python re正则表达式模块(Regular Expression)

下面是Python的正则表达式模块re的完整攻略。

简介

Python的re（Regular Expression）模块提供了正则表达式操作的功能。正则表达式是一种处理字符串的方式，它可以用于搜索、替换和分割字符串。正则表达式是由普通字符和特殊字符组成的模式，匹配模式所定义的字符串。Python的re模块提供了处理正则表达式的功能，能够方便地实现字符串的匹配、搜索、替换和分割操作。

基本用法

Python的re模块主要包含以下常用方法：

re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
re.findall(pattern, string, flags=0)
re.sub(pattern, repl, string)
re.split(pattern, string, maxsplit=0, flags=0)

其中，re.search()函数在字符串中搜索匹配正则表达式的第一个位置，并返回相应的匹配对象；re.match()则尝试从字符串的开头开始匹配正则表达式，并返回相应的匹配对象；re.findall()在字符串中查找所有匹配正则表达式的字符串，并返回一个列表；re.sub()用指定的字符串替换字符串中所有匹配正则表达式的子串；re.split()根据正则表达式分割字符串，并将分割完毕的字符串存入列表中返回。

这些函数在使用时需要传入一个正则表达式作为pattern参数。

语法

正则表达式由普通字符和特殊字符组成，其中特殊字符具有一定的含义。使用正则表达式时需要熟悉这些特殊字符的含义。

普通字符

普通字符是指除了特殊字符之外的所有字符，包括大小写字母、数字、标点符号和空格等。普通字符在正则表达式中的匹配和它们在字符串中的出现一致。

例如，若使用正则表达式abc，则会匹配所有包含连续字母abc的字符串，如abc、abcd、aabc、aabbc等。

特殊字符

特殊字符在正则表达式中具有特殊的意义，它们可以用来匹配特定的字符类、字符重复、位置标记等内容。

常见的特殊字符包括：

• 字符类：用于匹配一组字符中的任意一个字符。
• [...]表示匹配其中任意一个字符。例如，[abc]可以匹配字符a、b或c；
• [^...]表示匹配其中任意一个不是字符组中所列字符的字符。例如，[^abc]可以匹配任意一个不是字符a、b或c的字符；
• \d可以匹配任何数字（0-9）；
• \D可以匹配任何非数字字符；
• \w可以匹配任何字母、数字或下划线字符；
• \W可以匹配任何非字母、数字或下划线字符；
• \s可以匹配任何空白字符（包括空格、制表符、换行符等）；
• \S可以匹配任何非空白字符。
• 字符重复：用于匹配字符重复出现的数量。
• *表示前面的字符可以出现0次或任意多次；
• +表示前面的字符可以出现1次或任意多次；
• ?表示前面的字符可以出现0次或1次；
• {m}表示前面的字符必须出现m次；
• {m, n}表示前面的字符必须出现m到n次。
• 位置标记：用于指定匹配字符的位置。
• ^表示从行首开始匹配；
• $表示从行尾开始匹配；
• \b表示匹配单词边界；
• \B表示匹配非单词边界。

示例

下面给出两个正则表达式的示例。

示例1：匹配网址

我们可以针对一些格式化明确的字符串，使用正则表达式来进行分析和抓取。比如我们可以构造一个正则表达式来匹配URL地址：

import re

# 定义正则表达式
pattern = r'^https?://[\w\.-]+/\S*$'

# 测试字符串
test_str1 = 'https://www.baidu.com/index.html'
test_str2 = 'http://www.example.com/path/to/page'

# 进行匹配
if re.match(pattern, test_str1):
    print(f"{test_str1}匹配成功")
else:
    print(f"{test_str1}匹配失败")

if re.match(pattern, test_str2):
    print(f"{test_str2}匹配成功")
else:
    print(f"{test_str2}匹配失败")

首先我们使用 ^ 表示行首开始匹配，然后使用 https?:// 匹配以 http:// 或 https:// 开头的网址。接着使用 [\w\.-]+ 匹配网址中的主机名。\w 表示匹配任何字母、数字或下划线字符，点和减号表示主机名可以包含点和减号。最后使用 /\S*$ 匹配网址中的路径和查询字符串。\S* 匹配任何非空白字符，$ 表示从行尾开始匹配。

测试字符串 test_str1 和 test_str2 分别符合和不符合正则表达式的规则，通过 re.match() 函数可以判断是否匹配成功。

示例2：数量匹配

正则表达式中的重复字符可以指定要匹配的字符数量，例如：

import re

# 定义正则表达式
pattern = r'Python\s+rocks!'

# 测试字符串
test_str1 = 'Python      rocks!'
test_str2 = 'Python rocks!'

# 进行匹配
if re.search(pattern, test_str1):
    print(f"{test_str1}匹配成功")
else:
    print(f"{test_str1}匹配失败")

if re.search(pattern, test_str2):
    print(f"{test_str2}匹配成功")
else:
    print(f"{test_str2}匹配失败")

在正则表达式 Python\s+rocks! 中，\s+ 表示匹配一个或多个空格字符。

测试字符串 test_str1 中有多个空格符，匹配成功；而 test_str2 中只有一个空格符，匹配失败。

总结

Python的re模块提供了强大的正则表达式操作功能，通过学习正则表达式的语法和常用方法，我们可以更好地进行字符串匹配、搜索、替换和分割等操作。