强烈推荐！Python 这个宝藏库 re 正则匹配

Python020

强烈推荐！Python 这个宝藏库 re 正则匹配,第1张

Python 的 re 模块（Regular Expression 正则表达式）提供各种正则表达式的匹配操作。

在文本解析、复杂字符串分析和信息提取时是一个非常有用的工具 ，下面总结了 re 模块的常用方法。

d 匹配所有的十进制数字 0-9

D 匹配所有的非数字，包含下划线

s 匹配所有空白字符（空格、TAB等）

S 匹配所有非空白字符，包含下划线

w 匹配所有字母、汉字、数字 a-z A-Z 0-9

W 匹配所有非字母、汉字、数字，包含下划线

备注：符号.* 贪婪，符号.*? 非贪婪

[abc]：能匹配其中的单个字符

[a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）

[2-9] [1-3]：能够做组合匹配

4.{ }：用于标记前面的字符出现的频率，有如下情况：

{n，m}：代表前面字符最少出现n次，最多出现m次

{n，}：代表前面字符最少出现n次，最多不受限制

{，m}：代表前面字符最多出现n次，最少不受限制

{n}：前面的字符必须出现n次

字符串中有反斜杠的，需要对反斜杠做转义

()：分组字符，可以为匹配到的内容分组，快速获取到分组中的数据 在正则里面 "()" 代表的是分组的意思，一个括号代表一个分组，你只能匹配到 "()" 中的内容。

group：用于查看指定分组匹配到的内容

groups：返回一个元组，组内为所有匹配到的内容

groupdict：返回一个字典，包含分组的键值对，需要为分组命名

作用：可以将字符串匹配正则表达式的部分割开并返回一个列表

flags定义包括：

re.I：忽略大小写

re.L：表示特殊字符集 w, W, b, B, s, S 依赖于当前环境

re.M：多行模式

re.S：’.’并且包括换行符在内的任意字符（注意：’.’不包括换行符）

re.U：表示特殊字符集 w, W, b, B, d, D, s, S 依赖于 Unicode 字符属性数据库

在 Python 中使用正则表达式之前，先使用以下命令导入 re 模块

例如：

‘(d)(a)1’ 表示：匹配第一是数字，第二是字符a，第三 1 必须匹配第一个一样的数字重复一次，也就是被引用一次。

如 “9a9” 被匹配，但 “9a8” 不会被匹配，因为第三位的 1 必须是 9 才可以。

‘(d)(a)2’ 表示：匹配第一个是一个数字，第二个是a，第三个 2 必须是第二组（）中匹配一样的。

如 “8aa” 被匹配，但 “8ab”，“7a7” 不会被匹配，第三位必须是第二组字符的复制版，也是就引用第二组正则的匹配内容。

python正则表达式是使用单个字符串来描述、匹配某个句法规则的字符串，常被用来检索、替换那些符合某个模式（规则）的文本。最初的正则表达式出现于理论计算机科学的自动控制理论和形式化语言理论中。

1950 年，数学家斯蒂芬·科尔·克莱尼利用称之为“正则集合”的数学符号来描述此模型。肯·汤普逊将此符号系统引入编辑器 QED，随后是 UNIX 上的编辑器 ed，并最终引入 grep。自此以后，正则表达式被广泛地应用于各种 UNIX 或类 UNIX 系统的工具中。目前，许多程序设计语言都支持利用正则表达式进行字符串操作。

正则表达式常用的特殊字符：

\：将下一个字符标记为一个特殊字符、一个原义字符(Identity Escape,有 "^"  "$"  "("   ")"  "*"  "+"  "{"  "|" 共计12个)、一个向后引用(backreferences)或一个八进制转义符。例如“n”匹配字符“n”，“\n”匹配一个换行符，“\\”匹配“\”，“\(”则匹配“(”。

^：匹配输入字符串的开始位置。如果设置了正则表达式的多行属性，“^”也可以匹配“\n”或“\r”之 后的位置。

[a-z]：字符范围，匹配指定范围内的任意字符。例如“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。

\s：匹配任何空白字符，包括空格、制表符、换页符等，等效于“[\f\n\r\t\v]”。注意 Unicode 正则表达式 会匹配全角空格符。

Python 的re模块提供了re.sub用于替换字符串中的匹配项。

语法：

re.sub(pattern, repl, string, count=0)

参数：

pattern : 正则中的模式字符串。

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。

实例：

注：re.sub(r'[a-zA-Z",:{}]', "", data)，中括号表示选择其中的任意元素，a-zA-Z表示任意字母。