一、概念

简单来说正则表达式是由一些普通字符(例如,a 到 z 之间的字母)和一些元字符组成,用来匹配和过滤一些字符串的一种逻辑公式。

 

二、正则表达式的一些基本规则

1、一些常用的元字符

  ^  :匹配行或者字符串的起始位置,有时还会匹配整个文档的起始位置。

  $  :匹配行或字符串的结尾。

 \d  :匹配数字字符。

 \D  :匹配一个非数字字符。

 \w :匹配字母,数字,下划线。

\W  :匹配任何非单词字符(也就是非字母、数字、下划线字符)。

 \s  :匹配任何不可见字符(包括空格、Tab等空白符) 。

 \S  :匹配任何可见字符。

  .   :匹配除了换行符以外的任何字符。

\n   :匹配一个换行符。

  *   :匹配前面的子表达式任意次(匹配0个或多个字符)。如,ab*能匹配“a”,也能匹配“ab”以及“abb”。*等价于{0,}。

 +   :匹配前面的子表达式一次或多次(大于等于1次)。如,“ab+”能匹配“ab”以及“abb”,但不能匹配“a”。+等价于{1,}。

 ?   :匹配前面的子表达式零次或一次。如,“ab(cd)?”可以匹配“ab”或“abcd”。?等价于{0,1}。

{n} : n是一个非负整数。匹配确定的n次。如,“b{2}”不能匹配“abc”中的“b”,但是能匹配“abbc”中的两个b。

{n,}: n是一个非负整数。至少匹配n次。如,“b{2,}”不能匹配“abc”中的“b”,但能匹配“abbbbbbc”中的所有b。“b{1,}”等价于“b+”。“b{0,}”则等价于“b*”。

{n,m} :m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。如,“b{1,3}”将匹配“abbbbbbc”中的前三个b为一组,后三个b为一组。“b{0,1}”等价于“b?”。

x|y  :匹配x或y。如,“a|bbc”能匹配“a”或“bbc”。“[ab]ccd”则匹配“accd”或“bccd”。

[xyz] :字符集合。匹配所包含的任意一个字符。如,“[abc]”可以匹配“abc”中的“a”或“sb”中的“b”。

[^xyz] :负值字符集合。匹配未包含的任意字符。如,“[^abc]”可以匹配“apple”中的“pple”任一字符。

[a-z] :字符范围。匹配指定范围内的任意字符。如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符;[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线。

 注:对于一些特殊字符需要表达原有符号需要先使字符"转义",即,将反斜杠字符\ 放在它们前面。如,要匹配 * 字符,则使用 \*。特殊字符有:$、( )、*、+、.、[ ]、?、\、^、{ }、|。

2、运算符优先级

正则表达式从左到右进行计算,并遵循优先级顺序,这与算术表达式非常类似。

相同优先级的从左到右进行运算,不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序:

运算符描述
\ 转义符
(), (?:), (?=), [] 圆括号和方括号
*, +, ?, {n}, {n,}, {n,m} 限定符
^, $, \任何元字符、任何字符 定位点和序列(即:位置和顺序)
| 替换,"或"操作
字符具有高于替换运算符的优先级,使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food",请使用括号创建子表达式,从而产生"(m|f)ood"。

 

三、Python中正则表达式使用的函数

 Python 自1.5版本起增加了re 模块,它提供 Perl 风格的正则表达式模式。

1、re.match函数

re.match 从字符串的起始位置开始匹配,如果第一个就不匹配,则返回None。

re.match(pattern, string, flags=0)

pattern:匹配的正则表达式。

string : 要匹配的字符串。

flags :标志位,用于控制正则表达式的匹配方式。如是否区分大小写等。

如:

 1 #coding:utf-8
 2 #!/usr/bin/python3
 3 import re
 4 
 5 s1="abc"
 6 s2=" asd"
 7 a=re.match(r\'[a-zA-Z\_][0-9a-zA-Z\_]*\', s1)
 8 b=re.match(r\'[a-zA-Z\_][0-9a-zA-Z\_]*\', s2)
 9 print(a)
10 print(b)
11 
12 
13 #运行结果
14 <_sre.SRE_Match object; span=(0, 3), match=\'abc\'>
15 None
demo

 

2、re.search函数

re.search 扫描整个字符串并返回第一个成功的匹配,如果整个字符串都没有匹配的,则返回None。

re.search(pattern, string, flags=0)

pattern:匹配的正则表达式。

string : 要匹配的字符串。

flags :标志位,用于控制正则表达式的匹配方式。如是否区分大小写等。

如:

 1 #coding:utf-8
 2 #!/usr/bin/python3
 3 import re
 4 
 5 s1="gabc"
 6 a1=re.match(r\'[abc]\', s1)
 7 print(a1)
 8 
 9 s2="gabc"
10 a2=re.search(r\'[abc]\', s2)
11 print(a2)
12 
13 s3="get"
14 a3=re.search(r\'[abc]\', s3)
15 print(a3)
16 
17 #运行结果
18 None
19 <_sre.SRE_Match object; span=(1, 2), match=\'a\'>
20 None
21 #match从第一个开始匹配,第一个不匹配就返回None,search全局匹配,直到没有匹配的才返回None。
demo

 3、re.compile 函数

compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,让其它用来匹配的函数使用,如match、search函数使用。

compile(pattern, flags=0)

pattern:匹配的正则表达式。  

flags :标志位

一般配合其他函数使用,如和match函数:

re.compile(pattern).match(string)

使用情况如:

#coding:utf-8
#!/usr/bin/python3
import re

s=\'abcdf13s2j3\'
a=re.compile(r\'\d+\').match(s)
print(a)
a=re.compile(r\'\d+\').search(s)
print(a)
a=re.compile(r\'\d+\').findall(s)
print(a)


#运行结果
None
<_sre.SRE_Match object; span=(5, 7), match=\'13\'>
[\'13\', \'2\', \'3\']
demo

4、re.findall函数

在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。

findall(pattern, string, flags=0)           #单独使用
findall(self, string, pos=0, endpos=-1)     #与compile函数一起使用

pattern:匹配的正则表达式。

string : 要匹配的字符串。

flags :标志位

pos : 可选参数,指定字符串的起始位置,默认为 0。

endpos : 可选参数,指定字符串的结束位置,默认为字符串的长度。

如:

 1 #coding:utf-8
 2 #!/usr/bin/python3
 3 import re
 4 
 5 s=\'abcdf12s2j3\'
 6 a=re.findall(r\'\d+\',s)      #单独使用
 7 print(a)
 8 a=re.compile(r\'\d+\').findall(s)   #与compile函数一起使用
 9 print(a)
10 
11 #运行结果
12 [\'12\', \'2\', \'3\']
13 [\'12\', \'2\', \'3\']
demo

5、re.finditer函数

和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。

finditer(pattern, string, flags=0)

pattern:匹配的正则表达式。

string : 要匹配的字符串。

flags :标志位

 1 #coding:utf-8
 2 #!/usr/bin/python3
 3 import re
 4 
 5 a = re.finditer(r"\d+","ab57cdf13s2j3")
 6 print(a)
 7 for match in a:
 8     print (match.group() )
 9 
10 
11 #运行结果
12 <callable_iterator object at 0x00E434D0>
13 57
14 13
15 2
16 3
demo

6、group()与groups()函数

group()  :匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。

groups():返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。

如:

 1 #coding:utf-8
 2 #!/usr/bin/python3
 3 import re
 4 
 5 a = re.search(r"(\D+)(\d+)(\D+)(\d+)(\D+)(\d+)","ab57cdf13s2j3")
 6 if a:
 7    print("a.group() : ", a.group())
 8    print("a.group(1) : ", a.group(1))
 9    print("a.group(2) : ", a.group(2))
10    print("a.group(6) : ", a.group(6))
11    print("a.groups() : ", a.groups())
12 else:
13    print ("Nothing found!!")
14 
15 #运行结果
16 a.group() :  ab57cdf13s2
17 a.group(1) :  ab
18 a.group(2) :  57
19 a.group(6) :  2
20 a.groups() :  (\'ab\', \'57\', \'cdf\', \'13\', \'s\', \'2\')
demo

7、re.sub函数

 用于替换字符串中的匹配项。

sub(pattern, repl, string, count=0, flags=0)

pattern : 匹配的正则表达式。

repl : 替换的字符串,也可为一个函数。

string : 要被查找替换的原始字符串。

count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。

如:

 1 #coding:utf-8
 2 #!/usr/bin/python3
 3 import re
 4 
 5 s=\'abcdf13s2j3\'
 6 a=re.sub(r\'\d+\',\'-\',s,1)     #替换一个
 7 print(a)
 8 a=re.sub(r\'\d+\',\'-\',s)        #全部替换
 9 print(a)
10 
11 #运行结果
12 abcdf-s2j3
13 abcdf-s-j-
demo

 

参考学习网址:

http://www.runoob.com/regexp/regexp-operator.html

http://www.runoob.com/python/python-reg-expressions.html

注:参考上面博文,根据自己理解整理一份,有些是直接把作者简介拷贝过来的。