Python中正则表达式的详细教程

1.了解正则表达式

    正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，Python同样不例外，利用了正则表达式，我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。

    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。

2.正则表达式的语法规则

下面是Python中正则表达式的一些匹配规则，图片资料来自CSDN

3.正则表达式相关注解
（1）数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。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；非贪婪的则相反，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*"htmlcode">

#返回pattern对象
re.compile(string[,flag]) 
#以下为匹配所用函数
re.match(pattern, string[, flags])
re.search(pattern, string[, flags])
re.split(pattern, string[, maxsplit])
re.findall(pattern, string[, flags])
re.finditer(pattern, string[, flags])
re.sub(pattern, repl, string[, count])
re.subn(pattern, repl, string[, count])

在介绍这几个方法之前，我们先来介绍一下pattern的概念，pattern可以理解为一个匹配模式，那么我们怎么获得这个匹配模式呢？很简单，我们需要利用re.compile方法就可以。例如
 

pattern = re.compile(r'hello')

在参数中我们传入了原生字符串对象，通过compile方法编译生成一个pattern对象，然后我们利用这个对象来进行进一步的匹配。

另外大家可能注意到了另一个参数 flags，在这里解释一下这个参数的含义：

参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。

可选值有：
 

• "htmlcode">

  __author__ = 'CQC'
  # -*- coding: utf-8 -*-
   
  #导入re模块
  import re
   
  # 将正则表达式编译成Pattern对象，注意hello前面的r的意思是“原生字符串”
  pattern = re.compile(r'hello')
   
  # 使用re.match匹配文本，获得匹配结果，无法匹配时将返回None
  result1 = re.match(pattern,'hello')
  result2 = re.match(pattern,'helloo CQC!')
  result3 = re.match(pattern,'helo CQC!')
  result4 = re.match(pattern,'hello CQC!')
   
  #如果1匹配成功
  if result1:
    # 使用Match获得分组信息
    print result1.group()
  else:
    print '1匹配失败！'
   
  #如果2匹配成功
  if result2:
    # 使用Match获得分组信息
    print result2.group()
  else:
    print '2匹配失败！'
   
  #如果3匹配成功
  if result3:
    # 使用Match获得分组信息
    print result3.group()
  else:
    print '3匹配失败！'
   
  #如果4匹配成功
  if result4:
    # 使用Match获得分组信息
    print result4.group()
  else:
    print '4匹配失败！'
  

  运行结果
   
  

  hello
  hello
  3匹配失败！
  hello
  

  匹配分析

  1.第一个匹配，pattern正则表达式为'hello'，我们匹配的目标字符串string也为hello，从头至尾完全匹配，匹配成功。

  2.第二个匹配，string为helloo CQC，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o CQC不再匹配，返回匹配成功的信息。

  3.第三个匹配，string为helo CQC，从string头开始匹配pattern，发现到 ‘o' 时无法完成匹配，匹配终止，返回None

  4.第四个匹配，同第二个匹配原理，即使遇到了空格符也不会受影响。

  我们还看到最后打印出了result.group()，这个是什么意思呢？下面我们说一下关于match对象的的属性和方法
  Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

      属性：
      1.string: 匹配时使用的文本。
      2.re: 匹配时使用的Pattern对象。
      3.pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
      4.endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
      5.lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
      6.lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

      方法：
      1.group([group1, …]):
      获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
      2.groups([default]):
      以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
      3.groupdict([default]):
      返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
      4.start([group]):
      返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
      5.end([group]):
      返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
      6.span([group]):
      返回(start(group), end(group))。
      7.expand(template):
      将匹配到的分组代入template中然后返回。template中可以使用\id或\g、\g引用分组，但不能使用编号0。\id与\g是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g0。

  下面我们用一个例子来体会一下
   
  

  # -*- coding: utf-8 -*-
  #一个简单的match实例
   
  import re
  # 匹配如下内容：单词+空格+单词+任意字符
  m = re.match(r'(\w+) (\w+)("m.string:", m.string
  print "m.re:", m.re
  print "m.pos:", m.pos
  print "m.endpos:", m.endpos
  print "m.lastindex:", m.lastindex
  print "m.lastgroup:", m.lastgroup
  print "m.group():", m.group()
  print "m.group(1,2):", m.group(1, 2)
  print "m.groups():", m.groups()
  print "m.groupdict():", m.groupdict()
  print "m.start(2):", m.start(2)
  print "m.end(2):", m.end(2)
  print "m.span(2):", m.span(2)
  print r"m.expand(r'\g \g\g'):", m.expand(r'\2 \1\3')
   
  ### output ###
  # m.string: hello world!
  # m.re: 
  # m.pos: 0
  # m.endpos: 12
  # m.lastindex: 3
  # m.lastgroup: sign
  # m.group(1,2): ('hello', 'world')
  # m.groups(): ('hello', 'world', '!')
  # m.groupdict(): {'sign': '!'}
  # m.start(2): 6
  # m.end(2): 11
  # m.span(2): (6, 11)
  # m.expand(r'\2 \1\3'): world hello!
  

  （2）re.search(pattern, string[, flags])

  search方法与match方法极其类似，区别在于match()函数只检测re是不是在string的开始位置匹配，search()会扫描整个string查找匹配，match（）只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回None。同样，search方法的返回对象同样match()返回对象的方法和属性。我们用一个例子感受一下
   
  

  #导入re模块
  import re
   
  # 将正则表达式编译成Pattern对象
  pattern = re.compile(r'world')
  # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None
  # 这个例子中使用match()无法成功匹配
  match = re.search(pattern,'hello world!')
  if match:
    # 使用Match获得分组信息
    print match.group()
  ### 输出 ###
  # world
  

  （3）re.split(pattern, string[, maxsplit])

  按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。我们通过下面的例子感受一下。
  

  import re
   
  pattern = re.compile(r'\d+')
  print re.split(pattern,'one1two2three3four4')
   
  ### 输出 ###
  # ['one', 'two', 'three', 'four', '']
  

  （4）re.findall(pattern, string[, flags]) 
  

  搜索string，以列表形式返回全部能匹配的子串。我们通过这个例子来感受一下
   
  import re
   
  pattern = re.compile(r'\d+')
  print re.findall(pattern,'one1two2three3four4')
   
  ### 输出 ###
  # ['1', '2', '3', '4']
  
  

  （5）re.finditer(pattern, string[, flags])

  搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。我们通过下面的例子来感受一下
   
  

  import re
   
  pattern = re.compile(r'\d+')
  for m in re.finditer(pattern,'one1two2three3four4'):
    print m.group(),
   
  ### 输出 ###
  # 1 2 3 4
  

  （6）re.sub(pattern, repl, string[, count])

  使用repl替换string中每一个匹配的子串后返回替换后的字符串。
  当repl是一个字符串时，可以使用\id或\g、\g引用分组，但不能使用编号0。
  当repl是一个方法时，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。
   
  

  import re
   
  pattern = re.compile(r'(\w+) (\w+)')
  s = 'i say, hello world!'
   
  print re.sub(pattern,r'\2 \1', s)
   
  def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
   
  print re.sub(pattern,func, s)
   
  ### output ###
  # say i, world hello!
  # I Say, Hello World!
  

  （7）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)
  

  5.Python Re模块的另一种使用方式

  在上面我们介绍了7个工具方法，例如match，search等等，不过调用方式都是 re.match，re.search的方式，其实还有另外一种调用方式，可以通过pattern.match，pattern.search调用，这样 调用便不用将pattern作为第一个参数传入了，大家想怎样调用皆可。

  函数API列表
   
  

  match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])
  search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])
  split(string[, maxsplit]) | re.split(pattern, string[, maxsplit])
  findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags])
  finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags])
  sub(repl, string[, count]) | re.sub(pattern, repl, string[, count])
  subn(repl, string[, count]) |re.sub(pattern, repl, string[, count])
  

  具体的调用方法不必详说了，原理都类似，只是参数的变化不同。小伙伴们尝试一下吧~

  小伙伴们加油，即使这一节看得云里雾里的也没关系，接下来我们会通过一些实战例子来帮助大家熟练掌握正则表达式的。