python 正则表达式 正则表达式是一种字符串抓取工具，从一个字符串中将与模式匹配的部分提取出来来，Python通过标准库中的re模块来支持正则表达式操作。
符号 解释 示例 说明 . 匹配任意字符 b.t 可以匹配bat / but / b#t / b1t等 # 一个.只能匹配一个 \w 匹配字母/数字/下划线 b\wt 可以匹配bat / b1t / b_t 不能匹配特殊符号 b#t \s 匹配空白字符 包括\r(回车)、\n(换行)、\t(制表符)等 love\syou 可以匹配love you \d 匹配数字 \d\d\d 可以匹配012 / 123 / 111等 \b 匹配单词的边界 也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。 \B 匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er” ^ 匹配字符串的开始 ^The 可以匹配The开头的字符串 $ 匹配字符串的结束 .exe$ 可以匹配.exe结尾的字符串 \W 匹配特殊字符，即非字母、非数字、非汉字、非_ b\Wt 可以匹配b#t / b@t/等 但不能匹配but / b1t / b_t等 \S 匹配非空白字符 love\Syou 可以匹配love#you等 但不能匹配love you \D 匹配非数字 \d\D 可以匹配9a / 3# / 0F等 [] 匹配来自字符集的任意单一字符 [aeiou] 可以匹配任一元音字母字符 [^] 匹配不在字符集中的任意单一字符 [^aeiou] 可以匹配任一非元音字母字符
匹配0次或多次 \w* 匹配1次或多次 \w+ ? 匹配0次或1次 \w? {N} 匹配N次 \w{3} {M,} 匹配至少M次 \w{3,} {M,N} 匹配至少M次至多N次 \w{3,6} | 分支 foo|bar 可以匹配foo或者bar (?#) 注释 (exp) 匹配exp并捕获到自动命名的组中 (? exp) 匹配exp并捕获到名为name的组中 (?:exp) 匹配exp但是不捕获匹配的文本 (?=exp) 匹配exp前面的位置 \b\w+(?=ing) 可以匹配I’m dancing中的danc (?<=exp) 匹配exp后面的位置 (?<=\bdanc)\w+\b 可以匹配I love dancing and reading中的第一个ing (?!exp) 匹配后面不是exp的位置 (?<!exp) 匹配前面不是exp的位置 *? 重复任意次，但尽可能少重复 a.b a.?b 将正则表达式应用于aabab，前者会匹配整个字符串aabab，后者会匹配aab和ab两个字符串 +? 重复1次或多次，但尽可能少重复 ?? 重复0次或1次，但尽可能少重复 {M,N}? 重复M到N次，但尽可能少重复 {M,}? 重复M次以上，但尽可能少重复 需要匹配的字符是正则表达式中的特殊字符，可以使用\进行转义处理，例如想匹配小数点可以写成.就可以了，因为直接写.会匹配任意字符；同理，想匹配圆括号必须写成(和)，否则圆括号被视为正则表达式中的分组。Python对正则表达式的支持 Python提供了re模块来支持正则表达式相关操作，下面是re模块中的核心函数。
函数 说明 compile(pattern, flags=0) 编译正则表达式返回正则表达式对象
import re def main(): string = 'dsfdspythondsfdsjpythonfds' pattern = '.python' s = re.compile(pattern=pattern).findall(string) print(s） #['spython', 'jpython'] if __name__=='main': main()match(pattern, string, flags=0) 用正则表达式匹配字符串 成功返回匹配对象 否则返回None
import re def main(): string = '天呢! 燕 子' pattern = '.*?\s' s = re.match(pattern=pattern,string=string) print(s.group()) # 天呢! if __name__ =='main': main()search(pattern, string, flags=0) 搜索字符串中第一次出现正则表达式的模式 成功返回匹配对象 否则返回None
import re def main(): string = 'the 帅哥 123' pattern = '.*?\B' s = re.search(pattern=pattern,string=string) print(s.group()) #t if __name__ == 'main': main()split(pattern, string, maxsplit=0, flags=0) 用正则表达式指定的模式分隔符拆分字符串 返回列表 拆分长字符串
import re def main(): poem = '窗前明月光，疑是地上霜。举头望明月，低头思故乡。' sentence_list = re.split(r'[，。，。]', poem) while '' in sentence_list: sentence_list.remove('') print(sentence_list) # ['窗前明月光', '疑是地上霜', '举头望明月', '低头思故乡'] if __name__ == '__main__': main()sub(pattern, repl, string, count=0, flags=0) 用指定的字符串替换原字符串中与正则表达式匹配的模式 可以用count指定替换的次数 fullmatch(pattern, string, flags=0) match函数的完全匹配（从字符串开头到结尾）版本 findall(pattern, string, flags=0) 查找字符串所有与正则表达式匹配的模式 返回字符串的列表 finditer(pattern, string, flags=0) 查找字符串所有与正则表达式匹配的模式 返回一个迭代器 purge() 清除隐式编译的正则表达式的缓存 re.I / re.IGNORECASE 忽略大小写匹配标记 re.M / re.MULTILINE 多行匹配标记
由字母、数字或下划线构成且长度在6~20个字符之间(^[0-9a-zA-Z_]{6,20}$) QQ号是5~12的数字且首位不能为0 (^[1-9]\d{4,11}$) import re def main(): username = input('请输入用户名: ') qq = input('请输入QQ号: ') # match函数的第一个参数是正则表达式字符串或正则表达式对象 # 第二个参数是要跟正则表达式做匹配的字符串对象 m1 = re.match(r'^[0-9a-zA-Z_]{6,20}$', username) if not m1: print('请输入有效的用户名.') m2 = re.match(r'^[1-9]\d{4,11}$', qq) if not m2: print('请输入有效的QQ号.') if m1 and m2: print('你输入的信息是有效的!') if __name__ == '__main__': main()提示： 上面在书写正则表达式时使用了“原始字符串”的写法（在字符串前面加上了r），所谓“原始字符串”就是字符串中的每个字符都是它原始的意义，说得更直接一点就是字符串中没有所谓的转义字符。因为正则表达式中有很多元字符和需要进行转义的地方，如果不使用原始字符串就需要将反斜杠写作\，例如表示数字的\d得书写成\d，这样不仅写起来不方便，阅读的时候也会很吃力。
例子2：从一段文字中提取出国内手机号码。 下面这张图是截止到2017年底，国内三家运营商推出的手机号段。
import re def main(): # 创建正则表达式对象 使用了前瞻和回顾来保证手机号前后不应该出现数字 pattern = re.compile(r'(?<=\D)1[34578]\d{9}(?=\D)') sentence = ''' 重要的事情说8130123456789遍，我的手机号是13512346789这个靓号， 不是15600998765，也是110或119，王大锤的手机号才是15600998765。 ''' # 查找所有匹配并保存到一个列表中 mylist = re.findall(pattern, sentence) print(mylist) #['13512346789', '15600998765', '15600998765'] print('--------华丽的分隔线--------') #-------华丽的分隔线-------- # 通过迭代器取出匹配对象并获得匹配的内容 for temp in pattern.finditer(sentence): print(temp.group()) '''''' 13512346789 15600998765 15600998765 '''''' print('--------华丽的分隔线--------') #--------华丽的分隔线-------- # 通过search函数指定搜索位置找出所有匹配 m = pattern.search(sentence) while m: print(m.group()) '''''' 13512346789 15600998765 15600998765 '''''' m = pattern.search(sentence, m.end()) if __name__ == '__main__': main()要匹配国内手机号，更好的正则表达式的写法是：(?<=\D)(1[38]\d{9}|14[57]\d{8}|15[0-35-9]\d{8}|17[678]\d{8})(?=\D)
替换字符串中的不良内容
import re def main(): sentence = '你丫是傻叉吗? 我操你大爷的. Fuck you.' purified = re.sub('[操艹草艸]|cao|fuck|shit|傻[比屄逼叉缺吊屌]|煞笔', '*', sentence, flags=re.IGNORECASE) print(purified) # 你丫是*吗? 我*你大爷的. * you. # a|b|c 或者的关系 [] # sub('正则表达式','要替换成哪些字段','查询字段',re.IGNORECASE ) #re.IGNORECASE --以不区分大小写的方式对文本做查找和替换 if __name__ == '__main__': main()说明： re模块的正则表达式相关函数中都有一个flags参数，它代表了正则表达式的匹配标记，可以通过该标记来指定匹配时是否忽略大小写、是否进行多行匹配、是否显示调试信息等。如果需要为flags参数指定多个值，可以使用按位或运算符进行叠加，如flags=re.I | re.M。
