一、正则表达式简介
就其本质而言，正则表达式（或RE）是一种小型的、高度专业化的（在python中），它内嵌在python中，并通过RE模块实现。正则表达式编译成一系列字节码，然后由用C编写的匹配引擎执行。
可以用正则表达式测试工具进行测试》
二、字符匹配（普通字符、元字符）
普通字符：大多数字符和字母都会和自身匹配
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('alex','faljfaljflajalexaa') print(li) #打印输出['alex']
元字符的作用：
. ----代表除了换行符以外的其他任何字符
^ ----代表以后面的字符开始
$ ----代表以前面的字符结束
[] -----字符集，[a-z]代表小写字母从a到z的任何一个字母，[0-9]代表0-9的任何一个数字，[.]代表字符.，[a9]代表a或9,[^a-z]代表除了a-z的其他任何字符
------反斜杠后面跟元字符，去掉特殊功能变为普通字符；后面跟普通字符实现特殊功能；
数字引用序号对应的字组所匹配的字符串，例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.search(r'(alex)(eric)com2','alexericcomeric').group() print(li) #alexericcomeric,其中2代表的是第2组括号
d 匹配任何十进制数字，相当于[0-9]
D 匹配任何非数字字符，相当于[^0-9]
回车符( )、换行符( )、水平制表符( )、垂直制表符(v)、换页符(f)
s 匹配任何空白字符，相当于[ fv]
S 匹配任何非空白字符，相当于[^ fv]
w 匹配任何字母数字字符，相当于[0-9a-zA-Z_]
W 匹配任何非字母数字字符，相当于[^0-9a-zA-Z_]
匹配一个单词和边界，也就是单词和空格间的位置，作用：就是你在匹配整个单词的时候，如果不是整个单词就不匹配I，很多单词里都有I的，这时候用I就表示匹配整个单词I，而不是单词中包含的I.
例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall(r'[a-z]+','how are you') print(li) #是字母与空格之间的边界
如下面例子，有张三和张三丰，想匹配张三就可以用边界匹配：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall(r'张三','张三 张三丰 李四 李四光 张三杰 张三') print(li) #打印输出：['张三', '张三']，如果没有那么匹配出4个张三
| 表示或者，x|y表示匹配x或者y，例如：匹配IP地址
#!usr/bin/env python # -*- coding:utf-8 -*- #匹配IP地址 import re li = re.search(r'(([01]?d?d|2[0-4]d|25[0-5]).){3}([01]?d?d|2[0-4]d|25[0-5])','192.168.1.12').group() print(li)
元字符之量词：
* -----代表任意个字符，0-多个字符
+ -----代表1-多个字符
? ------代表0-1个字符
{} ------代表重复固定次数，如：{3}重复3次，{3,}大于等于3次，{3,5}重复3-5次，{,3}重复0-3次
三、贪婪模式与最少匹配模式（?）
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('alex*','ajalexxxxxaa') print(li) #打印输出['alexxxxx'],匹配多个字符时通常默认为贪婪模式
数量元字符后面加上?可以变为最少匹配模式，例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('alex*?','ajalexxxxxaa') print(li) #打印输出['ale'],*后面加上?，切换为最少匹配模式
但当两边字符都能匹配上，中间加?，不会变为最少匹配模式
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('ad+?b','a23b') print(li) #打印输出['a23b']
四、正则表达式re的函数
1、match函数（只能匹配开始的字符，并且只匹配一次）
用法：re.match(pattern,string,flags=0) ----pattern正则表达式字符串，string,正则表达式作用于的字符串，flags编译标志位，用于修改正则表达式的匹配方式，例如大小写、多行匹配等。主要有以下选项：
re.I IGNORECASE忽略大小写，使匹配的大小写不敏感
re.X VERBOSE忽略空格，可以为方便观看而做注释用。
re.M MULTILINE多行匹配，影响^和$
re.S DOTALL使.匹配换行符在内的所有字符，例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li1 = re.findall('.','abc de') #['a', 'b', 'c', 'd', 'e'] li2 = re.findall('.','abc de',re.S) #['a', 'b', 'c', ' ', 'd', 'e'] print(li1,li2)
一旦匹配成功会返回一个match object对象，该对象的方法如下：
group() ---返回re匹配的字符串
start() ----返回匹配开始的位置
end() ------返回匹配结束的位置
sapan() -----返回匹配一个元组包含匹配(开始,结束)的位置
group() -----返回re整体匹配的字符串，可以一次输入多个组号
groups() -----返回一个元组，元组中包含所有分组结果
groupdict() -----返回一个字典，字典中包含所有的分组结果
1）group() 返回re整体匹配的字符串，相当于group(0)
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.search('([0-9]*)([a-z]*)([0-9]*)','123abc456').group() print(li) #打印输出123abc456
2) group(n,m) 返回元组，组号为n,m所匹配的字符串,如果组号不存在，则抛出IndexError异常
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.search('([0-9]*)([a-z]*)([0-9]*)','123abc456').group(1,2) print(li) #打印输出('123', 'abc')
也可以group(n) 返回组号所匹配的字符，例如
#!usr/bin/env python # -*- coding:utf-8 -*- import re li0 = re.search('([0-9]*)([a-z]*)([0-9]*)','123abc456').group(0) #123abc456 li1 = re.search('([0-9]*)([a-z]*)([0-9]*)','123abc456').group(1) #123 li2 = re.search('([0-9]*)([a-z]*)([0-9]*)','123abc456').group(2) #abc li3 = re.search('([0-9]*)([a-z]*)([0-9]*)','123abc456').group(3) #456 print(li0,li1,li2,li3)
3）groups() 返回元组，将所有组号匹配到的字符串以元组的形式返回，通常groups不需要参数。
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.search('([0-9]*)([a-z]*)([0-9]*)','123abc456').groups() print(li) #打印输出('123', 'abc', '456')
4）group,groups,groudict的用法及区别，如：下面三个例子：
#!usr/bin/env python # -*- coding:utf-8 -*- import re str = 'hello how are you!' r = re.match('hw+',str) print(r.group()) #打印输出：hello print(r.groups()) #打印输出：() print(r.groupdict()) #打印输出：{}
#!usr/bin/env python # -*- coding:utf-8 -*- import re str = 'hello how are you!' r = re.match('(h)(w+)',str) print(r.group()) #打印输出：hello print(r.groups()) #打印输出：('h', 'ello') print(r.groupdict()) #打印输出：{}
#!usr/bin/env python # -*- coding:utf-8 -*- import re str = 'hello how are you!' r = re.match('(?P<a1>h)(?P<a2>w+)',str) print(r.group()) #打印输出：hello print(r.groups()) #打印输出：('h', 'ello') print(r.groupdict()) #打印输出：{'a1': 'h', 'a2': 'ello'}
2、search函数（浏览全部字符串，匹配第一个符合规则的字符串）
参数与match完全相同
3、findall函数（匹配所有符合的字符，匹配多次） finditer()函数
findall,如果用到组，那么优先返回组内容，如果想返回所有内容，则需要在组前面加?:，例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('www.(baidu|laonanhai).com','www.baidu.com') print(li) #打印输出：['baidu']
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('www.(?:baidu|laonanhai).com','www.baidu.com') print(li) #打印输出：['www.baidu.com']
findall函数返回一个列表，finditer返回的是一个迭代器
#!usr/bin/env python # -*- coding:utf-8 -*- import re iter_object = re.finditer('d','one1two2three3four4') print(iter_object) #<callable_iterator object at 0x000001CF23FBA8D0> for i in iter_object: print(i.group(),i.span()) #打印输出 # 1(3, 4) # 2(7, 8) # 3(13, 14) # 4(18, 19)
分组如果是量词为*则可以匹配到空字符，例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re n = re.findall('(dasd)*','lasd2asdp3asd98kif') print(n) #['', '', '', '', '2asd', '', '3asd', '', '', '', '', '', '']
import re n = re.findall('(dasd)+','lasd2asdp3asd98kif') #如果能多次匹配则显示最后一次匹配，lasd2asd匹配到的是2asd print(n) #['2asd', '3asd']
分组括号内部加":?"可以取消分组，例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re n = re.findall('(?:dasd)+','1asd2asdp3asd98kif') #分组内部加?:可以取消分组效果 print(n) #['1asd2asd', '3asd']
4、sub与subn函数
re.sub(pattern,repl,string,max=0)
参数：pattern正则表达式字符串，repl替换为的字符串,string要查找替换的字符窜，max=0 全部替换，1从左到右替换1个，2从左到右替换两个.......
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.sub('g.t','have','I get A,I got B,I gut C') print(li) #打印输出 have A,I have B,I have C
subn函数返回一个元组，元组中包含两个元素，第1个元素是替换后的字符串，第2个元素为替换次数，例如：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.subn('g.t','have','I get A,I got B,I gut C') print(li) #打印输出 ('I have A,I have B,I have C', 3)
5、compile函数
re.compile(strPattern[,flag])
这个方法是pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象，第2个参数为编译标志位，可以利用，re.I等。
把常用的正则表达式编译为Pattern对象，可以被反复调用，从而提高效率。
#!usr/bin/env python # -*- coding:utf-8 -*- import re text = 'JGood is a hansome boy,he is cool,clever.' regex = re.compile(r'w*oow*') print(regex.findall(text)) #打印输出['JGood', 'cool']
6、split函数 ----分割函数
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.split(r'd','one1two2three3four4') print(li) #打印输出['one', 'two', 'three', 'four', '']
也可以结合copile函数：
#!usr/bin/env python # -*- coding:utf-8 -*- import re p = re.compile(r'd') li = p.split('one1two2three3four4') print(li) #打印输出['one', 'two', 'three', 'four', '']
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.split('[ab]','cabd') print(li) #['c', '', 'd'],注意空字符串是连续分割的时候产生的
split可以支持分组分隔，如下两个例子：
#!usr/bin/env python # -*- coding:utf-8 -*- import re st = 'hello alex bcd abcd lge acd 19' n = re.split('aw+',st,1) print(n) #['hello ', ' bcd abcd lge acd 19']
#!usr/bin/env python # -*- coding:utf-8 -*- import re st = 'hello alex bcd abcd lge acd 19' n = re.split('a(w+)',st,1) print(n) #['hello ', 'lex', ' bcd abcd lge acd 19']
五、关于rawstring（原生字符串）以及 符
------反斜杠后面跟元字符，去掉特殊功能变为普通字符；后面跟普通字符实现特殊功能；
python反斜杠中作用：
表示换行符， ASCII码是10
表示回车符，ASCII码是13
制表符
表示退格字符
#!usr/bin/env python # -*- coding:utf-8 -*- f = open(r"D:abc.txt")
如果去掉r用:
f = open(r"D:abc.txt")
则会报错，因为a表示特殊意义。
a是转义字符007，表示响铃符DEL
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('\\','abcd') print(li)
分析一下“\\”，第一个斜杠是转义符，第二个斜杠是斜杠本身，第三个斜杠是转义符，第四个斜杠是斜杠本身。
有2点要清楚：
1.字符串里面表示斜杠就需要两个斜杠如“\”
2.正则表达式里的斜杠需要转意，是用“\”标示。
这样就比较好解释：
我们先要表示正则表达式里面的斜杠“\”，然后再用字符串表示出来。而这2个斜杠分别需要一个转义符，这样就成了4个斜杠在正则表达式里面表示 一个斜杠
如果用原生字符串r，两个双斜杠就可以达到目的：
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall(r'\','abcd') print(li)
第2个斜杠表示：python原生的字符串，传给正则后，正则用原生的进行转义。
import re R = re.match(r'blow','blow') #或者用\b,python字符串中表示退格，所以传给正则时并不是而是退格， ##所以python字符串中需要转义把原值传给正则表达式 #正则表达式把翻译为元字符单词边界 print(R)
六、其他及补充用法
1、分组,如下面数据,匹配abc一次货多次的
abcff
abcabcaadd
abcabcabc
re: (abc)+
2、|的用法
张三|二丰 ----表示匹配张三或二丰
张(三|二)丰 ----表示匹配张三丰或张二丰
3、后向引用与非捕获，分组的延续引用
后向引用：
前面日期是入职日期，后面日期是离职日期，找出当年入职当年离职的日期
正则表达式：(d{4}).+1.+
1代指(d{4}),并且与(d{4})匹配的值完全相同
在职日期
2009-9-10 2009-10-4
2008-9-10 2010-10-4
2003-9-10 2003-11-4
2001-3-10 2001-6-4
1998-3-4 2012-1-1
2012-10-1 2012-10-29
2005-3 2005-8
2004-2-13 2005-2-3
2001年2月到2001年9月
非捕获分组：分组默认的情况是有匹配组的，如果不想要匹配组那么可以在括号里面的最前面加?:，这样就可以去掉匹配组
例如：(?:d{4}).+1.+
4、[]的用法
[]表示括号中选中的若干字符之一
[xyz]字符集合，匹配包含的任意一个字符
[^xyz]负值字符集合。匹配未包含的任意一个字符
[a-z]字符范围，匹配制定范围内的任意字符
[^a-z]负值字符范围，匹配任何不在范围内的任意字符
[0-9]字符范围，匹配制定范围内的任意字符
[^0-9]负值字符范围，匹配任何不在范围内的任意字符
例如:匹配单个单词
How are you
正则表达式：[a-zA-Z]+
5、字符组去编号
正则表达式：d+-d+[、. ]?
1-11.判断语句之IF
1-12、判断语句IF之多条件
1-13判断语句之SELECT
1-14、循环语句之DO...LOOP
1-15、循环语句之DO...LOOP实例
1-16循环语句之DO WHILE...LOOP
1-2、宏在工作中的运用
1-3、Excel VBA基础
13-4、Excel VBA窗口介绍
1-6.对象
1-8、方法
341-5、Excel VBA代码编写规则
434-7、属性
81-9、常量、变量
6、首尾锚定
^ ----匹配字符串的开始位置
$ ----匹配字符串的结束位置
例如：以大写字母开头数字结尾的字符串
正则表达式：^[A-Z].*d$
7、汉字匹配
un 匹配 n，其中n是四位十六进制数表示的Unicode字符
汉字范围的第一个字符是“一”，其编码为：u4e00；最后一个字符为龢，其编码为：u9fa5
汉字范围为：[一-龢]
例如：提取字符串中的汉字
#!usr/bin/env python # -*- coding:utf-8 -*- import re li = re.findall('[一-龢]','苹果apple橘子orange') print(li) #打印输出：['苹', '果', '橘', '子']
8、零宽断言
正向零宽断言，从左到右查看匹配：(?=...)
负向零宽断言，与正向零宽断言相反，从左到右查看不匹配的位置:(?!...)
零宽断言实际匹配的是一个位置，并不是实际字符或字符串。
正则表达式：(?=I) ----匹配到I前面的位置
正则表达式:(!=I) ----除了I前面的位置，其他位置都匹配到了
例1：在参赛选手省份简称前面加（中）
正则表达式：(?=[川吉云粤])
参赛选手国籍 修改后
李四-川 李四-(中)川
陈升东-吉 陈升东-(中)吉
竹下君-日本 竹下君-日本
梁汉升-云 梁汉升-(中)云
张三-川 张三-(中)川
刘心兵-云 刘心兵-(中)云
龙心-粤 龙心-(中)粤
朴志熙-韩国 朴志熙-韩国
成龙国-粤 成龙国-(中)粤
例2：职务带总字的加上“高管”
正则表达式：：(?=副?总) ---替换为：“：高管”
张三：总经理 张三：(高管)总经理
李四：车间主任 李四：车间主任
陆一：总裁 陆一：(高管)总裁
周同生：经理 周同生：经理
欧阳小小：副总经理 欧阳小小：(高管)副总经理
林汤圆：主管 林汤圆：主管
张山：副经理 张山：副经理
例3：提取下面字符串中的金额
正则表达式：d+.?d*(?=[元块])
买2件衣服：600元，买12袋零食：89.5元，打游戏：98.5元
买3本书：97块，买1双鞋子：408元，买日用品：389.7元
买化妆品：305元，买1辆单车：670元，买1支笔：8元
5个朋友过生日送礼物费用895.9元，买了1只小猫200块
日用品：200元，请客吃饭：590元，借给朋友2000块，丢了100元。
例4、负向零宽断言，给每个单子中间加-
正则表达式：(?!^)(?=[a-z])
pipe 管 p-i-p-e 管
9、懒惰与贪婪模式
一般元字符量词都是贪婪模式，如果想变为懒惰模式则在元字符量词后面加?
?的用法：
1）表示量词{0,1}
2）表示非捕获型的匹配模式(?:)
3)表示零宽断言(?=) (?!)
4)表示切换为懒惰模式：+?
例如：字符串abcdef
正则表达式：[a-z]+ 匹配结果：[abcdef]
正则表达式：[a-z]+? 匹配结果：[a,b,c,d,e,f]
10、分组的妙用
例1：下面字符串，提取部门和人数：
财务部 26人 业务部 4人 回收站 2人 人事科 34人 生产车间 4567人
#!usr/bin/env python # -*- coding:utf-8 -*- import re st = '财务部 26人 业务部 4人 回收站 2人 人事科 34人 生产车间 4567人' li = re.findall('([一-龢]+) (d+人)',st) print(li) #打印输出： #[('财务部', '26人'), ('业务部', '4人'), ('回收站', '2人'), ('人事科', '34人'), ('生产车间', '4567人')]
例2：下面字符串，提取姓名、身份证号、性别、年龄、籍贯
丁红梅 130981198206188284 女 30 河北省 沧州市 泊头市 蔚然 632324196704122182 女 45 青海省 黄南藏族自治州 河南蒙古族自治县 宓香菱 371103196505169263 女 47 山东省 日照市
#!usr/bin/env python # -*- coding:utf-8 -*- import re st = '丁红梅 130981198206188284 女 30 河北省 沧州市 泊头市 蔚然 632324196704122182 女 45 ' '青海省 黄南藏族自治州 河南蒙古族自治县 宓香菱 371103196505169263 女 47 山东省 日照市 ' li = re.findall('(S+) (S+) (S) (d+)(( S+){1,3})',st) print(li) #打印输出: #[[('丁红梅', '130981198206188284', '女', '30', ' 河北省 沧州市 泊头市', ' 泊头市'), # ('蔚然', '632324196704122182', '女', '45', ' 青海省 黄南藏族自治州 河南蒙古族自治县', ' 河南蒙古族自治县'), # ('宓香菱', '371103196505169263', '女', '47', ' 山东省 日照市', ' 日照市')]
例3：分组包含分组的情况
#!usr/bin/env python # -*- coding:utf-8 -*- import re st = 'hello alex alex bac abcd 19' r = re.findall('((a)(w+))',st) print(r) #[('alex', 'a', 'lex'), ('alex', 'a', 'lex'), ('ac', 'a', 'c'), ('abcd', 'a', 'bcd')]
例4：利用正则表达式计算：（参考split分组）
1 - 2 * ( (60-30 +(-40.0/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )的值
#!usr/bin/env python # -*- coding:utf-8 -*- import re def calculate(exp): return eval(exp) st = '1 - 2 * ( (60-30 +(-40.0/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )' while True: print(st) li = re.split('(([^()]+))',st,1) if len(li) == 3: # left = li[0] # middle = li[1] # right = li[2] left,middle,right = li #本句代码相当于上面的三句注销的代码 middle_result = calculate(middle) st = left + str(middle_result) + right else: result = calculate(st) print(result) break
#!usr/bin/env python # -*- coding:utf-8 -*- n1,n2 = 3,4 print(n1,n2) #3 4 li = [11,22,33] n1,n2,n3 = li print(n1,n2,n3) #11 22 33