正则表达式(regular expression)主要功能是从字符串(string)中通过特定的模式(pattern)，搜索想要找到的内容。
在Python中使用正则表达式需要标准库中的一个包re。
正则表达式常用的5种操作
re.match(pattern, string) # 从头开始匹配
m = re.match("[0-9]","756abc6def") #[0-9] 仅匹配一个字符
print(m.group())
#输出 7
m = re.match("[0-9][0-9]","75678abc6def")
print(m.group())
#输出 75
m = re.match("[0-9]{0,10}","75678abc6def") #{0,10}表示匹配0到10次
print(m.group())
#输出 75678
re.findall(pattern, string) # 找到所有要匹配的字符并返回列表格式
m = re.findall("[0-9]{1,10}","7578abc6def78sjdo") #匹配所有的数字
if m:
print(m)
#输出 ['7578', '6', '78']
m = re.findall("[a-zA-Z]{1,10}","7578abAc6def78sjDdo") #匹配所有的字母
if m:
print(m)
#输出 ['abAc', 'def', 'sjDdo']
re.search(pattern, string) # 匹配整个字符串，直到找到一个匹配
m = re.search("d+","abAc65def78sjDdo")
if m:
print(m.group())
#输出 65
re.sub(pattern, repl, string, count,flag) # 替换匹配到的字符
m = re.sub("d+","|","abAc65def78sjDdo") #找到所有的数字，用|替换
if m:
print(m)
#输出 abAc|def|sjDdo
m = re.sub("d+","|","abAc65def78sjDdo",count=1) #替换一次
if m:
print(m)
#输出 abAc|def78sjDdo
m = re.sub("s*","","ab A8s jD do") #找到所有的空格并删除
if m:
print(m)
#输出 abA8sjDdo
re.split(pattern, string) # 将匹配到的格式当做分割点对字符串分割成列表
m = re.split('[0-9]','alex1tony2falsh3rambo')
print(m)
#输出 ['alex', 'tony', 'falsh', 'rambo']
匹配格式
| 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.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。 |
| [...] | 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} | |
| re{ n,} | 精确匹配n个前面表达式。 |
| 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) | G匹配括号内的表达式，也表示一个组 |
| (?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 |
| W | 匹配非字母数字 |
| s | 匹配任意空白字符，等价于 [ 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 |
| 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。c | |
| z | 匹配字符串结束 |
| G | 匹配最后匹配完成的位置。 |
| 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er' 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。'erB' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| , , 等. | 匹配一个换行符。匹配一个制表符。等 |
| 1...9 | 匹配第n个分组的子表达式。 |
| 10 | 匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。 |
几个常见的正则例子
1、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!"
#"(1)([358]d{9})"中,(1)表示第一位是1，[358]表示第二位是3或5或8，d{9}表示剩下的还有9位数字
m = re.search("(1)([358]d{9})",phone_str2)
if m:
print(m.group())
#输出 18651054604
2、匹配IP地址
ip_addr = "inet 192.168.60.223 netmask 0xffffff00 broadcast 192.168.60.255"
#匹配四段1-3位数的数字，不判断合法性
m = re.search("d{1,3}.d{1,3}.d{1,3}.d{1,3}", ip_addr)
print(m.group())
3、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())