Python3 正規表達式

正規表達式是一個特殊的字元序列,它能幫助你方便的檢查一個字串是否與某種模式匹配。

Python 自1.5版本起增加了re 模組,它提供 Perl 風格的正規表達式模式。

re 模組使 Python 語言擁有全部的正規表達式功能。

compile 函式根據一個模式字串和可選的標誌引數生成一個正規表達式物件。該物件擁有一系列方法用於正規表達式匹配和取代。

re 模組也提供了與這些方法功能完全一致的函式,這些函式使用一個模式字串做為它們的第一個引數。

本章節主要介紹 Python 中常用的正規表達式處理函式,如果你對正規表達式不了解,可以檢視我們的 正規表達式 - 教學


re.match函式

re.match 嘗試從字串的起始位置匹配一個模式,如果不是起始位置匹配成功的話,match()就回傳none。

函式語法

re.match(pattern, string, flags=0)

函式引數說明:

引數描述
pattern匹配的正規表達式
string要匹配的字串。
flags標誌位,用於控制正規表達式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正規表達式修飾字 - 可選標誌

匹配成功re.match方法回傳一個匹配的物件,否則回傳None。

我們可以使用group(num) 或 groups() 匹配物件函式來取得匹配運算式。

匹配物件方法描述
group(num=0)匹配的整個運算式的字串,group() 可以一次輸入多個組號,在這種情況下它將回傳一個包含那些組所對應值的元組。
groups()回傳一個包含所有小組字串的元組,從 1 到 所含的小組號。

範例

#!/usr/bin/python import re print(re.match('www', 'www.twcode01.com').span()) # 在起始位置匹配 print(re.match('com', 'www.twcode01.com')) # 不在起始位置匹配

以上例項執行輸出結果為:

(0, 3)
None

範例

#!/usr/bin/python3 import re line = "Cats are smarter than dogs" # .* 表示任意匹配除換行符(\n、\r)之外的任何單個或多個字元 matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I) if matchObj: print ("matchObj.group() : ", matchObj.group()) print ("matchObj.group(1) : ", matchObj.group(1)) print ("matchObj.group(2) : ", matchObj.group(2)) else: print ("No match!!")

以上例項執行結果如下:

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

re.search方法

re.search 掃描整個字串並回傳第一個成功的匹配。

函式語法:

re.search(pattern, string, flags=0)

函式引數說明:

引數描述
pattern匹配的正規表達式
string要匹配的字串。
flags標誌位,用於控制正規表達式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正規表達式修飾字 - 可選標誌

匹配成功re.search方法回傳一個匹配的物件,否則回傳None。

我們可以使用group(num) 或 groups() 匹配物件函式來取得匹配運算式。

匹配物件方法描述
group(num=0)匹配的整個運算式的字串,group() 可以一次輸入多個組號,在這種情況下它將回傳一個包含那些組所對應值的元組。
groups()回傳一個包含所有小組字串的元組,從 1 到 所含的小組號。

範例

#!/usr/bin/python3 import re print(re.search('www', 'www.twcode01.com').span()) # 在起始位置匹配 print(re.search('com', 'www.twcode01.com').span()) # 不在起始位置匹配

以上例項執行輸出結果為:

(0, 3)
(11, 14)

範例

#!/usr/bin/python3 import re line = "Cats are smarter than dogs"; searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I) if searchObj: print ("searchObj.group() : ", searchObj.group()) print ("searchObj.group(1) : ", searchObj.group(1)) print ("searchObj.group(2) : ", searchObj.group(2)) else: print ("Nothing found!!")
以上例項執行結果如下:
searchObj.group() :  Cats are smarter than dogs
searchObj.group(1) :  Cats
searchObj.group(2) :  smarter

re.match與re.search的區別

re.match只匹配字串的開始,如果字串開始不符合正規表達式,則匹配失敗,函式回傳None;而re.search匹配整個字串,直到找到一個匹配。

範例

#!/usr/bin/python3 import re line = "Cats are smarter than dogs"; matchObj = re.match( r'dogs', line, re.M|re.I) if matchObj: print ("match --> matchObj.group() : ", matchObj.group()) else: print ("No match!!") matchObj = re.search( r'dogs', line, re.M|re.I) if matchObj: print ("search --> matchObj.group() : ", matchObj.group()) else: print ("No match!!")
以上例項執行結果如下:
No match!!
search --> matchObj.group() :  dogs

檢索和取代

Python 的re模組提供了re.sub用於取代字串中的匹配項。

語法:

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

引數:

  • pattern : 正則中的模式字串。
  • repl : 取代的字串,也可為一個函式。
  • string : 要被搜尋取代的原始字串。
  • count : 模式匹配後取代的最大次數,預設 0 表示取代所有的匹配。
  • flags : 編譯時用的匹配模式,數值形式。

前三個為必選引數,後兩個為可選引數。

範例

#!/usr/bin/python3 import re phone = "2004-959-559 # 這是一個電話號碼" # 刪除註解 num = re.sub(r'#.*$', "", phone) print ("電話號碼 : ", num) # 移除非數值的內容 num = re.sub(r'\D', "", phone) print ("電話號碼 : ", num)

以上例項執行結果如下:

電話號碼 :  2004-959-559 
電話號碼 :  2004959559

repl 引數是一個函式

以下例項中將字串中的匹配的數值乘於 2:

範例

#!/usr/bin/python import re # 將匹配的數值乘於 2 def double(matched): value = int(matched.group('value')) return str(value * 2) s = 'A23G4HFD567' print(re.sub('(?P<value>\d+)', double, s))

執行輸出結果為:

A46G8HFD1134

compile 函式

compile 函式用於編譯正規表達式,生成一個正規表達式( Pattern )物件,供 match() 和 search() 這兩個函式使用。

語法格式為:

re.compile(pattern[, flags])

引數:

  • pattern : 一個字串形式的正規表達式
  • flags 可選,表示匹配模式,例如忽略大小寫,多行模式等,具體引數為:
    • re.I 忽略大小寫
    • re.L 表示特殊編碼表 \w, \W, \b, \B, \s, \S 依賴於當前環境
    • re.M 多行模式
    • re.S 即為' . '並且包括換行符在內的任意字元(' . '不包括換行符)
    • re.U 表示特殊編碼表 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字元屬性資料庫
    • re.X 為了增加可讀性,忽略空白和' # '後面的註解

範例

範例

>>>import re >>> pattern = re.compile(r'\d+') # 用於匹配至少一個數值 >>> m = pattern.match('one12twothree34four') # 搜尋頭部,沒有匹配 >>> print( m ) None >>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配,沒有匹配 >>> print( m ) None >>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配,正好匹配 >>> print( m ) # 回傳一個 Match 物件 <_sre.SRE_Match object at 0x10a42aac0> >>> m.group(0) # 可省略 0 '12' >>> m.start(0) # 可省略 0 3 >>> m.end(0) # 可省略 0 5 >>> m.span(0) # 可省略 0 (3, 5)

在上面,當匹配成功時回傳一個 Match 物件,其中:

  • group([group1, …]) 方法用於獲得一個或多個分組匹配的字串,當要獲得整個匹配的子串時,可直接使用 group()group(0)
  • start([group]) 方法用於取得分組匹配的子串在整個字串中的起始位置(子串第一個字元的索引),引數預設值為 0;
  • end([group]) 方法用於取得分組匹配的子串在整個字串中的結束位置(子串最後一個字元的索引+1),引數預設值為 0;
  • span([group]) 方法回傳 (start(group), end(group))

再看看一個範例:

範例

>>>import re >>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小寫 >>> m = pattern.match('Hello World Wide Web') >>> print( m ) # 匹配成功,回傳一個 Match 物件 <_sre.SRE_Match object at 0x10bea83e8> >>> m.group(0) # 回傳匹配成功的整個子串 'Hello World' >>> m.span(0) # 回傳匹配成功的整個子串的索引 (0, 11) >>> m.group(1) # 回傳第一個分組匹配成功的子串 'Hello' >>> m.span(1) # 回傳第一個分組匹配成功的子串的索引 (0, 5) >>> m.group(2) # 回傳第二個分組匹配成功的子串 'World' >>> m.span(2) # 回傳第二個分組匹配成功的子串索引 (6, 11) >>> m.groups() # 等效於 (m.group(1), m.group(2), ...) ('Hello', 'World') >>> m.group(3) # 不存在第三個分組 Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: no such group

findall

在字串中找到正規表達式所匹配的所有子串,並回傳一個串列,如果沒有找到匹配的,則回傳空串列。

注意: match 和 search 是匹配一次 findall 匹配所有。

語法格式為:

re.findall(string[, pos[, endpos]])

引數:

  • string 待匹配的字串。
  • pos 可選引數,指定字串的起始位置,預設為 0。
  • endpos 可選引數,指定字串的結束位置,預設為字串的長度。

搜尋字串中的所有數值:

範例

import re pattern = re.compile(r'\d+') # 搜尋數值 result1 = pattern.findall('twcode01 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2)

輸出結果:

['123', '456']
['88', '12']

re.finditer

和 findall 類似,在字串中找到正規表達式所匹配的所有子串,並把它們作為一個迭代器回傳。

re.finditer(pattern, string, flags=0)

引數:

引數描述
pattern匹配的正規表達式
string要匹配的字串。
flags標誌位,用於控制正規表達式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正規表達式修飾字 - 可選標誌

範例

import re it = re.finditer(r"\d+","12a32bc43jf3") for match in it: print (match.group() )

輸出結果:

12 
32 
43 
3

re.split

split 方法按照能夠匹配的子串將字串分割後回傳串列,它的使用形式如下:

re.split(pattern, string[, maxsplit=0, flags=0])

引數:

引數描述
pattern匹配的正規表達式
string要匹配的字串。
maxsplit分隔次數,maxsplit=1 分隔一次,預設為 0,不限制次數。
flags標誌位,用於控制正規表達式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正規表達式修飾字 - 可選標誌

範例

>>>import re >>> re.split('\W+', 'twcode01, twcode01, twcode01.') ['twcode01', 'twcode01', 'twcode01', ''] >>> re.split('(\W+)', ' twcode01, twcode01, twcode01.') ['', ' ', 'twcode01', ', ', 'twcode01', ', ', 'twcode01', '.', ''] >>> re.split('\W+', ' twcode01, twcode01, twcode01.', 1) ['', 'twcode01, twcode01, twcode01.'] >>> re.split('a*', 'hello world') # 對於一個找不到匹配的字串而言,split 不會對其作出分割 ['hello world']

正規表達式物件

re.RegexObject

re.compile() 回傳 RegexObject 物件。

re.MatchObject

group() 回傳被 RE 匹配的字串。

  • start() 回傳匹配開始的位置
  • end() 回傳匹配結束的位置
  • span() 回傳一個元組包含匹配 (開始,結束) 的位置

正規表達式修飾字 - 可選標誌

正規表達式可以包含一些可選標誌修飾字來控制匹配的模式。修飾字被指定為一個可選的標誌。多個標誌可以透過按位 OR(|) 它們來指定。如 re.I | re.M 被設定成 I 和 M 標誌:

修飾字描述
re.I使匹配對大小寫不敏感
re.L做本地化識別(locale-aware)匹配
re.M多行匹配,影響 ^ 和 $
re.S使 . 匹配包括換行在內的所有字元
re.U根據Unicode編碼表解析字元。這個標誌影響 \w, \W, \b, \B.
re.X該標誌透過給予你更靈活的格式以便你將正規表達式寫得更易於理解。

正規表達式模式

模式字串使用特殊的語法來表示一個正規表達式:

字母和數值表示他們自身。一個正規表達式模式中的字母和數值匹配同樣的字串。

多數值母和數值前加一個反斜杠時會擁有不同的含義。

標點符號衹有被轉義時才匹配自身,否則它們表示特殊的含義。

反斜杠本身需要使用反斜杠轉義。

由於正規表達式通常都包含反斜杠,所以你最好使用原始字串來表示它們。模式元素(如 r'\t',等效於 \\t )匹配相應的特殊字元。

下表列出了正規表達式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標誌引數,某些模式元素的含義會改變。

模式描述
^匹配字串的開頭
$匹配字串的末尾。
.匹配任意字元,除了換行符,當re.DOTALL標記被指定時,則可以匹配包括換行符的任意字元。
[...]用來表示一組字元,單獨列出:[amk] 匹配 'a','m'或'k'
[^...]不在[]中的字元:[^abc] 匹配除了a,b,c之外的字元。
re*匹配0個或多個的運算式。
re+匹配1個或多個的運算式。
re? 匹配0個或1個由前面的正規表達式定義的片段,非貪婪方式
re{ n}匹配n個前面運算式。例如,"o{2}"不能匹配"Bob"中的"o",但是能匹配"food"中的兩個o。
re{ n,}精確匹配n個前面運算式。例如,"o{2,}"不能匹配"Bob"中的"o",但能匹配"foooood"中的所有o。"o{1,}"等效於"o+"。"o{0,}"則等效於"o*"。
re{ n, m}匹配 n 到 m 次由前面的正規表達式定義的片段,貪婪方式
a| b匹配a或b
(re)匹配括弧內的運算式,也表示一個組
(?imx)正規表達式包含三種可選標誌:i, m, 或 x 。隻影響括弧中的區域。
(?-imx)正規表達式關閉 i, m, 或 x 可選標誌。隻影響括弧中的區域。
(?: re) 類似 (...), 但是不表示一個組
(?imx: re)在括弧中使用i, m, 或 x 可選標誌
(?-imx: re)在括弧中不使用i, m, 或 x 可選標誌
(?#...)註解.
(?= re)前向肯定界定符。如果所含正規表達式,以 ... 表示,在當前位置成功匹配時成功,否則失敗。但一旦所含運算式已經嘗試,匹配引擎根本沒有提高;模式的剩餘部分還要嘗試界定符的右邊。
(?! re)前向否定界定符。與肯定界定符相反;當所含運算式不能在字串當前位置匹配時成功。
(?> re)匹配的獨立模式,省去回溯。
\w 匹配數值字母下劃線
\W匹配非數值字母下劃線
\s 匹配任意空白字元,等效於 [\t\n\r\f]。
\S匹配任意非空字元
\d 匹配任意數值,等效於 [0-9]。
\D匹配任意非數值
\A匹配字串開始
\Z匹配字串結束,如果是存在換行,只匹配到換行前的結束字串。
\z匹配字串結束
\G匹配最後匹配完成的位置。
\b匹配一個單詞邊界,也就是指單詞和空白間的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。
\B匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。
\n, \t, 等。匹配一個換行符。匹配一個製表符, 等
\1...\9匹配第n個分組的內容。
\10匹配第n個分組的內容,如果它經匹配。否則指的是八進位字元碼的運算式。

正規表達式例項

字元匹配

範例描述
python匹配 "python".

字元類

範例描述
[Pp]ython 匹配 "Python" 或 "python"
rub[ye]匹配 "ruby" 或 "rube"
[aeiou]匹配中括弧內的任意一個字母
[0-9]匹配任何數值。類似於 [0123456789]
[a-z]匹配任何小寫字母
[A-Z]匹配任何大寫字母
[a-zA-Z0-9]匹配任何字母及數值
[^aeiou]除了aeiou字母以外的所有字元
[^0-9]匹配除了數值外的字元

特殊字元類

範例描述
.匹配除 "\n" 之外的任何單個字元。要匹配包括 '\n' 在內的任何字元,請使用象 '[.\n]' 的模式。
\d匹配一個數值字元。等效於 [0-9]。
\D 匹配一個非數值字元。等效於 [^0-9]。
\s匹配任何空白字元,包括空白、製表符、換頁符等等。等效於 [ \f\n\r\t\v]。
\S 匹配任何非空白字元。等效於 [^ \f\n\r\t\v]。
\w匹配包括下劃線的任何單詞字元。等效於'[A-Za-z0-9_]'。
\W匹配任何非單詞字元。等效於 '[^A-Za-z0-9_]'。