主要由re模块来完成。

re.match

  1. matchobj = re.match(pattern, string, flags=0)
  2. #    pattern匹配从string开头到某个位置的字符串，匹配不到返回None，否则返回一个匹配结果re.MatchObject对象。
  3. #    匹配结果中包含全部捕获（Lua中的捕获，正则表达式中()匹配的对象）。
  4. #        pattern:    匹配的正则表达式
  5. #        string :    要匹配的字符串
  6. #        flags  :    标志位，见下面可选标志flags
  1. #########################例子
  2. import re
  4. line = "Cats are smarter than dogs"
  5. matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)
  7. if matchObj:
  8.     print(matchObj.span())            #(0,26)，正则表达式匹配到的范围，左闭合区间。
  9.     print(matchObj.group())            #Cats are smarter than dogs
  10.     print(matchObj.group(1))        #Cats
  11.     print(matchObj.group(2))        #smarter
  12.     print(matchObj.groups())        #('Cats', 'smarter')
  13.     print(matchObj.group(0, 1, 2))    #('Cats are smarter than dogs', 'Cats', 'smarter')
  14. else:
  15.     print("No match!!")

re.search

  1. matchobj = re.search(pattern, string, flags=0)
  2. #    扫描整个字符串并返回第一个成功的匹配re.MatchObject对象，否则返回None
  3. #        pattern:    匹配的正则表达式
  4. #        string :    要匹配的字符串。
  5. #        flags  :    标志位，见下面可选标志flags
  1. #########################例子
  2. import re
  4. line = "Cats are smarter than dogs"
  5. matchObj = re.search(r'(.*) are (.*?) .*', line, re.M | re.I)
  7. if matchObj:
  8.     print(matchObj.span())            #(0,26)，正则表达式匹配到的范围，左闭合区间。
  9.     print(matchObj.group())            #Cats are smarter than dogs
  10.     print(matchObj.group(1))        #Cats
  11.     print(matchObj.group(2))        #smarter
  12.     print(matchObj.groups())        #('Cats', 'smarter')
  13.     print(matchObj.group(0, 1, 2))    #('Cats are smarter than dogs', 'Cats', 'smarter')
  14. else:
  15.     print("No match!!")

re.sub

  1. string = re.sub(pattern, repl, string, count=0, flags=0)
  2. #    用于替换字符串中的匹配项。
  3. #        pattern : 正则表达式字串。
  4. #        repl    : 替换的字符串，也可为一个函数，为函数时，形式如下；
  5. #                    func( matched ):    #matched为匹配结果，re.Match对象，结构同上。
  6. #                        ......
  7. #                        return newStr
  8. #        string  : 要被查找替换的原始字符串。
  9. #        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。
  10. #        flags   : 标志位，见下面可选标志flags
  1. import re
  3. phone = "2004-959-559 # 这是一个国外电话号码"
  5. # 删除字符串中的 Python注释  
  6. num = re.sub(r'#.*$', "", phone)
  7. print num        #输出：2004-959-559
  9. # 删除非数字(-)的字符串  
  10. num = re.sub(r'\D', "", phone)
  11. print num        #2004959559

re.compile

  1. regexObject = re.compile(pattern[, flags])
  2. #    编译正则表达式的字符串，生成正则表达式（RegexObject）对象，供match，search，sub使用。
  3. #        pattern:    正则表达式的字符串
  4. #        flags  :     可选，见下面可选标志flags

findall

  1. lst = findall(string[, pos[, endpos]])
  2. #    在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，
  3. #    如果没有找到匹配的，则返回空列表。
  4. #        string : 待匹配的字符串。
  5. #        pos    : 可选参数，指定字符串的起始位置，默认为 0。
  6. #        endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。
  1. import re
  3. pattern = re.compile(r'\d+')   # 查找数字
  4. result1 = pattern.findall('runoob 123 google 456')
  5. result2 = pattern.findall('run88oob123google456', 0, 10)
  7. print(result1)        #输出['123', '456']
  8. print(result2)        #输出['88', '12']

re.finditer

  1. iter = re.finditer(pattern, string, flags=0)
  2. #    和findall类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
  3. #    迭代器中的元素为Match对象
  4. #        pattern:    匹配的正则表达式
  5. #        string :    要匹配的字符串。
  6. #        flags  :    标志位，见下面可选标志flags
  8. import re
  10. it = re.finditer(r"\d+","12a32bc43jf3") 
  11. for match in it: 
  12.     print (match.group() )
  14. #输出
  15. #12 
  16. #32 
  17. #43 
  18. #3

re.split

  1. lst = re.split(pattern, string[, maxsplit=0, flags=0])
  2. #    按照能够匹配的子串将字符串分割，返回列表
  3. #    没有匹配到，不做分割，输出源字符串
  4. #        pattern:    匹配的正则表达式
  5. #        string:        要匹配的字符串。
  6. #        maxsplit:    分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
  7. #        flags:        标志位，见下面可选标志flags
  9. >>>import re
  10. >>> re.split('\W+', 'runoob, runoob, runoob.')
  11. ['runoob', 'runoob', 'runoob', '']
  12. >>> re.split('(\W+)', ' runoob, runoob, runoob.') 
  13. ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
  14. >>> re.split('\W+', ' runoob, runoob, runoob.', 1) 
  15. ['', 'runoob, runoob, runoob.']
  17. >>> re.split('a*', 'hello world')   # 对于一个找不到匹配的字符串而言，split 不会对其作出分割
  18. ['hello world']

匹配结果：re.MatchObject

  1. matchobj.group(num=0)
  2. #    返回被RE匹配的字符串，num表示第num个捕获，num=0是整个字符串。
  3. #    可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
  4. #        matchobj想象的数据结构如下：
  5. #        matchobj = {
  6. #            0     = "整个字符串",
  7. #            1     = 捕获1,
  8. #            ......
  9. #            num = 捕获num
  10. #        }
  12. matchobj.groups()
  13. #    返回1~num所有捕获的元组
  15. matchobj.start()
  16. #    返回匹配开始的位置
  18. matchobj.end()
  19. #    返回匹配结束的位置
  21. matchobj.span()
  22. #    返回一个元组，包含匹配 (开始,结束) 的位置

修饰符：可选标志flags

  • 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
    • 做本地化识别（locale-aware）匹配
  • re.M
    • 多行匹配，影响 ^ 和 $
  • re.S
    • 使 . 匹配包括\n在内的所有字符
  • re.U
    • 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
  • e.X
    • 为了增加可读性，忽略空格和 # 后面的注释
    • 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

      正则表达式语法

      字母和数字表示他们自身。
      +字母数组，多数有特殊含义
      标点符号都有特殊含义，加反斜杠\可以匹配自身，\?匹配?号
      最好用r”?.*\t”的原始字符串形式。r’\t’等价于’\t’
模式 描述
^ 匹配字符串的开头
$ 匹配字符串的末尾。
. 匹配任意字符，除了换行符，当re.S被标记时，则包括换行
[…] 用来表示一组字符,单独列出：[amk] 匹配 ‘a’，’m’或’k’
[^…] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0个或多个的表达式。
re+ 匹配1个或多个的表达式。
re? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n} 精确匹配 n 个前面表达式。例如， o{2} 不能匹配 “Bob” 中的 “o”，但是能匹配 “food” 中的两个 o。
re{ n,} 匹配 n 个前面表达式。例如， o{2,} 不能匹配”Bob”中的”o”，但能匹配 “foooood”中的所有 o。”o{1,}” 等价于 “o+”。”o{0,}” 则等价于 “o*”。
re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b 匹配a或b
(re) 对正则表达式分组并记住匹配的文本
(?imx) 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re) 类似 (…), 但是不表示一个组
(?imx: re) 在括号中使用i, m, 或 x 可选标志
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志
(?#…) 注释.
(?= re) 前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re) 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re) 匹配的独立模式，省去回溯。
\w 匹配字母数字及下划线
\W 匹配非字母数字及下划线
\s 匹配任意空白字符，等价于 [ \t\n\r\f]。
\S 匹配任意非空字符
\d 匹配任意数字，等价于 [0-9].
\D 匹配任意非数字
\A 匹配字符串开始
\Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z 匹配字符串结束
\G 匹配最后匹配完成的位置。
\b 匹配一个单词边界，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’。
\n, \t, 等. 匹配一个换行符。匹配一个制表符。等
\1…\9 匹配第n个分组的内容。
\10 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。 
  1. python        匹配 "python".
  3. [Pp]ython    匹配 "Python" 或 "python"
  4. rub[ye]        匹配 "ruby" 或 "rube"
  5. [aeiou]        匹配中括号内的任意一个字母
  6. [0-9]        匹配任何数字。类似于 [0123456789]
  7. [a-z]        匹配任何小写字母
  8. [A-Z]        匹配任何大写字母
  9. [a-zA-Z0-9]    匹配任何字母及数字
  10. [^aeiou]    除了aeiou字母以外的所有字符
  11. [^0-9]        匹配除了数字外的字符
  13. .        匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
  14. \d        匹配一个数字字符。等价于 [0-9]。
  15. \D        匹配一个非数字字符。等价于 [^0-9]。
  16. \s        匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
  17. \S        匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
  18. \w        匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
  19. \W        匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。