python 正则表达式入门（匹配IP）

csdn上看到了很多讲python正则表达式的文章，但看过之后仍不明白如何使用。现以匹配IP为例，说明正则的简单使用。

推荐参考书籍：python核心编程中文版（第二版）

一、您的第一个正则表达式

简单说来，正则就是为了查找字符串用的。比如在网页有很多类似这样的信息：

IP 58.207.64.0 --- IP 58.207.67.255 地址段 共有IP记录: 1024 个

IP地址段地址：新疆 教育网直通车

58.207.64.23 58.207.64.22 58.207.64.21 58.207.64.20 58.207.64.19 58.207.64.18 58.207.64.17 58.207.64.16 58.207.64.15 58.207.64.14 58.207.64.13 58.207.64.12 58.207.64.11 58.207.64.10 58.207.64.9 58.207.64.8 58.207.64.7 58.207.64.6 58.207.64.5 58.207.64.4 58.207.64.3
58.207.64.2 58.207.64.1 58.207.64.0 更多

IP 59.75.128.0 --- IP 59.75.135.255 地址段 共有IP记录: 2048 个

IP地址段地址：新疆乌鲁木齐市 新疆大学

59.75.128.23 59.75.128.22 59.75.128.21 59.75.128.20 59.75.128.19 59.75.128.18 59.75.128.17 59.75.128.16 59.75.128.15 59.75.128.14 59.75.128.13 59.75.128.12 59.75.128.11 59.75.128.10 59.75.128.9 59.75.128.8 59.75.128.7 59.75.128.6 59.75.128.5 59.75.128.4 59.75.128.3
59.75.128.2 59.75.128.1 59.75.128.0 更多
我想找出对应的IP段该肿么办？
最简单的办法可以做全字匹配：

import re

target_str = 'IP 58.207.64.0 --- IP 58.207.67.255'  #要找到的内容
pattern = re.compile(target_str)
content = 'IP 58.207.64.0 --- IP 58.207.67.255 地址段 共有IP记录: 1024 个 '
m = pattern.match(content)
>>>m.group()
'IP 58.207.64.0 --- IP 58.207.67.255'

几条语句就能把要找的内容匹配出来了！但问题是只能匹配这一个特定的字符串，如果想匹配页面上所有这种格式字符串该怎么办了，这就需要了解正则的语法了。（语法是从python核心编程中文版（第二版）摘录的）。

二、正则表达式使用的特殊符号和字符

记号 说明 举例

2.1、用管道符号( | )匹配多个正则表达式模式

正则表达式模式 匹配的字符串

2.2、匹配任意一个单个的字符( . )

正表达式模式 匹配的字符串

f.o 在"f"和"o"中间的任何字符，如fao, f9o, f#o 等

.. 任意两个字符

.end 匹配在字符串end 前面的任意一个字符

问：我怎样才能匹配点号(dot)或句号(period)?

答：为了明确地匹配一个点号(dot)本身，你必须（在前面)使用反斜线“\”对它进行转义。

2.3、从字符串的开头或结尾或单词边界开始匹配( ^/$ /\b /\B )

正则表达式模式 匹配的字符串

^From 匹配任何以From 开始的字符串

/bin/tcsh$ 匹配任何以 /bin/tcsh 结束的字符串

^Subject: hi$ 匹配仅由 Subject: hi 组成的字符串

特殊字符 \b and \B 用来匹配单词边界。两者之间的区别是，\b 匹配的模式是一个单词边界，

就是说，与之对应的模式一定在一个单词的开头，不论这个单词的前面是有字符(该词在一个字符串

的中间)，还是没有字符(该单词在一行的起始处)。同样地，\B 只匹配出现在一个单词中间的模式(即，

不在单词边界上的字符)。看下面几个例子：

RE Pattern Strings Matched

the 任何包含有"the"的字符串

\bthe 任何以"the"开始的字符串

\bthe\b 仅匹配单词 “the”

\Bthe 任意包含“the”但不以“the”开头的单词

2.4、创建字符类( [ ] )

正则表达式模式 匹配的字符串

b[aeiu] t bat, bet, bit, but

[cr][23][dp][o2] 一个包含4 个字符的字符串: 第一个字符是 “r” 或 “c”，后面是 “2”

或 “3”，再接下来是 “d” 或 “p”，最后是 “o” 或 “2“ ，例

如：c2do, r3p2, r2d2, c3po, 等等。

2.5、指定范围 ( - ) 和 否定( ^ )



正则表达式模式 匹配的字符

z.[0-9] 字符"z"，后面跟任意一个字符，然后是一个十进制数字

[r-u][env-y][us] “r” “s,” “t” 或 “u” 中的任意一个字符，后面跟的是 “e,”

“n,” “v,” “w,” “x,” 或 “y”中的任意一个字符，再后面

是字符“u” 或 “s”.

[^aeiou] 一个非元音字符 (练习： 为什么我们说”非元音“, 而不说”辅音字母“?)

[^\t\n] 除TAB 制表符和换行符以外的任意一个字符

["-a] 在使用ASCII 字符集的系统中，顺序值在‘"‘ 和 “a”之间 的

任意一个字符，即，顺序号在34 和97 之间的某一个字符。

2.6 、使用闭包操作符 ( *, +, ?, {} ) 实现多次出现/重复匹配

RE Pattern Strings Matched

[dn]ot? 字符"d"或"o", 后面是一个"o", 最后是最多一个字符"t"，即，do, no, dot,not

0?[1-9] 从1 到9 中的任意一位数字，前面可能还有一个"0". 例如：可以把它看

成一月到九月的数字表示形式，不管是一位数字还是两位数字的表示形式。

[0-9]{15,16} 15 或16 位数字表示，例如：信用卡号码

</?[^>]+> 匹配所有合法(和无效的)HTML 标签的字符串

2.7 、特殊字符表示字符集

正则表达式模式 匹配的字符串

\w+-\d+ 一个由字母或数字组成的字符串，和至少一个数字，两部分中间由连字符连接

[A-Za-z]\w* 第一个字符是字母，其余字符(如果存在的话)，是字母或数字(它几乎

等价于Python 语言中合法的标识符[见参考练习])

\d{3}-\d{3}-\d{4} (美国)电话号码，前面带区号前缀，例如 800-555-1212

\w+@\w+\.com 简单的XXX@YYY.com 格式的电子邮件地址

2.8、 用圆括号(()) 组建组

一对圆括号(()) 和正则表达式一起使用时可以实现以下任意一个(或两个)功能：