正则表达式（选修）

正则表达式的语法

定义

首先正则表达式主要是运用于匹配字符串的。

行定位符

行定位符主要用于描述字符串的边界，^表示行的开始 $表示行的结束。
例如：

^tm

上面这个表达式意思就是匹配**以tm开头的字符串**。<br />可以匹配到`tm tomorrow morning`这个字符串。<br />再例如：

tm$

上面的表达式的意思就是匹配**以tm结尾的字符串**。<br />可以匹配到`tomorrow morning tm`这个字符串。

上面两种就是匹配开头和结尾，如果想匹配任意位置的:

tm

或者只匹配`tm`

^tm$

元字符

下面是常用元字符的表。

举个例子：匹配`mr`开头的单词。

\bmr\w*\b

首先两个`\b`分别表示了需要匹配单词的开头和结尾，是一个**标识符号**。<br />其中`mr`就是`mr`，没有特殊含义。<br />`\w`从表中可以看出是用来匹配**包括下划线的任何单词字符。**<br />加了一个`*`表示匹配的**长度是任意的**。

所以该表达式可以匹配：mrsoft、mrbook、mr1234等。

限定符

为了简化书写，可以使用限定符来表达需要匹配的数量。

举个例子：

employe{0,2}

上面的表达式可以匹配`employ``employe``employee`这个三个字符串。

字符类

如果想要在一个数组范围内寻找需要匹配的字符，就可以使用字符类，只需要再方括号**[]**中列出需要匹配的字符即可。
例如：匹配元音字母：

[aeiou]

再例如匹配任意一个字母。

[a-zA-Z]

这个就表示匹配所有a到z和A-Z的字母。

排除字符

^在之前是表示行的开始，但是在[]中表示的就是排除。
例如：匹配一个不是字母的字符。

[^a-zA-Z]

选择字符

选择字符：**|**，可以理解成为“或”。
举个例子：匹配一个号码是否是身份证号？

身份证号码规则为：长度为15位或者18位。如果为15位则应该全都是数字。如果是18位，则前17位是数字，最后一位是数字或者X或者x。

正则表达式如下：

(^\d{15}$)|(^\d{17})(\d|X|x)$

(^\d{15}$)就表示十五位数字。 (^\d{17})(\d|X|x)$就表示前面开头17位是数字，最后一位是数字或者X或者x。

转义字符串

例如，我们需要匹配类似127.0.0.1这种类型的字符串的时候，.在前文中提到是表示除了换行符意外的任意字符，所以表示.需要用转义字符串。

[1-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}

在Python中使用正则表达式语法

模式字符串

在Python中使用正则表达式的时候，是将其作为模式字符串使用的。
比如：匹配任意非字母字符
正则表达式如下：

[^a-zA-Z]

在Python中需要写成：

'[^a-zA-Z]'

也就是需要开头和结尾都加`'`，也就是**定界符**<br />如果遇到特殊符号需要进行**转义**<br />例如：匹配以m为开头的单词

\bm\w*\b

在Python需要写成：

'\\bm\\w*\\b'

这样就比较麻烦，所以我们一般都直接在前面加一个`r`或者`R`即可。

r'\bm\w*\b'

表达式修饰符

使用re模块实现正则表达式操作

字符串匹配

re.match()

语法：

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

参数说明：

`macth()`方法是从**字符串的开头开始匹配**，如果在该字符串匹配到了，则返回一个匹配的对象，如果没有则返回`None`。

注意这里：如果开头的字符串不符合匹配条件，则不会往下进行匹配。

举个例子：

# 注意这里需要导入re
import re
print(re.match('w\d+', 'www.runoob.com'))  
print(re.match('w\w*', 'www.runoob.com'))        
print(re.match('com', 'www.runoob.com')) 
# 这里com虽然在结尾有，但是开头就已经不符合匹配规则了，所以匹配不到。

看一下代码的运行结果

可以看到这里有个span，表示的是匹配到字符串开头到结尾索引的位置。

import re
print(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配
print(re.match('com', 'www.runoob.com'))         # 不在起始位置匹配
# 运行结果为
# (0, 3)
# None

同时可以使用`group()`方法来获取匹配到的对象。<br />这里再举一个例子：

#!/usr/bin/python
import re
line = "Cats are smarter than dogs"
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!!"

执行结果如下：

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

这里的`.group()`返回的就是匹配到的字符串。<br />后面两个是`(.*)`和`(.*?)`中匹配到的字符串，也就是括号中的字符串。

re.search()

语法：

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

参数说明同上。
research方法和match方法的区别在于：

• research方法是匹配整个字符串的，直到找到一个匹配的。
• match方法是从头开始匹配，如果开头不符合就返回None。

举例对比一下：

import re
print(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配
print(re.match('com', 'www.runoob.com'))         # 不在起始位置匹配
# 运行结果为
# (0, 3)
# None

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
import re
print(re.search('www', 'www.runoob.com').span())  # 在起始位置匹配
print(re.search('com', 'www.runoob.com').span())  # 不在起始位置匹配
# 执行结果为
# (0, 3)
# (11, 14)

re.findall()

语法：

re.findall(pattern , string , pos,endpos)

参数说明：

• string : 待匹配的字符串。
• pattern ：正则表达式。
• pos : 可选参数，指定字符串的起始位置，默认为 0。
• endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

举个例子：

# -*- coding:UTF8 -*-
import re
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
# ['123', '456']
# ['88', '12']

字符串替换

re.sub()

语法：

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

参数说明：

• 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。

举个例子：

import re
phone = "2004-959-559 # 这是一个国外电话号码"
# 删除字符串中的 Python注释 
num = re.sub(r'#.*$', "", phone)
print ("电话号码是: ", num)
# 删除非数字(-)的字符串 
num = re.sub(r'-', "", num)
print ("电话号码是 : ", num)
# 电话号码是:  2004-959-559 
# 电话号码是 :  2004959559

上面的还可以写成

import re
phone = "2004-959-559 # 这是一个国外电话号码"
# 删除字符串中的 Python注释 
num = re.sub(r'#.*$', "", phone)
print ("电话号码是: ", num)
# 删除非数字(-)的字符串 
num = re.sub(r'\D', "", phone)
print ("电话号码是 : ", num)
# 电话号码是:  2004-959-559 
# 电话号码是 :  2004959559

如果是需要传入函数的话：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import re
# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

这里的?P表示命名，\d+表示一个或者多个数字组成的数，例如这里的23``4``567，<value>就是把后面的数字命名为value，(?P<value>\d+)用括号包裹表示在group中，所以只需要用value就可以从group中获得匹配到的数字。

re.compile()

compile()函数主要用于编译正则表达式，生成一个正则表达式对象。
语法：

re.compile(pattern[, flags])

参数：

• pattern : 一个字符串形式的正则表达式
• flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

用法很简单：

import re
pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)   
# re.I 表示忽略大小写
# 注意中间存在一个空格
m = pattern.match('Hello World Wide Web')
print (m)                               # 匹配成功，返回一个 Match 对象
# <re.Match object; span=(0, 11), match='Hello World'>

字符串分割

re.spilt()

语法：

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

参数说明：

同样比较简单，举个例子就懂了

import re
print(re.split(',', 'runoob,runoob,runoob.'))
print(re.split('a*', 'hello world'))  
# ['runoob', 'runoob', 'runoob.']
# ['', 'h', 'e', 'l', 'l', 'o', ' ', 'w', 'o', 'r', 'l', 'd', '']

注意第二个返回结果的开头和结尾。