正则表达式语法

在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式 (regular expression) 就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

基础语法

• [ . . . ] 匹配 [ . . . ] 中的一串字符
• [A-Z] , [a-z] , [0-9] 匹配所有对应的大写字母，小写字母，数字
• (?#....) 添加注释
• 转义字符匹配字符本身加 \

元字符(metacharacter)

字符	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符(空格,制表,换行)
\d	匹配数字
\b	匹配单词的开始或结束
\n	换行符
^	匹配字符串的开始和多行模式下的行首
$	匹配字符串的结束和多行模式下的行未
\A	只匹配字符串开始
\Z	只匹配字符串尾
反义:
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^xy]	匹配除了 x,y 以外的任意字符

以上元字符可以对某一类型(种类)的字符进行匹配, 例如 \bhello\b式可以匹配一个单词 hello

0532-\d\d\d\d\d\d\d\d 可以匹配一个以 0532 开头的十二位电话号码

限定符

限定符可以用于对某一规则匹配多次

有两个新概念

• 贪婪: (在使整个表达式能得到匹配的前提下)匹配尽可能多的字符
• 懒惰: 在能使整个匹配成功的前提下使用最少的重复

贪婪限定符

字符	描述
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复 n 次
{n,}	重复 n 次或更多次
{n,m}	重复 n 到 m 次

懒惰限定符

字符	描述
\*?	重复任意次，但尽可能少重复
+?	重复 1 次或更多次，但尽可能少重复
??	重复 0 次或 1 次，但尽可能少重复
{n,m}?	重复 n 到 m 次，但尽可能少重复
{n,}?	重复 n 次以上，但尽可能少重复

例如前面的匹配以 0532 开头的 12 位电话号可以写为0532-\d{8}

分支与分组

分支

| 分隔不同的规则,满足其中任意一种规则即匹配(具有短路性)

分组

() 指定子表达式 对一个字串进行操作

例如匹配 IP 地址

((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

零宽断言

• (?=exp)

零宽度正预测先行断言,它断言自身位置的后面能匹配表达式

• (?<=exp)

零宽度正回顾后发断言,它断言自身位置的前面能匹配表达式

• (?!exp)

零宽度负预测先行断言，断言此位置的后面不能匹配表达式

• (?<!exp)

零宽度负回顾后发断言,断言此位置的前面不能匹配表达式

参考资料

正则表达式 30 分钟入门教程 (opens new window)

菜鸟教程-正则表达式 (opens new window)

python 与正则表达式

python re 模块 (opens new window) 使 Python (编辑文章时 python 版本为 3.9.1) 语言拥有全部的正则表达式功能.

常用基础函数和方法

通用参数说明

参数	说明
pattern	正则表达式(模式串)
string	要匹配的字符串
flags	标志位
pos	开始搜索的位置
endpos	结束搜索的位置
flag	标志位

标志位(flag)

• re.I 不区分大小写
• re.M 多行匹配 ^ 匹配字符串的开始，和每一行的开始.样式字符 $ 匹配字符串尾，和每一行的结尾
• re.X 编写更具可读性的正则表达式 正则表达式可以分段和添加注释。空白符号会被忽略

单个查找

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

匹配整个字符串找到匹配样式的第一个位置，返回匹配对象或 None

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

匹配字符串的开始位置找到匹配样式,返回匹配对象或 None

查找和替换

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

re.subn(pattern, repl, string, count=0, flags=0)
#   与sub行为相同，多返回一个元组 (字符串, 替换次数)

• repl : 替换的字符串，也可为一个函数。
• 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

查找多项

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

返回一个不重复的的匹配对象列表，从头到尾的顺序返回

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

将匹配的子串将字符串分割后返回列表

匹配对象

(设匹配对象为 Match)

若未匹配成功，其布尔值为 0

Match.groups(group1,...)

返回一个或者多个匹配的字符串或由匹配字符串构成的元组

Match.groups(default=None)

返回所有匹配构成的元组

Match.start(group)
Match.end(group)

返回第 group 个匹配到的字串的开始和结束位置

Match.span([group])

返回 (m.start(group), m.end(group)) 若未在这个匹配中返回 (-1, -1)

Match.string

传递到 match() 或 search()的字符串。

正则表达式对象

re.compile("pattern" ,flag)

# 编译后的正则表达式，和上述同名函数等价

Pattern.search(string[, pos[, endpos]])

Pattern.match(string[, pos[, endpos]])

Pattern.split(string, maxsplit=0)

Pattern.findall(string[, pos[, endpos]])

Pattern.sub(repl, string, count=0)

# 编译对象的原始样式字符串
Pattern.pattern