python专题——正则表达式

1、正则表达式正则表达式(Regular Expression)是一种文本模式，包括普通字符和特殊字符。 正则表达式使用单个字符串来描述、匹配一系列某个句法规则的字符串。简介为什么使用正则表达式测试字符串内的模式替换文本基于模式匹配从字符串中提取子字符串语法正则表达式( regular expression )描述了一种 字符串匹配的模式 ( pattern )，可以用来 检查一个串是否含有某些子串、 将匹配的子串替换或者从某个串中取出符合某个条件的子串 等。普通字符普通字符包括没有显示指定为元字符 (特殊字符和符号) 的所有可打印和不可打印字符， 这包括所有大写和小写字母、所有数字、所有标点符号

2、和一些其他字符。非打印字符特殊字符所谓特殊字符，就是一些含有特殊含义的字符。许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使用字符“转义”，即，将反斜杠“”放在它们 / . T7 刖面。匸56櫛八尹捋兰堆呈泣邑 如鼻谡酊 RegEipMiiiiine B5性.竝*也匹闵S或讨.娶EK E室氐辱.満便卑禺汀1 根迟一令子砒武的开S3躺車迪空 于黑欧可以获取供M牙怏耳 契四鈕理？欝.eftffl * 乐叫E愛矚査ET孑菇乜罢齐医各;九 暮巨配*却 号严弔"”晋匹配前產的子赵式一乂却况 團蔭十宇芙.:葩屋gJ7g僕挂污哥r £怕中丁壬呵墜寧乐 舂匹配i育佯

3、厨1标足一十中寤号潘达TC帥开地”空血.酋桂臣1.匹弗前產皓子施式零交壺一彷.離朗一空荽阳亡瓶 婪闵学希.谄隹用将T一金宇桁记为如蒔符 烦宜字眩或向日IHL 團皿1輔虫祗痢口 , H區齢特n'c祖卫既挨-予甘H 刚和匹B! *V右甘则匹配口*匚暉人字曲的开熾西.隱非可质号養达贰厂忏三戌订宅丟卞不接却字锵台；哥匹阳， 手耶左号.斷主叵f扭F沂窑F伏式茁E的.琴耳朝音宁弓.荷m駆Jf之函Af选蔭容匹配1,诗佯甲讥限定符限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。工1卅H忍卫圧诗自-* ”匹配前面的子表达式零次或多次，例如/Z0*/，匹配“ * ”前的字符“ 0”零次

4、或多次，匹配“ Z”时匹配了“ *”前的子表达式“ 0”是零次。*、+和？限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上 ？就可以实现非贪婪或最小匹配。例如：<H1>Chapter 1 -介绍正则表达式</H1>贪婪模式：下面的表达式匹配从开始小于符号（<）到关闭H1标记的大于符号 （>）之间的所有内容。/<.*>/ ，贪婪模式匹配结果：<H1>Chapter 1 -介绍正则表达式</H1>非贪婪：如果您只需要匹配开始和介绍H1标记，下面的非贪婪表达式只匹配<H1>。/<.*?>

5、;/，非贪婪只会匹配：<H1>定位符定位符能够将正则表达式固定到行首或行尾。不能讲限定符与定位点一起使用。不允许诸如A*之类的表达式。若要匹配一行文本开始处的文本，在正则表达式的开始使用A字符。若要匹配一行文本的结束处的文本，在正则表达式的结束处使用$字符。例如： /ACh apter 1 -90-90,1$/字边界是单词和空格之间的位置。非字边界是任何其他位置。下面的表达式匹配单词Chapter的开头三个字符，因为这三个字符出现在字边界的后面：八bCha/b字符的位置是非常重要的。如果它位于匹配字符串的开始，它在单词开始处查找匹配项。如果位于字符串的结尾，他在单词的结尾处查找匹配

6、项。下面的表达式匹配 Chapter 中的字符串 apt ，但不匹配 aptitude 中的字符串 apt：/Bapt/选择用圆括号将所有选择项括起来， 相邻的选择项之间用 | 分隔。但圆括号会有一个副作用， 是相关的匹配会被缓存，此时可用 ?:放在第一个选项前来消除这种副作用。其中 ?: 是非捕获元之一， 还有两个非捕获元是 ?= 和 ?!，这两个还有更多的含义， 前 者为正向预查， 在任何开始匹配圆括号内的正则表达式模式的位置来匹配搜索字符串， 后者 为负向预查，在任何开始不匹配该正则表达式模式的位置来匹配搜索字符串。反向引用对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到

7、一个临时缓 冲区中， 所捕获的每个子匹配都按照在正则表达式模式中从左到右出现的顺序存储。 缓冲区 编号从 1 开始，最多可存储 99 个捕获的子表达式。每个缓冲区都可以使用 n 访问，其中 n 为一个标识特定缓冲区的一位或两位十进制数。可以使用非捕获元字符 ?:、?=或 ?! 来重写捕获，忽略对相关匹配的保存。例如：var str = "Is is the cost of of gasoline going up up"var patt1 = /b(a -z+) 1b/;document.write(str.match(patt1);捕获的表达式，正如 a-z+ 指定的，包

8、括一个或多个字母。正则表达式的第二部分是 对以前捕获的子匹配项的引用，即，单词的第二个匹配项正好由括号表达式匹配。 1 指定 第一个子匹配项。字边界元字符确保只检测整个单词。否则，诸如 "is issued" 或 "this is" 之类的词组将 不能正确地被此表达式识别。正则表达式后面的全局标记 g 指定将该表达式应用到输入字符串中能够查找到的尽可 能多的匹配。表达式的结尾处的不区分大小写i标记指定不区分大小写。多行标记指定换行符的两边可能出现潜在的匹配。组(?P<name)?P代表的是Python的语法扩展，<name>代表自定义命

9、名，代表命名的语法规 则。比如：(?P< nu m>d+)， 命名之后可以在后面调用。比女口 re.findall(r'(?P<num>d+)a -z+(?P=num)',s) # 找出中间夹有字母的数字。元字符希下一仔摘记为Y你宇衽歩Y產殳宇衽備一个向出1麻或一个丿谶瞬交貼制 如* dlETH 'n卫配一介換厅甬1?刊'W匹配% S "f则唾 A四踊入宁剂P的开斜£弐 如果備了 RegExp对貌的Murtrline眉性A世匹爲如嘉 W$匹33庭入扌莉爭第洁卑進，如鑒设養了H卑Earp对象的Multiline宫性.$论

10、匹禺5酸廿之<fr匹野苹岂的子去达式孝乂弍序:立应君,L隊更皆h 1屋Poc/一 *等心于Oh4-匹配前面的子青达式一次血务宓fl#n 1 ,xo+,總匹12 'to'以廉'zoo' *怛不翹豪 P. +爭帯于 (1J.?匹配前面的子勵0害空或一ffW , -do(fls)?-可以四E 2 或Pooh Wda"？ 驹于0.1,何r是一个啡二馥匚 巫配店圭內9匸作断 E"不能EHc Bnh- 的" 谥呈乾兀E -fcnrr B的扃f ,fnn丰一个非匸親T.车匸时 1 気口，血訂稻护前Bol/中BiP .忌怨卽-fgcaoiT

11、b閃爭苔芯 血口'雲tf于匕儿 0OJ则窖护于 护=nnm和r均尢恭比弱,=rpn s g 盍:总n农且無筝匡配m讯 莎加,亦1盯逻E氈-fooanood- cWMEa, 00專於于农：fl®匹国E帧加嗷之闽不能有空恆斗该字粹察跟在任何一庁仅4tW刮轩计，化L r. nJ n.m?)后直旳.匹配降理升甘5E的.甘委 虹民可隹妙的匝醐度希拧希昭.而歩认的费期蹴则量可慨舸岖3时建蠢的字捋耳 齣r 刃亍宁?？串"ocoo" . 'o+7将區配单丙3 集包配所茸8匹配徐、nN外阳任何也个乎石。SQfcSJS An左阳班何彌 译使用的曼£(patt

12、en)应配pattern井获取逹一皿纭列S的匹配三的Matchy聿合琴到“ FVBSsIpl亡洼 用 SubMatch; As feJScripr BiW曲 M. $9 SIL 妄应陋5括毒#?青?!书 C 臨 V.(?: pattern)Efc pattern宜厶嗣匹心果,也既是说运是一个非诀取匹Sc不13行它儘供以后使用.逗E更 用 P 宇三(I)宋爼合- "8式E?S个部分是痕有用.列M . Industrfjies)初是一个比 'industrylindustries 車管建E勺烹达弍“(?=patifn正P義直.在三可兀配PX25的字存牛讦始处匚迓圭悅打冃.这是一个

13、非孑取匚£包就是 说该匹配不需要技収供収訣用。便如.VJindcm«?=95|98|NrpOOO)丈匸出"Window 2000-中匕Windows*但=疋HSS V/indovs 3 1"中的-Wirdows预査不有朽字目乜就 是说.在一个乙土茨三k 在最后一灰细nu立即尸汩下一久g王拽寒.t卜是从也旨涣圭的宁 一r：(pattern)负査左m可不匸JE 8125旳字三率千冶处卫！E戲&书生.遠昱一个30取匚配戈就是 悅该匚配不薪进収后住耳 依忆Wnci6X(?!35|q8|NTpOOO)能兀配-W ndov-A = T 0 的-Window-

14、,但六能辽配Window 200CT中的Windo.vr.预圭不肩"仔,乜就是说 亡 Y匹配友生咅在最后一次匹eez后立印开垢下一次日潮曳农而k是从色含预査的字右N盂幵xly狂配 xy.例汕.z|food'诜厂配 h 或 Fod.(ztOood' 5'.H：E "oocf 或"foodr.阴字衿集土 四&诉包的：)(斑一字魚 例芬.卜比河以匹！EpJrr中厂工卜 xyz负值宇片無刍匹酣条包含的任悬捋。驱.可以任妥Plain'=的0 I . *i *n；E】孚碇區 匹H3后在花至內荒任专字苻.例n“z：可以23配丁到TPE内旳

15、三创、弓尹埒Aa-2殳育宇汽莹.匹配任何不在韦定范至内的任W字占.依如 “刃可以刀配三可F a到t范 烹内能任意宇符.b匹配一个单诣迂界 包爺是指单是和空喀冋莊位置.例U . erb*可以兀配丘如，=的er 但不 碇匹配"verb-中的ervB匹矽洋词辺畀.Zr'B'能匹配-verb*中的er*,但不紇匹配-never- =03 er .cx匹REx?&明E?拄祝幵L例5口WM匹配 个ContiolZ或叵1寸J. x的值幺须尢A Z或az Nr杏则将c视力Y原乂的宅字圧id匹配一个数字字符.寻价于10-9.、D匹事企E5S宁等价子"0刃。匹配一个接页

16、符.等价亍Wk和cL匹53个抿行符。等价于Oa和dokr匹闵一个回车符.等价于VOd和cM.匹配田可主E产符，包住三気E表符.瞬更符铮争 学价于AnVtv.£匹配任佗二E±:丘宁筑 牙价丁 (z P；nrtv#t匹配一个J5!衰仕 等价于乂09兀<1kv匹53-个垂盲缶表符券介于xOb和乂匕w匹闵包括下划线館任何邕访丰符.箸桥于lA-Za-zO-gj；A匹配任何m渥帖符.辱价7 'AAZdzO9lxn匹配仃具口仃力十P剤转乂直 E3祝转义皿涙力世圭旳两个刮妇>41匹配W. VO4T5!焙价于'XM'&T.正表达云中可以使用ASCI

17、I编讯num匹氐ium .numS-AIFL穴莎疔取fH匹或的引弔洌汩，©VT Q配两个童5B0相転字n存识一个八迟龜转匸值或一个可=引司口杲n N匝至少n个铁取的子養达式.则n力刁左1 思 25!) 如杲n为丿碍1数字07 r则n为/辭讀乂僅。nm标1? 个八诳两转文佰或-个向訂引审.妇昱：nmN苛李少芦门m个皆县7表1犬式.刃nm /刼舌 弓1用。妇集仙之圻至少有n个族取则n为Y后殴文豪m的向后弓用.如臬前百鬥緊屯尺 旋 enm均为八进察如(0-7), 5fnm捋匹S5A进制挎义佰nm.nml如里n力八M欽手(03) 至m和1归为八迢混数字(07),则匹配A进剧转乂值nmLunE

18、ftn其=r是一个书囚厲8制藪宁丢示笙Unkode宁符吻妇.uOOA9匹氐版衣花号 .运算符优先级（）p n n凰15菴和万更号*. * ?. n n 'i mA.羸莊冋元字粧 任定堂卿序刊(即:立訣収序)1字苻号磅于晉帳运亀持的忧弄迴.ftarmHwMrEWfTfCfaod",港英匹BHigTfgcT .请使崖是吕却肾卞鬲士弍.J在4玄；IF f )00(1'-匹配规则基本模式匹配模式是正则表达式最基本的元素，它们是一组描述字符串特征的字符。字付族a-z /匹配所有的小写字母A-Z /匹配所有的大写字母a-zA-Z /匹配所有的字母0-9 II匹配所有的数字0- I

19、I匹配所有的数字，句号和减号frt n II匹配所有的白字符Aa -z II除了小写字母以外的所有字符F'WM II除了()(/)(A)之外的所有字符A"' II除了双引号(")和单引号(')之外的所有字符:alpha:任何字母digit：曲数宇alnum 囲字母和如:space:任何空白字时wpped任何大写字母lower:任何侶字母punct:任何赫点符母xdigit任何16迸制的数学，相当于（O9»fAF确定重复出现"|a-zA-2JS前有的字硏吓划聂*|alpha:3S肝有的3个字母的单i司氏率$aaaa强4Saa aaa

20、 FXaaaaAa1pSa.aasxaaa包含爲于两个吕的字符聿in : aardvarkQaaab P f Sap pie不扫因2虻：baadCaaa ,但N白muck我不彳亍两个制表符2肝有的两个字符Aa-zA-Z49_1,$/所有包含一个以上的字母、数字或下划线的字符串A1 -90-90,$/所有的正整数-0,10-91,$/所有的整数人-?0-9+.?0 -9+$/所有的浮点数Aa -zA-Z0-9_+$/所有包含一个以上的字母、数字或下划线的字符串a1 -90 -9*$/所有的正整数-?0-9+$/所有的整数-?0-9+.?0 -9*$ / 所有的浮点数示例；b(azj+)'

21、1 旳：一亍虽遏也狀:d現八穴时:利丿：+或加"Pfl-* 174ZRUI將r初加紀甌和及相碍虫/'(? .Chapter Sac Lien)1坯咖哪rsLi£26'! TfSBiC- i-B,曲畑可匸叱：利內丁 . iff 能兀百贡GrminE*i Bapb可匹矽hapta ,莊丁能匹HBaptiiudG,MirdoMS ?-K |9E IN" y可匹EAinoow話二疲W n<faV53£ Jnd站（NT乞打电 宀匹圮甘 丛VJr.dchvsJS苛?T治逬：r 上旳P盍匹巳匹配空行.皿哥（竝证由两煌数主6位埜*§成的1

22、D昙匸配 HPML TlCi常用函数和方法*15.2常用的函数和方養湖防方紘棋块的冶独comp讣0（网巾如J硕常"Q j科正讯乖応式帝式丹伽1超厅觸译"fh軒禺可逵标钳符井亟回一牛resTK时家Tt損块的圭数和佬艸对录为方袪m 就 Eh(paffb»MtF也J. /f吓呦當试用iESEJSitXffiZ p*ncm 2tlilT?T* string 唤4可选氮识得t：果匹配虞功，则 馬回一牛西蚀裁1否则理同Mmugrd）伽吨團-0）右字符毕却哪杓S事丘丸炖式糅式patitm的第一次出驱fl誓s绘可难紳申 闻果区 旧莊珈薦堪同一牛旺砂魁None岩字序串如申ffcfc

23、iE則憲込成fl滅PM 的厨有UkAMi出驰耻卜牛匹配对肇抽理flncliterQ硕rr?V删j丿磅护羽处回的X是刑衰孔是菇桃>,ifFWEE,鮭世逆同一卄d砂* 耳iHuQmiTe 尹喊 m&r-D)權琳正剜議达或加如屮的井隔材厅审待血R专割为 f 列倉.進同戍功戏配的列表" 融赛分meix找（戟认握井卿胪有乙出的鲍方阳城pEMi( npi, nrmg, wur-0)把字布昭string中所看匹耘正剤舉达式punm悴地方U换血字野埔睥M 恼星WM的加» 疽址由则时所肓旺町:前绘方进4TIHI CStt诸豪再*uh*0它还益甄阿一宁衰朮善按 文體的*«

24、;）匹配时*的方法fTOUEM1*。巾底必全陽国叱対象*戟摘疑诡号是撷呵的于组fro*r<0返同一节也古全钢匹配新子粗的元塩（fcl聲浸有朮功匹归，酬返回一牛空元粗）Patternpile(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。第二个参数flag是匹配模式，取值可以使用按位或运算符 T表示同时生效，比如re| re.M 。另外，你也可以在regex字符串中指定模式， 比如 pile('pattern', re| re.M)与 pile('(?im)pattern')

25、是等价的。可选值有：? re. I (re.IGNORECASE):忽略大小写(括号内是完整写法，下同)? M(MULTILINE):多行模式，改变'A'和'$'的行为(参见上图)? S(DOTALL):点任意匹配模式，改变'.'的行为? L(LOCALE):使预定字符类w W b B s S取决于当前区域设定? U (UNICODE): 使预定字符类 w W b B s S d D取决于unicode 定义的字符属性? X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：a

26、 = re. compile (r ""”d + # the integral part.# the decimal pointd * # some fractional digits""”, re.X)>>> m = a.match('3.45')>>> m.group()'3.45'>>>Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。Pattern不能直接实例化，必须使用pile()进行构造。Pattern提供

27、了几个可读属性用于获取表达式的相关信息：1. pattern:编译时用的表达式字符串。2. flags:编译时用的匹配模式。数字形式。3. groups:表达式中分组的数量。4.groupindex:以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别 名的组不包含在内。import rep = re. compile (r '(w+) (w+)(?P<sign>.*)', re.DOTALL)print "p.pattern:" , p.patternprint "p.flags:" , p.flagsprin

28、t "p.groups:" , p.groupsprint "p.groupindex:" , p.groupindex# output # p.pattern: (w+) (w+)(?P<sign>.*)# p.flags: 16# p.groups: 3# p.groupindex: 'sign': 3re模块实例方法1. match(string, pos, endpos) | re.match(pattern, string, flags):这个方法将从string的pos下标处起尝试匹配pattern ；如果patt

29、ern结束时仍可匹配，则返回一个Match 对象；如果匹配过程中pattern 无法匹配，或者匹配未结束就已到达endpos，则返回None。pos和endpos的默认值分别为 0和len(string) ； re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'。pattedstring出厶吧匸吉石H.flogsKM功他mistrhS锻逓曲二口: 一匚茅 習划说IfflNorw.柠.7 王他|前g

30、roups 禺曲斷痢關匹fl闵進式|gi ont1 J-H-0)J-SE'K.yiutii/i 可J 为“、耳£1专 在E*出:TF上-ca兰月警师羽应阻云生groups |>丘-1 - g砺=.，啓F苻那三诅少.1宝阡三:-X 曲.2. search(string.pos, endpos)| re.search(pattern,string, flags):这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配 pattern ,如果pattern结束时仍可匹配，则返回一个 Match对象；若无法匹配，则将 pos加1后重新尝试匹配；直到 pos =endpos 时仍无法匹配则返回 None。pos和endpos的默认值分别为0和len(string) ； re.search() 无法指定这两个参数，参数 flags用于 编译pattern 时指定匹配模式。二wr匸二仝弍-：一怙.2轧：Th D二运，二己丁 ：总 mi运叵飞.勿I河S- ground H配对