Python 正则表达式

正则表达式创建了一种字符序列的模式，可以匹配很多符合此模式的字符串，比如 .* 可以匹配到任意数量的任意字符串。正则表达式很适合用来处理文本。

正则表达式模块

Python 内置了 re 模块用于处理正则表达式。

要使用正则表达式，请先导入 re 模块：

import re

Python 中的正则表达式

导入 re 模块后，您可以开始使用正则表达式：

搜索字符串以查看它是否以“The”开头并以“Spain”结尾：

import re

txt = "The rain in Spain"
x = re.search("^The.*Spain$", txt)

正则表达式函数

re 模块提供了一组函数，允许我们在字符串中搜索匹配项：

Function	Description
`findall`	返回包含所有匹配项的列表
`search`	扫描整个字符串寻找第一个匹配的位置，并返回一个匹配的 Match 对象。
`split`	用指定的 pattern 分割字符串，返回分割后的字符串列表
`sub`	替换指定模式的字符串

正则表达式模式

正则表达式使用一些特定的字符组成一些模式进行文本匹配。

元字符

元字符是具有特殊含义的字符：

字符	说明	示例
`[]`	表示一个字符集合	`[a-m]`
`\`	转义字符	`\d`
`.`	匹配除换行外的任意字符	`he..o`
`^`	匹配行开头	`^hello`
`$`	匹配行结尾	`world$`
`*`	0 次或者多次	`aix*`
`+`	1 次或者多次	`aix+`
`{}`	指定的次数	`al{2}`
`\|`	或者	`falls&stays`
`()`	分组

预定义字符

由 \ 和一个字符组成的特殊序列具有特殊的含义，在下表列出。

Character	Description	Example
`\A`	匹配字符串的开头	`"\AThe"`
`\b`	匹配单词的边界 (如果字符串前面有个 “r” 则字符串被视为原始字符串)	`r"\bain"r"ain\b"`
`\B`	匹配非单词的边界 (如果字符串前面有个 “r” 则字符串被视为原始字符串)	`r"\Bain"r"ain\B"`
`\d`	匹配一个数字，相当于 [0-9]	`"\d"`
`\D`	匹配一个非数字，相当于 [^0-9]	`"\D"`
`\s`	匹配空格	`"\s"`
`\S`	匹配非空格	`"\S"`
`\w`	匹配一个单词的字符 `[a-zA-Z0-9_]`	`"\w"`
`\W`	匹配一个非单子的字符，相当于 `[^a-zA-Z0-9_]`	`"\W"`
`\Z`	只匹配字符串结束	`"Spain\Z"`

如果 \ 后跟的字符不是 ASCII 数位或者 ASCII 字母，那么正则样式将匹配第二个字符。比如，\$ 匹配字符 '$'.

集合

[] 表示一个字符集合，可以匹配到集合中的任意一个字符。

Set	Description
`[arn]`	匹配 `a` 或 `r` 或 `n`)
`[a-n]`	匹配 `a` 到 `n` 之间的字母
`[^arn]`	匹配 `a`, `r`, 和 `n` 之外的所有字符
`[0123]`	匹配 `0` 或 `1` 或 `2` 或 `3`
`[0-9]`	匹配 `0` 到 `9` 之间的数字
`[0-5][0-9]`	匹配 `00` 到 `59` 的所有
`[a-zA-Z]`	匹配大写或者小写的所有字母
`[+]`	匹配 `+` 字符。在集合中 `+`, `*`, `.`, `\|`, `()`, `$`,`{}` 没有特殊含义

findall() 函数

findall() 函数返回一个包含所有匹配项的列表。findall() 函数接受 2 个参数：

pattern: 要查找的正则表达式模式
string: 被查找的文本

打印所有匹配项的列表：

import re

txt = "The rain in Spain"
x = re.findall("ai", txt)
print(x) # ['ai', 'ai']

findall() 函数按照匹配的顺序返回列表，如果未找到匹配项，则返回一个空列表：

import re

txt = "The rain in Spain"
x = re.findall("Portugal", txt)
print(x) # []

split() 函数

split() 函数使用指定的正则表达式去分割一个字符串，将分割后的子串作为列表返回。split() 函数需要 2 个参数：

pattern: 作为分割项的正则表达式模式
string: 被分割的文本
maxsplit: 最大分割数量

使用空白字符分割字符串：

import re

txt = "The rain in Spain"
x = re.split("\s", txt)
print(x) # ['The', 'rain', 'in', 'Spain']

还可以通过 maxsplit 参数来控制分割数量。下面例子仅分割 2 次：

import re

txt = "The rain in Spain"
x = re.split("\s", txt, 1)
print(x) # ['The', 'rain in Spain']

sub() 函数

sub() 函数用指定的文本替换匹配项。sub() 函数至少需要 3 个参数：

pattern: 搜索匹配项的正则模式，搜索到的内容会被 repl 参数指定的内容替换
repl: 替换文本内容
string: 被处理的文本
count:

用数字 9 替换每个空白字符：

import re

txt = "The rain in Spain"
x = re.sub("\s", "9", txt)
print(x) # The9rain9in9Spain

您可以通过指定 count 参数来控制替换次数：

替换前 2 次出现：

import re

txt = "The rain in Spain"
x = re.sub("\s", "9", txt, 2)
print(x) # The9rain9in Spain

search() 函数

search() 函数在字符串中搜索匹配项，如果有匹配项返回一个 Match 对象，如果未找到匹配项，返回 None。search() 函数只返回第一个匹配项的 Match 对象。

search() 函数需要 2 个参数：

pattern: 要搜索的正则表达式模式
string: 被搜索的文本

搜索字符串中的第一个空白字符：

import re

txt = "The rain in Spain"
x = re.search("\s", txt)

print("The first white-space character is located in position:", x.start())

进行不返回匹配项的搜索：

import re

txt = "The rain in Spain"
x = re.search("Portugal", txt)
print(x)

Match 对象

search() 函数会在找到匹配项的时候返回一个 Match 对象。Match 对象是包含有关搜索结果信息的对象。

执行将返回 Match 对象的搜索：

import re

txt = "The rain in Spain"
x = re.search("ai", txt)
print(x) # <re.Match object; span=(5, 7), match='ai'>
print(type(x)) # <class 're.Match'>

Match 对象具有用于检索有关搜索和结果的信息的属性和方法：

.span() 返回一个包含匹配开始和结束位置的元组。 .string 返回传递给函数的字符串 .group() 返回字符串中匹配的部分

打印第一个匹配项的位置（开始和结束位置）。

正则表达式查找任何以大写“S”开头的单词：

import re

txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.span()) # (12, 17)
print(x.string) # The rain in Spain
print(x.group()) # Spain

**注意：**如果没有匹配，返回 None 值，而不是 Match 对象。