i', '小', '明']

\W 的匹配操作

作用与 \w 相反。

import re
print(re.findall('\W', 'hi,小明！'))  # [',', '！']

[] 匹配列举的任意字符

只会匹配括号内列举出来的，一次匹配一个。

import re
print(re.findall('[a-z]', 'hi,小明!123'))  # ['h', 'i']
print(re.findall('[a-zA-Z]', 'hi,小明 DFS!123'))  # ['h', 'i', 'D', 'F', 'S']
print(re.findall('[0-9]', 'hi,小明 DFS!123'))  # ['1', '2', '3']
print(re.findall('[0-35-9]', 'hi,小明 DFS!124653'))  # ['1', '2', '6', '5', '3']

4. 匹配多个字符

匹配多个字符是基于单个字符的。

* 的匹配使用

允许匹配 0 次，返回空白字符。

import re
print(re.findall('\S*', 'hi,my name is xiaoming'))  # ['hi,my', '', 'name', '', 'is', '', 'xiaoming', '']

+ 的匹配使用

至少匹配 1 次，不会算上空格的。

import re
print(re.findall('\S+', 'hi,my name is xiaoming'))  # ['hi,my', 'name', 'is', 'xiaoming']

设置匹配的长度---{m}

长度至少是 m 才能进行匹配。

import re
print(re.findall('\d{3}', '1233456'))  # ['123', '345']

至少匹配次数---{m,}

import re
print(re.findall('\S{4,}', 'hi,my name is xiaoming'))  # ['hi,my', 'name', 'xiaoming']

匹配{m,n}次

至少匹配 m 次，最多匹配 n 次。

import re
print(re.findall('\S{2,4}', 'hi,my name is xiaoming'))  # ['hi,m', 'name', 'is', 'xiao', 'ming']

5. 贪婪和非贪婪

贪婪：满足匹配的情况下，尽可能匹配多的数据。 非贪婪：满足匹配的情况下，尽可能匹配少的数据。 默认是贪婪模式。

修改为非贪婪模式：在匹配多个的后面加上问号 ?。

import re
print(re.findall('\S{2,4}', 'hi,my name is xiaoming'))  # 贪婪
print(re.findall('\S{2,4}?', 'hi,my name is xiaoming'))  # 非贪婪

r = re.match('aaa.+', 'aaa1212bbb')
print(r.group())  # aaa1212bbb (贪婪)
r = re.match('aaa.+?', 'aaa1212bbb')
print(r.group())  # aaa1 (非贪婪)

6. 匹配开头（^）和匹配结尾（$）的设置

^ 可以进行开头字符的设置

import re
print(re.findall('^t\w+', 'testabctest'))  # ['testabctest']
print(re.findall('^t\w+', 'Testabctest'))  # []

$ 设置匹配的结尾字符

import re
print(re.findall('^t\w+t$', 'testabctest'))  # ['testabctest']
print(re.findall('^t\w+T$', 'testabctest'))  # []

7. ^[] 和 [] 的区别

^[ ]: 匹配 [ ] 中列举的字符开头。 [^ ]: 匹配的不是 [ ] 中列举的内容，即取反操作。

import re
print(re.findall('^[Tt]\w+', 'Testabctest'))  # ['Testabctest']
print(re.findall('[^Tt]', 'Testabctest'))  # ['e', 's', 'a', 'b', 'c', 'e', 's']

8. () 分组匹配

import re
r = re.match('<.+>(.*)<.+>', '<h1>python</h1>')
print(r.group())  # <h1>python</h1>
print(r.groups())  # ('python',)

如果 findall 中使用了 ()，返回的内容只有 () 中匹配的数据，以列表形式返回。

import re
print(re.findall('<.+>(.*)<.+>', '<h1>python</h1>'))  # ['python']

9. re 模块的其他方法

compile---将正则表达式对象化

compile(正则表达式) 将正则表达式转换为对象，用于多次调用。

import re
c = re.compile('<.+>(.*)<.+>')
print(c.match('<h1>python</h1>').groups())  # ('python',)
print(c.search('<h1>python</h1>').groups())  # ('python',)
print(c.findall('<h1>python</h1>'))  # ['python']

sub()---进行大量数据中数据的替换方法

sub(正则表达式，新数据，修改的字符串，替换次数)。

import re
s1 = 'hello 111word 222'
s2 = re.sub('\d{3}', '666', s1)
print(s2)  # hello 666word 666

split--通过正则进行拆分的操作

split(正则表达式，要拆分的字符串，拆分的次数)。

import re
s = 'huahua1xiaoming2lisi3lala'
l = re.split('\d', s)
print(l)  # ['huahua', 'xiaoming', 'lisi', 'lala']

l = re.split('[1-3]', s)
print(l)  # ['huahua', 'xiaoming', 'lisi', 'lala']

10. 匹配边界--单词边界

\b 匹配单词边界，即前后不能是字母、数字或下划线。

import re
print(re.match('ve\b', 've2test'))  # None
print(re.match(r've\b', 've!2test'))  # <re.Match object; span=(0, 2), match='ve'>
print(re.match('ve\B', 've2test'))  # <re.Match object; span=(0, 2), match='ve'>
print(re.match('ve\B', 've!2test'))  # None

注意：\b 在正则里是边界，在字符串里是退格符，所以建议使用 r'' 原始字符串。