re模块下的函数
compile(pattern)：创建模式对象
1 import re 2 pat=re.compile( A ) 3 m=pat.search( CBA ) #等价于 re.search( A , CBA ) 4 print m 5 <_sre.SRE_Match object at 0x9d690c8> #匹配到了，返回MatchObject（True） 6 m=pat.search( CBD ) 7 print m 8 None #没有匹配到，返回None（False）
search(pattern,string)：在字符串中寻找模式
1 m = re.search( asd , ASDasd ) 2 print m 3 <_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True） 4 m = re.search( asd , ASDASD ) 5 print m 6 None #没有匹配到，返回None（False）
match(pattern,string)：在字符串开始处匹配模式
1 m = re.search( asd , ASDasd ) 2 print m 3 <_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True） 4 5 m = re.search( asd , ASDASD ) 6 print m 7 None #没有匹配到，返回None（False） 8 9 # 等价于 10 pat=re.compile( a ) 11 print pat.match( Aasd ) 12 None 13 14 printpat.match( aASD ) 15 <_sre.SRE_Match object at 0xb72cd6e8> 16 17 # 上面的函数返回都可以在if条件语句中进行判断： 18 19 if pat.search( asd ): 20 print OK 21 22 OK #找到返回 23 if re.search( a , ASD ): 24 print "OK" 25 #没有找到
split(pattern,string)：根据模式分割字符串,返回列表
1 re.split( , , a,s,d,asd ) 2 [ a , s , d , asd ] #返回列表 3 4 pat = re.compile( , ) 5 pat.split( a,s,d,asd ) 6 [ a , s , d , asd ] #返回列表 7 8 re.split( [, ]+ , a , s ,d ,,,,,asd ) #正则匹配：[, ]+，后面说明 9 [ a , s , d , asd ] 10 11 re.split( [, ]+ , a , s ,d ,,,,,asd ,maxsplit=2) # maxsplit 最多分割次数 12 [ a , s , d ,,,,,asd ] 13 14 pat = re.compile( [, ]+ ) #正则匹配：[, ]+，后面说明 15 pat.split( a , s ,d ,,,,,asd ,maxsplit=2) # maxsplit 最多分割次数 16 [ a , s , d ,,,,,asd ]
findall(pattern,string)：列表形式返回匹配项
1 re.findall( a , ASDaDFGAa ) 2 3 [ a , a ] #列表形式返回匹配到的字符串 4 5 6 7 pat = re.compile( a ) 8 9 pat.findall( ASDaDFGAa ) 10 11 [ a , a ] #列表形式返回匹配到的字符串 12 13 14 15 pat = re.compile( [A-Z]+ ) #正则匹配：[A-Z]+ 后面有说明 16 17 pat.findall( ASDcDFGAa ) 18 19 [ ASD , DFGA ] #找到匹配到的字符串 20 21 22 23 pat = re.compile( [A-Z] ) 24 25 pat.findall( ASDcDFGAa ) #正则匹配：[A-Z]+ 后面有说明 26 27 [ A , S , D , D , F , G , A ] #找到匹配到的字符串 28 29 30 31 pat = re.compile( [A-Za-z] ) #正则匹配：[A-Za-z]+ 匹配所有单词，后面有说明 32 33 pat.findall( ASDcDFGAa ) 34 35 [ A , S , D , c , D , F , G , A , a ]
sub(pat,repl,string) ：用repl替换 pat匹配项 (留的是中间的，因为中间在中心)
1 re.sub( a , A , abcasd ) #找到a用A替换，后面见和group的配合使用 2 3 AbcAsd 4 5 6 7 pat = re.compile( a ) 8 9 pat.sub( A , abcasd ) 10 11 AbcAsd 12 13 14 15 pat=re.compile(r www.(.*)..{3} ) #正则表达式 16 17 18 #在Python的string前面加上‘r’， 是为了告诉编译器这个string是个raw string，不要转译反斜杠 。 19 20 #例如， 在raw string中，是两个字符，和n， 而不会转译为换行符。 21 22 #由于正则表达式和 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上 r 。 23 24 25 26 #与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。 27 28 #假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\"： 29 30 #前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。 31 32 #Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r""表示。 33 34 #同样，匹配一个数字的"d"可以写成r"d"。 35 36 #有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。 37 38 39 40 #不是说 加了r 就没有转译功能，好乱，就直接记住1句话： 41 42 #当一个字符串使用了正则表达式后，最好在前面加上 r ，这样你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观 43 44 45 pat.match( www.dxy.com ).group(1) 46 47 dxy 48 49 50 51 re.sub(r www.(.*)..{3} ,r , hello,www.dxy.com ) 52 53 54 55 pat.sub(r , hello,www.dxy.com ) 56 57 hello,dxy 58 59 # r 1 是第一组的意思 60 61 #通过正则匹配找到符合规则的"www.dxy.com" ，取得 组1字符串 去替换 整个匹配。 62 63 64 65 66 67 pat=re.compile(r (w+) (w+) ) #正则表达式 68 69 s= hello world ! hello hz ! 70 71 72 73 pat.findall( hello world ! hello hz ! ) 74 75 [( hello , world ), ( hello , hz )] 76 77 pat.sub(r ,s) #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。 78 79 world hello!hz hello!
escape(string) ：对字符串里面的特殊字符串进行转义
1 re.escape( www.dxy.cn ) 2 3 www.dxy.cn #转义
上面的函数中，只有match、search有group方法，其他的函数没有。
函数的方法
group：获取子模式(组)的匹配项
1 pat = re.compile(r www.(.*).(.*) ) #用()表示1个组，2个组 2 3 m = pat.match( www.dxy.com ) 4 5 m.group() #默认为0，表示匹配整个字符串 6 7 www.dxy.com 8 9 10 11 m.group(1) #返回给定组1匹配的子字符串 12 13 dxy 14 15 16 17 m.group(2) 18 19 com
start：给定组匹配项的开始位置
1 m.start(2) #组2开始的索引 2 8
end：给定组匹配项的结束位置
1 m.end(2) #组2结束的索引 2 3 11
span：给定组匹配项的开始结束位置
1 m.span(2) #组2开始、结束的索引 2 3 (8, 11)
正则表达式
元字符
“.” ：通配符,除换行符外的任意的1个字符
1 pat=re.compile( . )
2 pat.match( abc ) 5 <_sre.SRE_Match object at 0xb72b6170> 7 pat.match( abc ).group() 9 a #匹配到了首个字符 11 pat.search( abc ).group() 13 a 15 pat.match( ).group() #换行符匹配出错 17 Traceback (most recent call last): 19 File "<stdin>", line 1, in <module> 21 AttributeError: NoneType object has no attribute group
“” : 转义符
1 pat=re.compile( . ) 2 pat.search( abc.efg ).group() #匹配到. 3 . 4 pat.findall( abc.efg ) #不用group,返回列表 5 [ . ]
“[…]” : 字符集合，匹配里面的任意一个元素
1 >>> pat=re.compile( [abc] ) 2 >>> pat.match( axbycz ).group() 3 a 4 >>> pat.search( axbycz ).group() 5 a 6 >>> pat.findall( axbycz ) 7 [ a , b , c ]
“d” : 数字
1 >>> pat=re.compile( d ) 2 >>> pat.search( ax1by2cz3 ).group() #匹配到第一个数字:1，返回 3 1 4 >>> pat.match( ax1by2cz3 ).group() #匹配不到（首个不是）返回None，报错，match匹配字符串头 5 Traceback (most recent call last): 6 File"<stdin>", line1, in < module > 7 AttributeError: NoneType object has no attribute group 8 9 >>> pat.findall( ax1by2cz3 ) #匹配所有的数字，列表返回 10 [ 1 , 2 , 3 ]
“D” : 非数字
1 >>> pat=re.compile( D ) 2 >>> pat.match( ax1by2cz3 ).group() 3 a 4 >>> pat.search( ax1by2cz3 ).group() 5 a 6 >>> pat.findall( ax1by2cz3 ) 7 [ a , x , b , y , c , z ]
“s” ：空白字符 、 、 、 、空格
1 >>> pat=re.compile( s ) 2 >>> pat.findall( ax1 by2 cz3 ) 3 [ , , , , ] 4 >>> pat.search( ax1 by2 cz3 ).group() 5 6 >>> pat.match( ax1 by2 cz3 ).group()
“S” :非空白字符
1 >>> pat=re.compile( S ) 2 >>> pat.search( ax1 by2 cz3 ).group() 3 a 4 >>> pat.findall( ax1 by2 cz3 ) 5 [ a , x , 1 , b , y , 2 , c , z , 3 ]
“w” ：单个的 数字和字母，[A-Za-z0-9]
1 >>> pat=re.compile( w ) 2 >>> pat.search( 1a2b3c ).group() 3 1 4 >>> pat.findall( 1a2b3c ) 5 [ 1 , a , 2 , b , 3 , c ] 6 >>> pat.match( 1a2b3c ).group() 7 1
“W”:非单词字符,除数字和字母外
1 >>> pat=re.compile( W ) 2 >>> pat.findall( 1a2我b3c ) #python是用三字节表示一个汉字 3 [ æ , , ] 4 >>> pat.search( 1a2我b3c ).group() 5 æ
数量词
“*” ：0次或多次 （ 乘0会变成0）
1 >>> pat = re.compile( [abc]* ) 2 >>> pat.match( abcabcdefabc ).group() 3 abcabc #2次 4 >>> pat.search( abcabcdefabc ).group() 5 abcabc #2次 6 >>> pat.findall( abcabcdefabc ) 7 [ abcabc , , , , abc , ] #2次和1次,因为有0次，所以匹配了
“+” ：1次或多次 （ 加0不会变成0）
1 >>> pat = re.compile( [abc]+ ) 2 >>> pat.match( abcdefabcabc ).group() 3 abc 4 >>> pat.search( abcdefabcabc ).group() 5 abc 6 >>> pat.findall( abcdefabcabc ) 7 [ abc , abcabc ]
“?” ：0次或1次，match,search 不会出现none，会出现’ ‘ （因为0次也是符合的）
0次或1次不是指[xxx]这个集合，而是其中的任何的一个字符
1 >>> pat = re.compile([abc]? ) 2 >>> pat.match(defabc).group() # 0次 3 >>> pat.match(abcdefabc).group() 4 a 5 >>> pat.search(defabc).group() # 0次 6 >>> pat.findall(defabc) # 0次和1次 7 [,,, a, b, c,] # 后面总再加个
“数量词?” ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）
1 >>> pat = re.compile([abc] +) # 贪婪模式 2 >>> pat.match(abcdefabcabc).group() # 匹配尽可能多的：abc 3 abc 4 >>> pat.match(bbabcdefabcabc).group() 5 bbabc 6 >>> pat.search(dbbabcdefabcabc).group() 7 bbabc 8 >>> pat.findall(abcdefabcabc) 9 [abc, abcabc] 10 >>> pat = re.compile([abc] +? ) # 非贪婪模式：+? 11 >>> pat.match(abcdefabcabc).group() # 匹配尽可能少的：a、b、c 12 a 13 >>> pat.search(dbbabcdefabcabc).group() 14 b 15 >>> pat.findall(abcdefabcabc) 16 [a, b, c, a, b, c, a, b, c]
“{m}” ：匹配字符串出现m次
1 >>> pat = re.compile( [op]{2} ) #o或p出现2次 2 >>> pat.search( abcooapp ).group() #匹配第一次出现的字符串,o比p先出现 3 oo 4 >>> pat.findall( abcooapp ) #匹配出现的所有字符串，列表形式返回 5 [ oo , pp ]
“{m,n}” ：匹配字符串出现m到n次
1 >>> pat = re.compile( [op]{2,4} ) #o或则p出现2到4次 2 >>> pat.match( pppabcooapp ).group() #匹配开头 3 ppp 4 >>> pat.search( pppabcooapp ).group() #匹配第一次出现 5 ppp 6 >>> pat.findall( pppabcooapp ) #匹配所有 7 [ ppp , oo , pp ]
.group() #匹配第一次出现
边界
“^” ：匹配字符串开头或行头
1 >>> pat = re.compile( ^ [abc] ) # 开头是a、b、c中的任意一个 2 >>> pat.search(defabc).group() 3 >>> pat.match(defabc).group() # 均找不到 4 >>> pat.findall(defabc) 5 [] 6 >>> pat.search(adefabc).group() 7 a 8 >>> pat.match(adefabc).group() # 开头是a、b、c中的任意一个 9 a 10 >>> pat.findall(adefabc) 11 [a] 12 >>> pat = re.compile( ^ [abc] + ) # 开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个 13 >>> pat.findall(cbadefab) 14 [cba] 15 >>> pat = re.compile(r ^ [abc] +? ) # 开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个 16 >>> pat.findall(cbadefab) 17 [c]
“$” ：匹配字符串结尾或则行尾
1 >>> pat = re.compile( [abc]$ ) 2 >>> pat.match( adefAbc ).group() #match匹配的是字符串开头，所以查找$的时，总是返回None 3 >>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个 4 c 5 >>> pat.findall( adefAbc ) 6 [ c ] 7 >>> pat = re.compile( [abc]+$ ) 8 >>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个 9 bc 10 >>> pat.findall( adefAbc ) 11 [ bc ]
“A”：匹配字符串开头
1 >>> pat = re.compile( A[abc]+ ) 2 >>> pat.findall( cbadefab ) 3 [ cba ] 4 >>> pat.search( cbadefab ).group() 5 cba
“Z”：匹配字符串结尾
1 >>> pat = re.compile( [abc]+Z ) 2 >>> pat.search( cbadefab ).group() 3 ab 4 >>> pat.findall( cbadefab ) 5 [ ab ]
分组
(…)：分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词
1 >>> pat = re.compile(r(a)w(c) ) # w:单个的数字或字母 [A-Za-z0-9] 2 >>> pat.match(abcdef).group() 3 abc 4 >>> pat = re.compile((a)b(c) ) # 分2组，匿名分组 5 >>> pat.match(abcdef).group() # 默认返回匹配的字符串 6 abc 7 >>> pat.match(abcdef).group(1) # 取分组1，适用于search 8 a 9 >>> pat.match(abcdef).group(2) # 取分组2，适用于search 10 c 11 >>> pat.match(abcdef).groups() # 取所有分组，元组形式返回 12 (a, c)
<number>：引用编号为<number>的分组匹配到的字符串
1 >>> pat=re.compile(r www.(.*)..{3} ) 2 >>> pat.match( www.dxy.com ).group(1) 3 dxy
“(?P<name>…)” ：在模式里面用()来表示分组（命名分组）,适用于提取目标字符串中的某一些部位
1 >>> pat=re.compile(r (?P<K>a)w(c) ) #分2组：命名分组+匿名分组 2 >>> pat.search( abcdef ).groups() #取所有分组，元组形式返回 3 ( a , c ) 4 >>> pat.search( abcdef ).group(1) #取分组1，适用于match 5 a 6 >>> pat.search( abcdef ).group(2) #取分组2，适用于match 7 c 8 >>> pat.search( abcdef ).group() #默认返回匹配的字符串 9 abc 10 >>> pat.search( abcdef ).groupdict() #命名分组可以返回一个字典【专有】，匿名分组也没有 11 { K : a }
“(?P=name)”：引用别名为<name>的分组匹配到的串
1 >>> pat = re.compile(r(?P < K > a)w(c)(?P = K) ) # (?P=K)引用分组1的值，就是a 2 >>> pat.search(abcdef).group() # 匹配不到，因为完整 awca ,模式的第4位是a 3 Traceback(most recent call last): 4 File "<stdin>", line 1, in < module > 5 AttributeError: NoneType object has no attribute group 6 >>> pat.search(abcadef).group() # 匹配到，模式的第4位和组1一样,值是c 7 abca 8 >>> pat.search(abcadef).groups() 9 (a, c) 10 >>> pat.search(abcadef).group(1) 11 a 12 >>> pat.search(abcadef).group(2) 13 c
“<number>” ：引用分组编号匹配：
1 >>> pat=re.compile(r (?P<K>a)w(c)(?P=K) ) #引用分组2的值，就是c 2 >>> pat.findall( Aabcadef ) #匹配不到，因为完整 awcac ,模式的第5位是c 3 [] 4 >>> pat.findall( Aabcacdef ) #匹配到，模式的第5位和组2一样,值是c 5 [( a , c )] 6 >>> pat.search( Aabcacdef ).groups() 7 ( a , c ) 8 >>> pat.search( Aabcacdef ).group() 9 abcac 10 >>> pat.search( Aabcacdef ).group(1) 11 a 12 >>> pat.search( Aabcacdef ).group(2) 13 c
特殊构造
1 (?:…) (…)不分组版本,用于使用 | 或者后接数量词 2 3 (?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个 4 5 (?#…) #号后的内容将作为注释 6 7 (?=…) 之后的字符串内容需要匹配表达式才能成功匹配 8 9 (?!…) 之后的字符串不匹配表达式才能成功 10 11 (?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略
“(?:…)” ：()里面有?:表示该()不是分组
1 >>> pat=re.compile(r a(?:bc) ) 2 >>> pat.findall( abc ) 3 [ abc ] 4 >>> pat.match( abc ).groups() #显示不出分组
“(?=…)”：匹配…表达式，返回。对后进行匹配，总是对后面进行匹配
1 >>> pat=re.compile(r w(?=d) ) #匹配表达式d，返回数字的前一位，w：单词字符[A-Za-z0-9] 2 >>> pat.findall( abc1 def1 xyz1 ) 3 [ c , f , z ] 4 >>> pat.findall( zhoujy20130628hangzhou ) #匹配数字的前一位，列表返回 5 [ y , 2 , 0 , 1 , 3 , 0 , 6 , 2 ] 6 >>> pat=re.compile(r w+(?=d) ) 7 >>> pat.findall( abc1,def1,xyz1 ) #匹配最末数字的前字符串，列表返回 8 [ abc , def , xyz ] 9 >>> pat.findall( abc21,def31,xyz41 ) 10 [ abc2 , def3 , xyz4 ] 11 >>> pat.findall( zhoujy20130628hangzhou ) 12 [ zhoujy2013062 ] 13 >>> pat=re.compile(r [A-Za-z]+(?=d) ) #[A-Za-z],匹配字母,可以用其他的正则方法 14 >>> pat.findall( zhoujy20130628hangzhou123 ) #匹配后面带有数字的字符串，列表返回 15 [ zhoujy , hangzhou ] 16 >>> pat.findall( abc21,def31,xyz41 ) 17 [ abc , def , xyz ]
“(?!…)” 不匹配…表达式，返回。对后进行匹配
1 >>> pat=re.compile(r [A-Za-z]+(?!d) ) #[A-Za-z],匹配字母,可以用其他的正则方法 2 >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) #匹配后面不是数字的字符串，列表返回 3 [ zhouj , hangzho , binjian ] 4 >>> pat.findall( abc21,def31,xyz41 ) 5 [ ab , de , xy ]
“(?<=…)”：匹配…表达式，返回。对前进行匹配,总是对前面进行匹配
1 >>> pat=re.compile(r (?<=d)[A-Za-z]+ ) #匹配前面是数字的字母 2 >>> pat.findall( abc21,def31,xyz41 ) 3 [] 4 >>> pat.findall( 1abc21,2def31,3xyz41 ) 5 [ abc , def , xyz ] 6 >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) 7 [ hangzhou ]
“(?<!…)”：不匹配…表达式，返回。对前进行匹配,总是对前面进行匹配
1 >>> pat=re.compile(r (?<!d)[A-Za-z]+ ) #匹配前面不是数字的字母 2 >>> pat.findall( abc21,def31,xyz41 ) 3 [ abc , def , xyz ] 4 >>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) 5 [ zhoujy , angzhou , binjiang ]
“(?(id/name) yes |no)”: 组是否匹配，匹配返回
1 >>> pat=re.compile(r a(d)?bc(?(1)d) ) #no省略了，完整的是adbcd ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字 2 >>> pat.findall( abc9 ) #返回组1，但第2位（组1）没有，即返回了 3 [ ] 4 >>> pat.findall( a8bc9 ) #完整的模式，返回组1 5 [ 8 ] 6 >>> pat.match( a8bc9 ).group() 7 a8bc9 8 >>> pat.match( a8bc9 ).group(1) 9 8 10 >>> pat.findall( a8bc ) #第5位不存在，则没有匹配到 11 []
“(?iLmsux)”:这里就介绍下i参数：大小写区分匹配
1 >>> pat=re.compile(r abc ) 2 >>> pat.findall( abc ) 3 [ abc ] 4 >>> pat.findall( ABC ) 5 [] 6 >>> pat=re.compile(r (?i)abc ) #(?i) 不区分大小写 7 >>> pat.findall( ABC ) 8 [ ABC ] 9 >>> pat.findall( abc ) 10 [ abc ] 11 >>> pat.findall( aBc ) 12 [ aBc ] 13 >>> pat.findall( aBC ) 14 [ aBC ] 15 >>> pat=re.compile(r abc ,re.I) #re.I 作为参数使用，推荐 16 >>> pat.findall( aBC ) 17 [ aBC ]