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。
正则表达式语法表如下：
| 语法 | 意义 | 说明 | | "." | 匹配除“\n”之外的任何单个字符 | | | "^" | 字符串开始 | '^hello'匹配'helloworld'而不匹配'aaaahellobbb' | | "$" | 字符串结尾 | 'world$'匹配'helloworld'而不匹配'worldobbb' | | "*" | 匹配前面的子表达式任意次（贪婪匹配） | zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等价于o{0,} | | "+" | 匹配前面的子表达式一次或多次(大于等于1次）（贪婪匹配） | “zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,} | | "?" | 匹配前面的子表达式零次或一次（贪婪匹配） | “do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1} | | *?, ?,?? | 尽可能少的匹配所搜索的字符串（非贪婪匹配） | 对于字符串“oooo”，“o+”将尽可能多的匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少的匹配“o”，得到结果['o', 'o', 'o', 'o'] | | {m,n} | 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 | a{6}匹配6个a、a{2,4}匹配2到4个a | | {m,n}? | 对于前一个字符重复m到n次，并取尽可能少 | ‘aaaaaa’中a{2,4}只会匹配2个 | | "\\" | 特殊字符转义或者特殊序列 | |
[] | 表示一个字符集 | [0-9]、[a-z]、[A-Z]、[^0] | | "|" | 或 | A|B,或运算 | | (...) | 匹配括号中任意表达式 | |
(?#...) | 注释，可忽略 | | | (?=...) | 非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用 | '(?=test)' 在hellotest中匹配hello | | (?!...) | 非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用 | '(?!=test)' 若hello后面不为test，匹配hello | | (? < =...) | 非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。 | '(? < =hello)test' 在hellotest中匹配test | | (? < !...) | 非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。 | '(? < !hello)test' 在hellotest中不匹配test |
正则表达式特殊序列表如下：
特殊序列符号 意义
\A 只在字符串开始进行匹配
\Z 只在字符串结尾进行匹配
\b 匹配位于开始或结尾的空字符串
\B 匹配不位于开始或结尾的空字符串
\d 相当于[0-9]
\D 相当于[^0-9]
\s 匹配任意空白字符:[\t\n\r\r\v]
\S 匹配任意非空白字符:[^\t\n\r\r\v]
\w 匹配任意数字和字母:[a-zA-Z0-9]
\W 匹配任意非数字和字母:[^a-zA-Z0-9]
re的主要功能函数
常用的功能函数包括：compile、search、match、split、findall（finditer）、sub（subn）
compile
re.compile(pattern[, flags])
作用：把正则表达式语法转化成正则表达式对象
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
search
re.search(pattern, string[, flags])
search (string[, pos[, endpos]])
作用：在字符串中查找匹配正则表达式模式的位置，返回 MatchObject 的实例，如果没有找到匹配的位置，则返回 None。
match
re.match(pattern, string[, flags])
match(string[, pos[, endpos]])
作用：match() 函数只在字符串的开始位置尝试匹配正则表达式，也就是只报告从位置 0 开始的匹配情况，而 search() 函数是扫描整个字符串来查找匹配。如果想要搜索整个字符串来寻找匹配，应当用 search()。
下面是几个例子：
例：最基本的用法
>>> import re
>>> r1 = re.compile(r'world')
>>> print(r1.match('helloworld'))
None
>>> print(r1.search('helloworld'))
<_sre.SRE_Match object; span=(5, 10), match='world'>
>>> |
r是raw(原始)的意思。因为在表示字符串中有一些转义符，如表示回车'\n'。如果要表示\表需要写为'\\'。但如果我就是需要表示一个'\'+'n'，不用r方式要写为:'\\n'。但使用r方式则为r'\n'这样清晰多了。
例：设置flag
>>> r2 = re.compile(r'n$', re.S)
>>> print(r2.search('helloworld'))
None
>>> r2 = re.compile('\n$', re.S)
>>> print(r2.search('helloworld'))
None
>>> r2 = re.compile(r'd$', re.S)
>>> print(r2.search('helloworld'))
<_sre.SRE_Match object; span=(9, 10), match='d'>
>>> r2 = re.compile('World$', re.I)
>>> print(r2.search('helloworld'))
<_sre.SRE_Match object; span=(5, 10), match='world'>
>>> r2 = re.compile(r'n$', re.S)
>>> print(r2.search('helloworld\n'))
None
>>> r2 = re.compile('\n$', re.S)
>>> print(r2.search('helloworld\n'))
<_sre.SRE_Match object; span=(10, 11), match='\n'>
>>> r2 = re.compile('World$', re.I)
>>> print(r2.search('helloworld\n'))
<_sre.SRE_
4000
Match object; span=(5, 10), match='world'>
>>> |
例：直接调用
>>> print(re.search(r'abc','helloaaabcdworldn'))
<_sre.SRE_Match object; span=(7, 10), match='abc'> |
split
re.split(pattern, string[, maxsplit=0, flags=0])
split(string[, maxsplit=0])
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
例：简单分析ip
>>> print (re.split('(\W+)','192.168.1.1',1))
['192', '.', '168.1.1']
>>> print (re.split('(\W+)','192.168.1.1'))
['192', '.', '168', '.', '1', '.', '1']
>>> r1 = re.compile('\W+')
>>> print (r1.split('192.168.1.1'))
['192', '168', '1', '1']
>>> |
findall
re.findall(pattern, string[, flags])
findall(string[, pos[, endpos]])
作用：在字符串中找到正则表达式所匹配的所有子串，并组成一个列表返回
例：查找[]包括的内容（贪婪和非贪婪查找）
>>> r1 = re.compile('([.*])')
>>> print (re.findall(r1,"hello[hi]heldfsdsf[iwonder]lo"))
[]
>>> print (re.findall(r1,"hello.[hi]heldfsdsf[iwonder]lo"))
['.']
>>> r1 = re.compile('([.*?])')
>>> print (re.findall(r1,"hello[hi]heldfsdsf[iwonder]lo"))
[]
>>> print (re.findall(r1,"hello.[hi]heldfsdsf[iwonder]lo"))
['.']
>>> r1 = re.compile('([s*])')
>>> print (re.findall(r1,"hello[hi]heldfsdsf[iwonder]lo"))
['s', 's']
>>> r1 = re.compile('([s*?])')
>>> print (re.findall(r1,"hello[hi]heldfsdsf[iwonder]lo"))
['s', 's']
>>> print (re.findall('[0-9]{2}',"fdskfj1323jfkdj"))
['13', '23']
>>> print (re.findall('[0-9]{3}',"fdskfj1323jfkdj"))
['132']
>>> print (re.findall('([0-9][a-z])',"fdskfj1323jfkdj"))
['3j']
>>> print (re.findall('(?=www)',"afdsfwwwfkdjfsdfsdwww"))
['', '']
>>> print (re.findall('(?<=www)',"afdsfwwwfkdjfsdfsdwww"))
['', ''] |
finditer
re.finditer(pattern, string[, flags])
finditer(string[, pos[, endpos]])
说明：和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并组成一个迭代器返回。
sub
re.sub(pattern, repl, string[, count, flags])
sub(repl, string[, count=0])
说明：在字符串 string 中找到匹配正则表达式 pattern 的所有子串，用另一个字符串 repl 进行替换。如果没有找到匹配 pattern 的串，则返回未被修改的 string。repl 既可以是字符串也可以是一个函数。
例：
>>> p = re.compile('(one|two|three)')
>>> print (p.sub('num','one word two words three words apple', 2))
num word num words three words apple
>>> print (p.sub('num','one word two words three words apple', 1))
num word two words three words apple
>>> print (p.sub('num','one word two words three words apple', 3))
num word num words num words apple |
subn
re.subn(pattern, repl, string[, count, flags])
subn(repl, string[, count=0])
说明：该函数的功能和 sub() 相同，但它还返回新的字符串以及替换的次数。
| | |
|
