Python中的Re库简要总结
⼀、正则表达式
正则表达式（regular expression）(regex)(RE)，⽤来简洁表达⼀组字符的表达式，由字符和操作符构成。通⽤的字符串表达框架
简洁表达⼀组字符串的表达式
针对字符串表达“简洁”和“特征”思想的⼯具
判断某字符串的特征归属
正则表达式常⽤于⽂本处理
正则匹配空字符串
表达⽂本类型的特征（病毒、⼊侵等）
同时查或替换⼀组字符串
匹配字符串的全部或部分
正则表达式的使⽤
编译：将符合正则表达式语法的字符串转换为正则表达式特征
正则表达式的常⽤操作符
操作符说明实例
.表⽰任何单个字符（默认除换⾏符）
[]字符集，对单个字符给出取值范围[abc]表⽰a、b、c，[a-z]表⽰a到z的单个字符[^]⾮字符集，对单个字符给出排除范围[^abc]表⽰⾮a或⾮b或⾮c的单个字符
*前⼀个字符0次或⽆限次扩展abc*表⽰ab、abc、abcc、abccc等
+前⼀个字符1次或⽆限次扩展abc+表⽰abc、abcc、abccc等
?前⼀个字符0次或1次扩展abc*表⽰ab、abc
|左右表达式任意⼀个abc|def表⽰abc、def
{m}扩展前⼀个字符m次ab{2}c表⽰abbc
{m,n}扩展前⼀个字符m⾄n次（含n）ab{1,2}c表⽰abc,abbc
^匹配字符串开头abc且在⼀个字符串的开头
$匹配字符串结尾abc且在⼀个字符串的结尾
()分组标记，内部只能使⽤|操作符(abc)表⽰abc,(abc|def)表⽰abc、def
\d数字，等价于[0-9]
\w单词字符，等价于[A-Za-z0-9_]
语法实例
正则表达式对应字符串
P(Y|YT|YTH|YTHO)?N‘PN’、’PYN’、’PYTN’、’PYTHN’、’PYTHON’
PYTHON+‘PYTHON’、’PYTHONN’、’PYTHONNN’……
PY[TH]ON‘PYTON’、’PYHON’
PY[^TH]?ON‘PYON’、’PYaON’、’PYbON’、’PYcON’……
PY{:3}ON‘PN’、’PYN’、’PYYN’、’PYYYN’
经典实例
正则表达式意义
^[A-Za-z]+$由26个字母组成的字符串
^[A-Za-z0-9]+$由26个字母和数字组成的字符串
^-?\d+$整数形式的字符串
^ [1-9]*[0-9]*$正整数形式的字符串
[1-9]\d{5}中国境内，6位
[\u4e00-\u9fa5]匹配中⽂字符
\d{3}-\d{8}|\d{4}-\d{7}国内电话号码 3位-8位或4位-7位
⼆、Re库
Re库是Python的标准库，主要⽤于字符串匹配，调⽤⽅法“import re”
1、正则表达式的类型
Re库采⽤raw string(原⽣字符串类型)表达正则表达式，表⽰为r'text'，raw string是不包含转义符的字符串如 r'[1-9]\d{5}'、r'\d{3}-\d{8}|\d{4}-\d{7}'
string类型更繁琐，需要对⼀些特殊符号进⾏转义
如 '[1-9]\\d{5}'、'\\d{3}-\\d{8}|\\d{4}-\\d{7}'
2、Re库的主要功能函数
函数说明
re.search()从⼀个字符串中搜索匹配正则表达式的第⼀个位置，返回match对象
re.match()从⼀个字符串的开始位置起匹配正则表达式，返回match对象
re.findall()搜索字符串，以列表类型返回全部能匹配的⼦串
re.split()将⼀个字符串按照正则表达式匹配结果进⾏分割，返回列表类型
re.finditer()搜索字符串，返回⼀个匹配结果的迭代类型，每个迭代元素是match对象
re.sub()在⼀个字符串中替换所有匹配正则表达式的⼦串，返回替换后的字符串
（1）re.search()函数
re.search(pattern,string,flags = 0)
在⼀个字符串中搜索匹配正则表达式的第⼀个位置，返回match对象
pattern：正则表达式的字符串或原⽣字符串表⽰
string：待匹配字符串
flags：正则表达式使⽤时的控制标记
1import re
2 match = re.search(r'[1-9]\d{5}','BIT 100081')
3if match:
up(0))
5 100081
常⽤标记说明
re.I  re.IGNORECASE忽略正则表达式的⼤⼩写，[A-Z]能够匹配⼩写字符
re.M  re.MULTILINE正则表达式中^操作符能够将给定字符串的每⾏当做匹配开始
re.S      re.DOTALL正则表达式中的.操作符能够匹配所有字符，默认匹配除换⾏外的所有字符
（2）re.match()函数
re.match(pattern,string,flags = 0)
从⼀个字符串的开始位置起匹配正则表达式，返回match对象
pattern：正则表达式的字符串或原⽣字符串表⽰
string：待匹配字符串
flags：正则表达式使⽤时的控制标记
1import re
2 match = re.match(r'[1-9]\d{5}','BIT 100081')
3if match:
4        up(0))
5
up(0)
7 Traceback (most recent call last):
8  File "<input>", line 1, in <module>
9 AttributeError: 'NoneType' object has no attribute 'group'
由以上代码可看出，匹配不出以'BIT'开头的字符串，调⽤up(0)返回为空
1import re
2 match = re.match(r'[1-9]\d{5}','100081 BIT')
3if match:
up(0))
5 100081
（3）re.findall()函数
re.findall(pattern,string,flags = 0)
搜索字符串，以列表类型返回全部能匹配的⼦串
pattern：正则表达式的字符串或原⽣字符串表⽰
string：待匹配字符串
flags：正则表达式使⽤时的控制标记
1import re
2 ls = re.findall(r'[1-9]\d{5}','BIT100081 TSU100084')
3 ls
4 ['100081', '100084']
（4）re.split()函数
re.split(pattern,string,maxsplit = 0,flags = 0)
将⼀个字符串按照正则表达式匹配结果进⾏分割，返回列表类型
pattern：正则表达式的字符串或原⽣字符串表⽰
string：待匹配字符串
maxsplit：最⼤分割数，剩余部分作为最后⼀个元素输出
flags：正则表达式使⽤时的控制标记
1import re
2 re.split(r'[1-9]\d{5}','BIT100081 TSU100084')
3 ['BIT', ' TSU', ''] #将匹配的字符串去掉，剩余分割部分放⼊⼀个列表
4 re.split(r'[1-9]\d{5}','BIT100081 TSU100084',maxsplit = 1)
5 ['BIT', ' TSU100084'] #将匹配的第⼀个字符串去掉，剩余分割部分放⼊⼀个列表（匹配的第⼀个字符串后的所有部分作为⼀个整体）（5）re.finditer()函数
re.finditer(pattern,string,flags = 0)
搜索字符串，返回⼀个匹配结果的迭代类型，每个迭代元素是match对象
pattern：正则表达式的字符串或原⽣字符串表⽰
string：待匹配字符串
flags：正则表达式使⽤时的控制标记
1import re
2for m in re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084'):
3if m:
up(0))
5 100081
6 100084
（6）re.sup()函数
re.sup(pattern,repl,string,count = 0,flags = 0)
在⼀个字符串中替换所有匹配正则表达式的⼦串，返回替换后的字符串
pattern：正则表达式的字符串或原⽣字符串表⽰
repl：替换匹配字符串的字符串
string：待匹配字符串
count：匹配的最⼤替换次数
flags：正则表达式使⽤时的控制标记
1import re
2 re.sub(r'[1-9]\d{5}','zipcode','BIT100081 TSU100084')
3'BITzipcode TSUzipcode'
3、Re库的⽤法
（1）函数式⽤法：⼀次性操作
1 rst = re.search(r’[1-9]\d{5}’,’BIT 100081’)
（2）⾯向对象⽤法：编译后的多次操作
1 pat = repile(r’[1-9]\d{5}’)
2 rst = pat.search(‘BIT 100081’)
（3）repile()函数
regex = repile(pattern,flags = 0)
将正则表达式的字符串形式编译成正则表达式对象
pattern：正则表达式的字符串或原⽣字符串表⽰
flags：正则表达式使⽤时的控制标记
经过repile()⽅法后,regex被编译为正则表达式对象，可以使⽤对象⽅法，
即regex.search()、regex.match()、regex.findall()、regex.split()、regex.finditer()、regex.sub() 1import re
2 regex = repile(r'[1-9]\d{5}')
3 regex.search('100081')
4 <re.Match object; span=(0, 6), match='100081'>
5 regex.search('100081').group(0)
6'100081'
4、Match对象
（1）Match的属性
属性说明
.string待匹配的⽂本
.re匹配时使⽤的pattern对象（正则表达式）
.pos正则表达式搜索⽂本的开始位置
.endpos正则表达式搜索⽂本的结束位置
1import re
2 m = re.search(r'[1-9]\d{5}','BIT100081 TSU100084')
3 m.string #待匹配的字符串
4'BIT100081 TSU100084'
#匹配时使⽤的正则表达式
6 repile('[1-9]\\d{5}')
7 m.pos #正则表达式搜索⽂本的开始位置
8 0
dpos #正则表达式搜索⽂本的结束位置
10 19
（2）Match的⽅法
⽅法说明
.group(0)获得匹配后的字符串
.start()匹配字符串在原始字符串的开始位置
.
end()匹配字符串在原始字符串的结束位置
.span()返回(.start(),.end())
1import re
2 m = re.search(r'[1-9]\d{5}','BIT100081 TSU100084')
up(0) #获得匹配后的字符串
4'100081'#返回第⼀次匹配的结果
5 m.start() #匹配字符串在原始字符串的开始位置
6 3
d() #匹配字符串在原始字符串的结束位置
8 9
9 m.span() #返回(.start(),.end())
10 (3, 9)
5、贪婪匹配和最⼩匹配
（1）贪婪匹配
贪婪匹配即匹配最长的⼦串，Re库默认采⽤贪婪匹配
1import re
2 match = re.search(r'PY.*N','PYANBNCNDN')
up(0)
4'PYANBNCNDN'
（2）最⼩匹配
最⼩匹配即匹配最短的⼦串
操作符说明
*?前⼀个字符0次或⽆限次扩展，最⼩匹配
+?前⼀个字符1次或⽆限次扩展，最⼩匹配
??前⼀个字符0次或1次扩展，最⼩匹配
{m,n}?扩展前⼀个字符m⾄n次（含n），最⼩匹配
1import re
2 match = re.search(r'PY.*?N','PYANBNCNDN') #最⼩匹配
up(0)
4'PYAN'
资料来源：《Python⽹络爬⾍与信息提取》——嵩天，北京理⼯⼤学，MOOC

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。