Python之re模块
⼀、正则表达式
re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，⽽正则表达式是对字符串进⾏模糊匹配，提取⾃⼰需要的字符串部分，他对所有的语⾔都通⽤。注意：
re模块是python独有的
正则表达式所有编程语⾔都可以使⽤
re模块、正则表达式是对字符串进⾏操作
因为，re模块中的⽅法⼤都借助于正则表达式，故先学习正则表达式。
（⼀）常⽤正则
1、字符组
在同⼀个位置可能出现的各种字符组成了⼀个字符组，在正则表达式中⽤[]表⽰
正则待匹配字符匹配
结果
说明
[0123456789]8True在⼀个字符组⾥枚举合法的所有字符，字符组⾥的任意⼀个字符
和"待匹配字符"相同都视为可以匹配[0123456789]a Fal由于字符组中没有"a"字符，所以不能匹配
[0-9]7
True也可以⽤-表⽰范围,[0-9]就和[0123456789]是⼀个意思[a-z]s True同样的如果要匹配所有的⼩写字母，直接⽤[a-z]就可以表⽰
[A-Z]B True[A-Z]就表⽰所有的⼤写字母
leisuretime[0-9a-fA-F]e True可以匹配数字，⼤⼩写形式的a～f，⽤来验证⼗六进制字符 2、字符
元字符匹配内容
. 匹配除换⾏符以外的任意字符
\w匹配字母或数字或下划线
\s匹配任意的空⽩符
\d匹配数字
\n匹配⼀个换⾏符
\t匹配⼀个制表符
\b匹配⼀个单词的结尾
^匹配字符串的开始
$匹配字符串的结尾
\W匹配⾮字母或数字或下划线
\D匹配⾮数字
\S匹配⾮空⽩符sneakers怎么读
a|b匹配字符a或字符b
()匹配括号内的表达式，也表⽰⼀个组
[...]匹配字符组中的字符
[^...]匹配除了字符组中字符的所有字符
3、量词
量词⽤法说明
*重复零次或更多次
+重复⼀次或更多次
?重复零次或⼀次
{n}重复n次
{n,}重复n次或更多次
{n,m}重复n到m次
（⼆）正则表达式的使⽤
1、. ^ $
正则待匹配字符匹配结果说明
a.abacad abacad匹配所有"a."的字符
^a.abacad ab只从开头匹配"a."
a.$abacad ad只匹配结尾的"a.$"
2、* + ? { }
正则待匹配字
符
匹配结果说明
a.?abefacga
d
ab
ac
ad
?表⽰重复零次或⼀次，即只匹配"a"后⾯⼀
个任意字符。
a.*abefacga
d
abefacg
ad
*表⽰重复零次或多次，即匹配"a"后⾯0或多个任意字符。
a.+abefacga
d
abefacg
ad
+表⽰重复⼀次或多次，即只匹配"a"后⾯1个或多个任意字符。
a. {1,2}abefacga
d
abe
acg
by the wayad
{1,2}匹配1到2次任意字符。
nrb
注意：前⾯的*,+,?等都是贪婪匹配，也就是尽可能匹配，后⾯加?号使其变成惰性匹配
正则待匹配字符匹配结果说明
a.*?abefacgad a
a
a
惰性匹配
3、字符集［］［^］
正则待匹配字符匹配结果说明
a[befcgd]*abefacgad abef
acg
ad
表⽰匹配"a"后⾯[befcgd]的字符任意次
a[^f]*abefacgad
abe
acgad表⽰匹配⼀个不是"f"的字符任意次
[\d]412a3bc 4
1
2
3
表⽰匹配任意⼀个数字，匹配到4个结果
[\d]+412a3bc 412
3表⽰匹配任意个数字，匹配到2个结果
4、分组 ()与或｜［^］
⾝份证号码是⼀个长度为15或18个字符的字符串，如果是15位则全部由数字组成，⾸位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下⾯我们尝试⽤正则来表⽰：
正则待匹配字符匹配结果说明
^[1-9]\d{13,16}
[0-9x]$110101198
001017032
110101198
001017032
表⽰可以匹配⼀个正确的⾝份证号
^[1-9]\d{13,16}
[0-9x]$110101198
0010170
110101198
0010170表⽰也可以匹配这串数字，但这并不是⼀个正确的⾝份证号码，它是⼀个16位的数字
^[1-9]\d{14} (\d{2}[0-9x])?$110101198
0010170
Fal现在不会匹配错误的⾝份证号了
()表⽰分组，将\d{2}[0-9x]分成⼀组，就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$110105199
812067023
110105199
812067023表⽰先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
5、转义符 \看气质
在正则表达式中，有很多有特殊意义的是元字符，⽐如\n和\s等，如果要在正则中匹配正常的"\n"⽽不是"换⾏符"就需要对"\"进⾏转义，
变成'\\'。
在python中，⽆论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本⾝还需要转义。所以如果匹配⼀次"\n"，字符串中要写成'\\n'，那么正则⾥就要写成"\\\\n"，这样就太⿇烦了。这个时候我们就⽤到了r'\n'这个概念，此时的正则是r'\\n'就可以了。
正则待匹配字符匹配
结果
说明
\n\n Fal因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本⾝，⽤表达式\n⽆法匹配
\\n\n True转义\之后变成\\，即可匹配
"\\\\n"'\\n' True如果在python中，字符串中的'\'也需要转义，所以每⼀个字符串'\'⼜需要转义⼀次
r'\\n'r'\n' True在字符串之前加r，让整个字符串不转义
6、贪婪匹配
贪婪匹配：在满⾜匹配时，匹配尽可能长的字符串，默认情况下，采⽤贪婪匹配
正则待匹配字符匹配结果说明
<.*><script>...
<script>
<script>...
<script>
默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?><script>...
consumption
<script>
<script>
<script>
加上？为将贪婪匹配模式转为⾮贪婪匹配模式，会匹配尽量短的字符串
⼏个常⽤的⾮贪婪匹配Pattern
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
.*?的⽤法
.
是任意字符
*是取 0 ⾄⽆限长度
? 是⾮贪婪模式。
何在⼀起就是取尽量少的任意字符，⼀般不会这么单独写，他⼤多⽤在：
.*?x
就是取前⾯任意长度的字符，直到⼀个x 出现
⼆、re 模块
（⼀）常量、属性
1、re.A（re.ASCII）
让\w，\W，\b，\B，\d，\D，\s和\S 执⾏ASCII-只匹配完整的Unicode匹配代替。这仅对Unicode模式有意义，⽽对于字节模式则忽略。2、re.I（re.IGNORECASE）
执⾏不区分⼤⼩写的匹配；类似的表达式也[A-Z]将匹配⼩写字母。
3、re.L（re.LOCALE）
让\w，\W，\b，\B和区分⼤⼩写的匹配取决于当前的语⾔环境。该标志只能与字节模式⼀起使⽤。不建议使⽤此标志，因为语⾔环境机制⾮常不可靠，它⼀次只能处理⼀种“区域性”，并且仅适⽤于8位语⾔环境。默认情况下，Python 3中已为Unicode（str）模式启⽤了Unicode匹配，并且能够处理不同的语⾔环境/语⾔。
4、re.M（re.MULTILINE）
指定时，模式字符'^'在字符串的开头和每⾏的开头（紧随每个换⾏符之后）匹配；模式字符''在字符串的末尾和每⾏的末尾（紧接在每个换⾏符之前）匹配。默认情况下，'^' 仅在字符串的开头，字符串''的末尾和字符串末尾的换⾏符（如果有）之前⽴即匹配。
5、re.S（re.DOTALL）
使'.'特殊字符与任何字符都匹配，包括换⾏符；没有此标志，'.'将匹配除换⾏符以外的任何内容。
（⼆）常⽤⽅法
1、re.compile（pattern，flags = 0 ）
将正则表达式模式编译为正则表达式对象，可使⽤match()，arch()以及下⾯所述的其他⽅法将其⽤于匹配
>>> prog = re.compile('\d{2}') # 正则对象
>>> prog.arch('12abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.arch('12abc').group() # 通过调⽤group()⽅法得到匹配的字符串，如果字符串没有匹配，则返回None。
'12'
>>> prog.match('123abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.match('123abc').group()
'12'
>>>
2、re.arch（pattern，string，flags = 0 ）
扫描字符串以查找正则表达式模式产⽣匹配项的第⼀个位置，然后返回相应的match对象。None如果字符串中没有位置与模式匹配，则返回；否则返回fal。请注意，这与在字符串中的某个点找到零长度匹配不同。
#在这个字符串进⾏匹配，只会匹配⼀个对象
>>> re.arch('\w+','abcde').group()
'abcde'
>>> re.arch('a','abcde').group()
'a'
>>>
3、re.match（pattern，string，flags = 0 ）
如果字符串开头的零个或多个字符与正则表达式模式匹配，则返回相应的匹配对象。None如果字符串与模式不匹配，则返回；否则返回fal。请注意，这与零长度匹配不同。
# 同arch，不过在字符串开始处进⾏匹配，只会匹配⼀个对象stumble
陌路人英文版>>> re.match('a','abcade').group()
'a'
>>> re.match('\w+','abc123de').group()
'abc123de'
>>> re.match('\D+','abc123de').group() #⾮数字
'abc'
>>>
4、re.fullmatch（pattern，string，flags = 0 ）
如果整个字符串与正则表达式模式匹配，则返回相应的match对象。None如果字符串与模式不匹配，则返回；否则返回fal。请注意，这与零长度匹配不同。
>>> re.fullmatch('\w+','abcade').group()
'abcade'
>>> re.fullmatch('abcade','abcade').group()
'abcade'
>>>
5、re.split（pattern，string，maxsplit = 0，flags = 0 ）
通过出现模式来拆分字符串。如果在pattern中使⽤了捕获括号，那么模式中所有组的⽂本也将作为结果列表的⼀部分返回。如果maxsplit不为零，则最多会发⽣maxsplit分割，并将字符串的其余部分作为列表的最后⼀个元素返回。
>>> re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd'，在对''和'bcd'分别按'b'分割
['', '', 'cd']
>>> re.split(r'\W+', 'Words, words, words.')
dauntless['Words', 'words', 'words', '']
>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']
如果分隔符中有捕获组，并且该匹配组在字符串的开头匹配，则结果将从空字符串开始。字符串的末尾也是如此：
>>> re.split(r'(\W+)', '...words, ')
['', '...', 'words', ', ', 'words', '...', '']
6、re.findall（pattern，string，flags = 0 ）
以string列表形式返回string中pattern的所有⾮重叠匹配项。从左到右扫描该字符串，并以找到的顺序返回匹配项。如果该模式中存在⼀个或多个组，则返回⼀个组列表；否则，返回⼀个列表。如果模式包含多个组，则这将是⼀个元组列表。空匹配项包含在结果中。
>>> re.findall('a', 'This is a beautiful place!')
['a', 'a', 'a']
>>>
7、re.finditer（pattern，string，flags = 0 ）
返回⼀个迭代器，该迭代器在string类型的RE 模式的所有⾮重叠匹配中产⽣匹配对象。从左到右扫描该字符串，并以找到的顺序返回匹配项。空匹配项包含在结果中。
在线翻译器百度在线翻译>>> re.finditer('[ab]', 'This is a beautiful place!')
<callable_iterator object at 0x0000000000DCDA90> #迭代器对象
>>> ret=re.finditer('[ab]', 'This is a beautiful place!')
>>> next(ret).group() #查看下⼀个匹配值
'a'
>>> [i.group() for i in ret] #查看剩下所有匹配的值
['b', 'a', 'a']
>>>
8、re.sub（pattern，repl，string，count = 0，flags = 0 ）
返回通过⽤替换repl替换字符串中最左边的不重叠模式所获得的字符串。如果找不到该模式，则返回的字符串不变。 repl可以是字符串或函数；如果是字符串，则处理其中的任何反斜杠转义。即，将其转换为单个换⾏符，将其转换为回车，依此类推。count参数表⽰将匹配到的内容进⾏替换的次数
>>> re.sub('\d', 'S', 'abc12jh45li78', 2) #将匹配到的数字替换成S，替换2个
'abcSSjh45li78'
>>> re.sub('\d', 'S', 'abc12jh45li78') #将匹配到所有的数字替换成S
'abcSSjhSSliSS'
>>>
9、re.subn（pattern，repl，string，count = 0，flags = 0 ）
执⾏与相同的操作sub()，但返回⼀个元组。(new_string, number_of_subs_made)
>>> re.subn('\d', 'S', 'abc12jh45li78', 3)
('abcSSjhS5li78', 3)
>>>
10、re.escape(pattern)
escape中的所有字符图案，除了ASCII字母，数字和'_'。如果要匹配可能包含正则表达式元字符的任意⽂字字符串，这将很有⽤。
>>> re.escape('\n')
'python\\.exe\\\n'
>>>
11、arch（）与match（）⽅法
Python提供了两种基于正则表达式的原始操作： re.match()仅在字符串的开头匹配，re.arch()检查匹配项，在字符串中的任何位置检查匹配项（这是Perl的默认设置）。
