正则表达式

语法:

import re #导入模块名
 
p = re.compile("^[0-9]")  #生成要匹配的正则对象 ， ^表明从开头匹配，[0-9]表明匹配0至9的任意一个数字， 因此这里的意思是对来的字符串进行匹配，若是这个字符串的开头第一个字符是数字，就表明匹配上了
 
m = p.match('14534Abc')   #按上面生成的正则对象 去匹配 字符串， 若是能匹配成功，这个m就会有值， 不然m为None<br><br>if m: #不为空表明匹配上了
print(m.group())　　　　#m.group()返回匹配上的结果，此处为1，由于匹配上的是1这个字符<br>else:<br>　　print("doesn't match.")<br>

＊＊＊结果是none的时候不能用group（），报错。。。。

上面的第2 和第3行也能够合并成一行来写：

m = p.match("^[0-9]",'14534Abc')

效果是同样的，区别在于，第一种方式是提早对要匹配的格式进行了编译（对匹配公式进行解析），这样再去匹配的时候就不用在编译匹配的格式，第2种简写是每次匹配的时候 都 要进行一次匹配公式的编译，因此，若是你须要从一个5w行的文件中匹配出全部以数字开头的行，建议先把正则公式进行编译再匹配，这样速度会快点。

图解：

ip_adds = '192.168.1.2213'     ＃字符
m = re.match('([0-9]{1,3}\.){3}\d{1,3}',ip_adds)
print(m.group())

 

匹配格式:

元字符	描述
\	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\\n”匹配\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即至关于多种编程语言中都有的“转义字符”的概念。
^	匹配输入字符串的开始位置。若是设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”以后的位置。
$	匹配输入字符串的结束位置。若是设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”以前的位置。
*	匹配前面的子表达式任意次。例如，zo*能匹配“z”，“zo”以及“zoo”，可是不匹配“bo”。*等价于{0,}。
+	匹配前面的子表达式一次或屡次(大于等于1次）。例如，“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。例如，“do(es)?”能够匹配“do”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配肯定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，可是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的全部o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	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。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其余限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽量少的匹配所搜索的字符串，而默认的贪婪模式则尽量多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配全部“o”。
.点	匹配除“\r\n”以外的任何单个字符。要匹配包括“\r\n”在内的任何字符，请使用像“[\s\S]”的模式。
(pattern)	匹配pattern并获取这一匹配。所获取的匹配能够从产生的Matches集合获得，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。
(?:pattern)	非获取匹配，匹配pattern但不获取匹配结果，不进行存储供之后使用。这在使用或字符“(|)”来组合一个模式的各个部分是颇有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	非获取匹配，正向确定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不须要获取供之后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配以后当即开始下一次匹配的搜索，而不是从包含预查的字符以后开始。
(?!pattern)	非获取匹配，正向否认预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不须要获取供之后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	非获取匹配，反向确定预查，与正向确定预查相似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)	非获取匹配，反向否认预查，与正向否认预查相似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(z|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”能够匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”能够匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”能够匹配“a”到“z”范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,而且出如今两个字符之间时,才能表示字符的范围; 若是出字符组的开头,则只能表示连字符自己.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”能够匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”能够匹配“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”。
\cx	匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。不然，将c视为一个原义的“c”字符。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何可见字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。相似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为肯定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可使用ASCII编码。
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。若是\n以前至少n个获取的子表达式，则n为向后引用。不然，若是n为八进制数字（0-7），则n为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。若是\nm以前至少有nm个得到子表达式，则nm为向后引用。若是\nm以前至少有n个获取，则n为一个后跟文字m的向后引用。若是前面的条件都不知足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
\nml	若是n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（&copy;）。
< >	匹配词（word）的开始（<）和结束（>）。例如正则表达式<the>可以匹配字符串"for the wise"中的"the"，可是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是全部的软件都支持的。
( )	将( 和 ) 之间的表达式定义为“组”（group），而且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多能够保存9个），它们能够用 \1 到\9 的符号来引用。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，可是不能匹配"it belongs to them."。注意：这个元字符不是全部的软件都支持的。
+	匹配1或多个正好在它以前的那个字符。例如正则表达式9+匹配九、9九、999等。注意：这个元字符不是全部的软件都支持的。
?	匹配0或1个正好在它以前的那个字符。注意：这个元字符不是全部的软件都支持的。
{i} {i,j}	匹配指定数目的字符，这些字符是在它以前的表达式定义的。例如正则表达式A[0-9]{3} 可以匹配字符"A"后面跟着正好3个数字字符的串，例如A12三、A348等，可是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字

　　

正则表达式经常使用5种操做

re.match(pattern, string)　　　　 # 从头匹配

re.search(pattern, string)　　　　# 匹配整个字符串，直到找到一个匹配

re.split()　　　　　　　　　　　　# 将匹配到的格式当作分割点对字符串分割成列表

m = re.split("[0-9]", "alex1rain2jack3helen rachel8")
print(m)

输出：　['alex', 'rain', 'jack', 'helen rachel', '']

re.findall()　　　　　　　　　　# 找到全部要匹配的字符并返回列表格式

m = re.findall("[0-9]", "alex1rain2jack3helen rachel8")
print(m)<br>

输出：['1', '2', '3', '8']

re.sub(pattern, repl, string, count,flag) 　　　# 替换匹配到的字符

m=re.sub("[0-9]","|", "alex1rain2jack3helen rachel8",count=2 )
print(m)

输出：alex|rain|jack3helen rachel8

 

 

正则表达式实例

字符匹配

实例	描述
python	匹配 "python".

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。相似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母之外的全部字符
[^0-9]	匹配除了数字外的字符

特殊字符类

实例	描述
.	匹配除 "\n" 以外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\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]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。

 

 

re.match与re.search的区别

re.match只匹配字符串的开始，若是字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

Regular Expression Modifiers: Option Flags

Regular expression literals may include an optional modifier to control various aspects of matching. The modifiers are specified as an optional flag. You can provide multiple modifiers using exclusive OR (|), as shown previously and may be represented by one of these −

Modifier	Description
re.I	Performs case-insensitive matching.          ＃对大小写不敏感 例子： >>>string = "KOBE" >>>m=re.match('[a-z]',string,flags=re.I)  #关键词flags，不能用其它变量名 >>>print(m.group())
re.L	Interprets words according to the current locale. This interpretation affects the alphabetic group (\w and \W), as well as word boundary behavior (\b and \B).
re.M	Makes $ match the end of a line (not just the end of the string) and makes ^ match the start of any line (not just the start of the string).
re.S	Makes a period (dot) match any character, including a newline.
re.U	Interprets letters according to the Unicode character set. This flag affects the behavior of \w, \W, \b, \B.
re.X	Permits "cuter" regular expression syntax. It ignores whitespace (except inside a set [] or when escaped by a backslash) and treats unescaped # as a comment marker.

 

几个常见正则例子：

匹配手机号：

phone_str = "hey my name is alex, and my phone number is 13651054607, please call me if you are pretty!"
phone_str2 = "hey my name is alex, and my phone number is 18651054604, please call me if you are pretty!"
 
m = re.search("(1)([358]\d{9})",phone_str2)
if m:
    print(m.group())

匹配IP V4：

ip_addr = "inet 192.168.60.223 netmask 0xffffff00 broadcast 192.168.60.255"
 
m = re.search("\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}", ip_addr)
 
print(m.group())

分组匹配地址：

contactInfo = 'Oldboy School, Beijing Changping Shahe: 010-8343245'
match = re.search(r'(\w+), (\w+): (\S+)', contactInfo) #分组
"""
>>> match.group(1)
  'Doe'
  >>> match.group(2)
  'John'
  >>> match.group(3)
  '555-1212'
"""
match = re.search(r'(?P<last>\w+), (?P<first>\w+): (?P<phone>\S+)', contactInfo)
"""
 >>> match.group('last')
  'Doe'
  >>> match.group('first')
  'John'
  >>> match.group('phone')
  '555-1212'
"""

匹配email：

email = "alex.li@126.com   http://www.oldboyedu.com"
 
m = re.search(r"[0-9.a-z]{0,26}@[0-9.a-z]{0,20}.[0-9a-z]{0,8}", email)
print(m.group())