程序師世界是廣大編程愛好者互助、分享、學習的平台，程序師世界有你更精彩！
設為首頁 加入收藏
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
您现在的位置： 程式師世界 >> 編程語言 >  >> 更多編程語言 >> Python

史上最易懂的Python正則表達式教程

編輯：Python

本文是速通教程，僅會介紹最基礎的知識。如需了解更多，請參考官方文檔或其他文章。 \textcolor{red}{\text{本文是速通教程，僅會介紹最基礎的知識。如需了解更多，請參考官方文檔或其他文章。}} 本文是速通教程，僅會介紹最基礎的知識。如需了解更多，請參考官方文檔或其他文章。

目錄

  • 前言
  • 一、re.match
    • 1.1 常用特殊字符
    • 1.2 常用特殊序列
    • 1.3 一些例子
      • 1.3.1 十六進制RGB顏色值匹配
      • 1.3.2 1-100之間的所有整數匹配
      • 1.3.3 郵箱格式匹配
      • 1.3.4 IPV4地址匹配
    • 1.4 修飾符
  • 二、其他函數
    • 2.1 re.fullmatch
    • 2.2 re.search
    • 2.3 re.findall
    • 2.4 re.sub
    • 2.5 re.split
  • 三、貪婪匹配與非貪婪匹配
  • 四、推薦網站

前言

什麼是正則表達式？正則表達式（regular expression）是一種特殊的字符串，它能幫助你方便的檢查一個字符串是否與給定的模式匹配。Python 中的 re 模塊提供了正則表達式的全部功能，在接下來的幾章，我們將詳細介紹 re 中最為常用的功能。

import re

一、re.match

re.match 嘗試從字符串的起始位置匹配一個模式，如果匹配成功，則會返回一個 re.Match 對象；如果匹配失敗，則返回 None。具體格式如下：

re.match(pattern, string, flags=0)
  • pattern：正則表達式；
  • string：要匹配的字符串；
  • flags：修飾符，用於控制匹配模式。

正則表達式既可以包含普通字符也可以包含特殊字符。如果僅包含普通字符，那就是匹配某個特定的字符串：

""" 嘗試從字符串 abcde 的起始位置匹配字符串 abc """
s = re.match('abc', 'abcde')
print(s)
# <re.Match object; span=(0, 3), match='abc'>

字符串 abc 在字符串 abcde 中的起始位置和終止位置分別為 0 和 2，根據左閉右開原則，span 為 (0, 3)。

如果要獲得匹配的結果，則可使用 group 方法：

print(s.group())
# abc

注意，以下這樣的匹配會失敗，因為 match 是從字符串的起始位置進行匹配的：

s = re.match('bcd', 'abcde')
print(s)
# None

1.1 常用特殊字符

常用特殊字符（special characters）列在下表中：

特殊字符作用.匹配除了換行符 \n 以外的任意單個字符^匹配起始位置$匹配終止位置（換行符之前）*表示 * 前的一個字符可以出現 0 次或任意多次+表示 + 前的一個字符可以出現 1 次或任意多次?表示 ? 前的一個字符可以出現 0 次或 1 次{m}表示 {m} 前的一個字符出現 m 次{m,}表示 {m,} 前的一個字符可以出現 m 次及以上{,n}表示 {,n} 前的一個字符最多出現 n 次{m,n}表示 {m,n} 前的一個字符出現 m 次到 n 次[]匹配 [] 中列舉出的字符()匹配 () 內的表達式，表示一個分組|或

為簡便起見，我們定義一個 match 函數用來更為直觀地展示匹配結果：

def match(pattern, list_of_strings):
for string in list_of_strings:
if re.match(pattern, string):
print('匹配成功！結果為:', res.group())
else:
print('匹配失敗！')

.：

match('.', ['a', 'ab', 'abc'])
# 匹配成功！結果為: a
# 匹配成功！結果為: a
# 匹配成功！結果為: a

因為我們是從頭開始匹配單個字符的，所以結果均為 a。

^、$：

match('^ab', ['ab', 'abc', 'adc', 'bac'])
# 匹配成功！結果為: ab
# 匹配成功！結果為: ab
# 匹配失敗！
# 匹配失敗！
match('cd$', ['cd', 'acd', 'adc', 'cdcd'])
# 匹配成功！結果為: cd
# 匹配失敗！
# 匹配失敗！
# 匹配失敗！

看似是匹配以 cd 為結尾的字符串，但實際上別忘了 match 是從字符串的起始位置開始匹配的，因此上述語句實際上就是匹配字符串 cd。

*、+、?：

match('a*', ['aa', 'aba', 'baa', 'aaaa'])
# 匹配成功！結果為: aa
# 匹配成功！結果為: a
# 匹配成功！結果為: 
# 匹配成功！結果為: aaaa
match('a+', ['aa', 'aba', 'baa'])
# 匹配成功！結果為: aa
# 匹配成功！結果為: a
# 匹配失敗！
match('a?', ['aa', 'ab', 'ba'])
# 匹配成功！結果為: a
# 匹配成功！結果為: a
# 匹配成功！結果為:

注意，a* 代表 a 可以出現 0 次或任意多次，因此 baa 去匹配會得到空字符串。

{m}、{m,}、{,n}、{m,n}（注意沒有空格）：

match('a{3}', ['abaa', 'aaab', 'baaa'])
# 匹配失敗！
# 匹配成功！結果為: aaa
# 匹配失敗！
match('a{3,}', ['aaab', 'aaaab', 'baaa'])
# 匹配成功！結果為: aaa
# 匹配成功！結果為: aaaa
# 匹配失敗！
match('a{,3}', ['aaab', 'aaaab', 'baaa'])
# 匹配成功！結果為: aaa
# 匹配成功！結果為: aaa
# 匹配成功！結果為: 
match('a{3,5}', ['a' * i for i in range(2, 7)])
# 匹配失敗！
# 匹配成功！結果為: aaa
# 匹配成功！結果為: aaaa
# 匹配成功！結果為: aaaaa
# 匹配成功！結果為: aaaaa

[]：

match('[123]', [str(i) for i in range(1, 5)])
# 匹配成功！結果為: 1
# 匹配成功！結果為: 2
# 匹配成功！結果為: 3
# 匹配失敗！

注意，我們可以將 [123] 簡寫為 [1-3]，這意味著若要匹配單個數字，則可以采用 [0-9] 這樣的正則表達式：

match('[0-9]', ['a', 'A', '1', '3', '_'])
# 匹配失敗！
# 匹配失敗！
# 匹配成功！結果為: 1
# 匹配成功！結果為: 3
# 匹配失敗！

更進一步，如果我們要想匹配區間 [ 1 , 35 ] [1, 35] [1,35] 內的所有整數，該如何做呢？很自然的一個想法是使用 [1-35]，但仔細觀察下面的例子：

match('[1-35]', ['1', '2', '3', '4'])
# 匹配成功！結果為: 1
# 匹配成功！結果為: 2
# 匹配成功！結果為: 3
# 匹配失敗！

會發現數字 4 4 4 匹配失敗了。這是因為 - 只能連接相鄰的兩個數字，所以 [1-35] 實際上代表數字 1、2、3 和 5。也就是說，除了這四個數字以外的數全部都會匹配失敗。

我們分三種情形考慮：十位數為 3 3 3，十位數為 1 1 1 或 2 2 2，只有個位數（需要使用或運算 |）

pattern = '3[0-5]|[12][0-9]|[1-9]'

該正則表達式的確能夠全部正確匹配 [ 1 , 35 ] [1,35] [1,35] 內的所有整數，但是：

match('3[0-5]|[12][0-9]|[1-9]', ['36', '350'])
# 匹配成功！結果為: 3
# 匹配成功！結果為: 35

我們會發現區間之外的數也能夠匹配成功。因此需要使用 $ 來防止誤判，正確做法是：

pattern = '(3[0-5]|[12][0-9]|[1-9])$'

其中 () 的作用之後會提及（這裡可以粗略地理解成視為一個整體）。

除此之外，我們還可以判斷給定的字符是否是字母，相應的正則表達式為 [a-zA-Z]：

match('[a-zA-Z]', ['-', 'a', '9', 'G', '.'])
# 匹配失敗！
# 匹配成功！結果為: a
# 匹配失敗！
# 匹配成功！結果為: G
# 匹配失敗！

如果我們想要匹配非數字字符，則需要使用 ^，它表示取補集：

match('[^0-9]', ['-', 'a', '3', 'M', '9', '_'])
# 匹配成功！結果為: -
# 匹配成功！結果為: a
# 匹配失敗！
# 匹配成功！結果為: M
# 匹配失敗！
# 匹配成功！結果為: _

()：

""" 匹配多個 ab """
match('(ab)+', ['ac', 'abc', 'abbc', 'abababac', 'adc'])
# 匹配失敗！
# 匹配成功！結果為: ab
# 匹配成功！結果為: ab
# 匹配成功！結果為: ababab
# 匹配失敗！

注意 ab+ 這樣的正則表達式是無效的，它代表只有一個字符 a 和一個及以上的字符 b。因此我們必須用 () 將其括起來視為一個整體，也稱作一個分組。

1.2 常用特殊序列

以 \ 開頭並僅連一個字符的稱為特殊序列（special sequences），常用特殊序列列在下表中：

特殊序列作用\d等價於 [0-9]，即所有數字（巧記：digit）\D等價於 [^\d]，即所有非數字\s空格字符（巧記：space）\S等價於 [^\s]，即所有非空格字符\w等價於 [a-zA-Z0-9_]，即所有單詞字符，包括字母、數字和下劃線（巧記：word）\W等價於 [^\w]，即所有非單詞字符
""" 示例一 """
match('\d', ['1', 'a', '_', '-'])
# 匹配成功！結果為: 1
# 匹配失敗！
# 匹配失敗！
# 匹配失敗！
match('\D', ['1', 'a', '_', '-'])
# 匹配失敗！
# 匹配成功！結果為: a
# 匹配成功！結果為: _
# 匹配成功！結果為: -
""" 示例二 """
match('\s', ['1', 'a', '_', ' '])
# 匹配失敗！
# 匹配失敗！
# 匹配失敗！
# 匹配成功！結果為: 
match('\S', ['1', 'a', '_', ' '])
# 匹配成功！結果為: 1
# 匹配成功！結果為: a
# 匹配成功！結果為: _
# 匹配失敗！
""" 示例三 """
match('\w', ['1', 'a', '_', ' ', ']'])
# 匹配成功！結果為: 1
# 匹配成功！結果為: a
# 匹配成功！結果為: _
# 匹配失敗！
# 匹配失敗！
match('\W', ['1', 'a', '_', ' ', ']'])
# 匹配失敗！
# 匹配失敗！
# 匹配失敗！
# 匹配成功！結果為: 
# 匹配成功！結果為: ]

1.3 一些例子

接下來我們通過一些例子來進一步鞏固之前所學的概念。

1.3.1 十六進制RGB顏色值匹配

十六進制的顏色值的格式通常為 #XXXXXX，其中 X 的取值可以為數字，也可以為 A-F 中的任意字符（假設這裡不考慮小寫情形）。

regex = '#[A-F0-9]{6}$'
colors = ['#00', '#FFFFFF', '#FFAAFF', '#00HH00', '#AABBCC', '#000000', '#FFFFFFFF']
match(regex, colors)
# 匹配失敗！
# 匹配成功！結果為: #FFFFFF
# 匹配成功！結果為: #FFAAFF
# 匹配失敗！
# 匹配成功！結果為: #AABBCC
# 匹配成功！結果為: #000000
# 匹配失敗！

1.3.2 1-100之間的所有整數匹配

我們不考慮前綴0的情形，例如對於數字 8、35，諸如 08、008、035 這樣的形式是排除在外的。

只需分別考慮三位數、兩位數、一位數的情形：

regex = '(100|[1-9]\d|[1-9])$'
numbers = ['0', '5', '05', '005', '12', '012', '89', '100', '101']
match(regex, numbers)
# 匹配失敗！
# 匹配成功！結果為: 5
# 匹配失敗！
# 匹配失敗！
# 匹配成功！結果為: 12
# 匹配失敗！
# 匹配成功！結果為: 89
# 匹配成功！結果為: 100
# 匹配失敗！

1.3.3 郵箱格式匹配

這裡我們自創一個郵箱，假設域名為 sky.com。在創建新用戶時，要求用戶名只能由數字、字母及下劃線組成，且不能以下劃線開頭，郵箱名長度在6-18位。我們該如何用正則表達式來判斷用戶輸入的郵箱是否符合規范呢？

regex = '[a-zA-Z0-9][\w]{5,17}@sky\.com$'
emails = [
'[email protected]',
'[email protected]',
'[email protected]',
'[email protected]',
'[email protected]',
'[email protected]',
'[email protected]',
]
match(regex, emails)
# 匹配失敗！
# 匹配失敗！
# 匹配失敗！
# 匹配失敗！
# 匹配成功！結果為: [email protected]
# 匹配失敗！
# 匹配失敗！

如果 sky 郵箱允許用戶開通vip，開通後郵箱域名變為了 vip.sky.com，且普通用戶和vip用戶均屬於 sky 郵箱用戶。該情形下的正則表達式需要改寫為：

regex = '[a-zA-Z0-9][\w]{5,17}@(vip\.)?sky\.com$'
emails = [
'[email protected]',
'[email protected]',
'[email protected]',
'[email protected]',
]
match(regex, emails)
# 匹配成功！結果為: [email protected]
# 匹配成功！結果為: [email protected]
# 匹配失敗！
# 匹配失敗！

1.3.4 IPV4地址匹配

IPV4的格式通常為 X.X.X.X，其中 X 的范圍為 0-255。這裡依然不考慮前綴0的情形。

regex = '((25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)\.){3}(25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)$'
ipv4s = [
'0.0.0.0',
'0.0.255.0',
'255.0.0',
'127.0.0.1.0',
'256.0.0.123',
'255.255.255.255',
'012.08.0.0',
]
match(regex, ipv4s)
# 匹配成功！結果為: 0.0.0.0
# 匹配成功！結果為: 0.0.255.0
# 匹配失敗！
# 匹配失敗！
# 匹配失敗！
# 匹配成功！結果為: 255.255.255.255
# 匹配失敗！

1.4 修飾符

修飾符即 re.match 函數中的 flags 參數，常用的修飾符列在下表中：

修飾符作用re.I匹配時忽略大小寫re.S使得 . 能夠匹配任意單個字符（包括換行符 \n）
s = re.match('a', 'A', flags=re.I)
print(s.group())
# A
s = re.match('.', '\n', flags=re.S)
print(s)
# <re.Match object; span=(0, 1), match='\n'>

二、其他函數

2.1 re.fullmatch

re.match 是從字符串的起始位置開始匹配，即只要匹配成功，則無需管字符串的剩余位置。而 re.fullmatch 則是匹配整個字符串。

格式如下：

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

例如：

print(re.match('\d', '3a'))
# <re.Match object; span=(0, 1), match='3'>
print(re.fullmatch('\d', '3a'))
# None

2.2 re.search

re.search 從左到右掃描整個字符串並返回第一個成功的匹配。如果匹配失敗，則返回 None。

格式如下：

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

例如：

print(re.search('ab', 'abcd'))
# <re.Match object; span=(0, 2), match='ab'>
print(re.search('cd', 'abcd'))
# <re.Match object; span=(2, 4), match='cd'>

2.3 re.findall

re.findall 是在給定的字符串中找到所有匹配正則表達式的子串，並以列表的形式返回，格式如下：

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

例如：

res = re.findall('\d+', 'ab 13 cd- 274 .]')
print(res)
# ['13', '274']
res = re.findall('(\w+):(\d+)', 'Xiaoming:16, Xiaohong:14')
print(res)
# [('Xiaoming', '16'), ('Xiaohong', '14')]

2.4 re.sub

re.sub 用於將匹配到的子串替換為另一個子串，執行時從左向右進行替換。格式如下：

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

repl 代表替換後的字符串，count 是最大替換次數，0表示替換所有。

例如：

res = re.sub(' ', '', '1 2 3 4 5')
print(res)
# 12345
res = re.sub(' ', '', '1 2 3 4 5', count=2)
print(res)
# 123 4 5

2.5 re.split

re.split 將根據匹配切割字符串（從左向右），並返回一個列表。格式如下：

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

count 是最大切割次數，0表示切割所有位置。

例如：

res = re.split(' ', '1 2 3 4 5')
print(res)
# ['1', '2', '3', '4', '5']
res = re.split(' ', '1 2 3 4 5', maxsplit=2)
print(res)
# ['1', '2', '3 4 5']

三、貪婪匹配與非貪婪匹配

所有的量詞：*、+、?、{m}、{m,}、{,n}、{m,n}默認采取貪婪匹配的原則，即在匹配成功的情況下盡可能多地匹配。

以 * 為例，顯然 \d* 是匹配任意長度的數字：

match('\d*', ['1234abc'])
# 匹配成功！結果為: 1234

根據貪婪原則，最終匹配結果一定是 1234。

有些時候，我們不想盡可能多地匹配，而是盡可能少地匹配。這時候我們可以在量詞後面加上 ?，它表示非貪婪匹配：

match('\d*?', ['1234abc'])
# 匹配成功！結果為:

在非貪婪模式下，\d 應該出現0次（盡可能少匹配），於是最終返回空字符。

我們再來看一下其他量詞的情況：

match('\d+?', ['1234abc'])
# 匹配成功！結果為: 1
match('\d??', ['1234abc'])
# 匹配成功！結果為: 
match('\d{2,}?', ['1234abc'])
# 匹配成功！結果為: 12
match('\d{2,5}?', ['1234abc'])
# 匹配成功！結果為: 12
match('\d{,5}?', ['1234abc'])
# 匹配成功！結果為:

四、推薦網站

regex101 可用於練習正則表達式。


  1. 上一篇文章：
  2. 下一篇文章：
Python
The process exploration of pandas processing hundreds of millions of rows of data without spark cluster

        nl
A little question for Python beginners

Why doesnt this paragraph prin
推薦一個python、AI學習社區：ShowMeAI

ShowMeAI網址：ShowMeAI知識社區博客：Show
[Python automated test 19] explanation of logging system

List of articles One 、 Prefac
typora自定義圖床實現（自定義python腳本）

文章目錄一、原理二、服務端搭建三、客戶端搭建四、typora
Implementation example of color circle in Python loop

Catalog Colorful rings are mo
相關文章
    没有相关文章
閱讀排行榜
[Python automated test 29] detailed explanation of XPath, axis operation and CSS element positioning Python -- classes and objects, magic methods (day07) Python 矩陣鏈乘 [Pandas Skills] Grouping ratio calculation and summation [Pandas技巧] 刪除指定列值為空的行 Python prim algorithm generates maze and visualizes it through pyGame Python algorithm practice week5 sorting algorithm Python RPC wont? Take a look at this article [Python basics 007] take you to analyze Python decorator functions in depth Python 日志記錄-loguru python requests 進階用法
熱門圖文
Windows 8 Store Apps學習(58) 微軟賬號 java-Java多態：用 Set的子類 模擬登陸注冊過程 禁用Alt-Tab或Ctrl-Alt-Del C++的靜態綁定和動態綁定概述 Python+OpenCV實用案例應用教程：處理文件、攝像頭和GUI 從extenionplugin的C++ 模塊中讀取數據並顯示到Qt的ListView上 Step1數據系統技術(5.使用GZIP技術優化文件緩存) csharp: Download SVN source，csharpsvn
欄目導航
  • 匯編語言
    •   
  • Delphi
    •   
  • Groovy
    •   
  • WebSphere
    •   
  • Rational
    •   
  • Python
    •   
  • Ruby
    •   
  • 編程解疑
    •   
  • 編程綜合問答
    •   
  • 更多關於編程
    •   
  • 編程問題解答
    • Copyright © 程式師世界 All Rights Reserved