Python正则表达式基础用法与常用函数详解
本文系统介绍了Python中正则表达式的基本用法。详细解析了re模块中的核心函数，包括match与search的区别、sub与subn的替换操作、findall与finditer的提取方式，以及split和escape辅助函数的应用。通过具体代码示例，帮助开发者掌握文本处理、日志分析及数据清洗中的正则技巧。
本文汇总了Python中正则表达式的基础使用方法，旨在为读者提供实用的参考指南。
在进行文本处理任务时，例如爬虫解析HTML字段或从日志文件中提取关键数据，正则表达式是不可或缺的工具。通常我们会依赖Python的re库来实现。若某个正则表达式在代码中频繁出现，建议使用re.compile将其编译为对象，以便提高调用效率和代码可读性。
match函数
该函数尝试从字符串的起始位置进行匹配。如果起始字符无法匹配正则规则，则直接返回None。
search函数
与match不同，search函数会在字符串中扫描，寻找第一个匹配的位置，无论该位置是否位于字符串开头，一旦找到匹配项即停止并返回结果。
re模块中的标志位（Flags）
在调用正则函数时，通常可以通过flag参数来设置特定的匹配行为。
re.I：忽略大小写匹配。
re.L：启用本地化识别，使\w、\W、\b、\B、\s和\S依据当前locale设置进行匹配。
re.M：支持多行匹配模式。
re.DEBUG：开启调试模式，显示正则表达式的编译信息。
re.S：使点号（.）匹配包括换行符在内的所有字符。
sub替换函数
import re phone='188-88-88 # this is my phone number' num = re.sub(r'#.*$','',phone) # num ==188-88-88 num = re.sub(r'\D','',phone) # num = 1888888
该函数可用于执行查找和替换操作，类似于代码编辑器中的查找替换功能。例如，可以将C语言中的宏定义转换为Lua语言中的变量定义格式。
import re print( re.sub( r'#define\s+([a-zA-Z_]+)\s+([a-zA-Z_0-9]+)', r'_G.\1 = \2', '#define MAX_RECV_SIZE 100' ) ) #_G.MAX_RECV_SIZE = 100
subn函数与sub类似，但其额外返回一个整数，表示实际执行的替换次数，允许用户定制替换的数量。
findall函数
该函数返回所有匹配到的子串，结果为一个列表。这是提取数据时最常用的方法之一。
print( re.findall( '\d+', '66,88,88,777' ) ) # ['66', '88', '88', '777']
finditer函数
与findall不同，finditer返回一个迭代器，每次迭代产生一个MatchObject对象。通过循环遍历该迭代器，可以获取更详细的匹配信息。
for num in re.finditer( '\d+', '66,88,88,777' ): print num.group() ''' 66 88 88 777 '''
split函数
re.split(pattern, string, maxsplit=0, flags=0)
>>> re.split(',', 'Words, words, words.')
['Words', ' words', ' words.']
>>> re.split('\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split('(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
大写的\W表示非字母数字字符，具体定义可查阅相关语法文档。如果在正则表达式中使用了括号（捕获组），匹配到的分隔符也会被保留在返回的列表中。例如，使用逗号作为分隔符时，逗号本身会作为字符串元素保留在结果数组中。
escape函数
这是一个辅助函数。当编写复杂的正则表达式时，如果某些固定字符串中包含了正则保留字符，但不希望它们被解释为正则语法，可以使用escape函数将这些字符串进行转义处理。
re.escape('1234@gmail.com')
# result
1234\\@gmai\\.com
正则语法备注：
| 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 |
| (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 [\t\n\r\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 |
| \Z | 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。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b' 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。'er\B' 能匹配 “verb” 中的 ‘er'，但不能匹配 “never” 中的 ‘er'。 |
| \n, \t, 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。 |
此外，推荐以下两款实用的正则表达式在线工具供参考：
JavaScript正则表达式在线测试工具： http://tools.jb51.net/regex/javascript
正则表达式在线生成工具： http://tools.jb51.net/regex/create_reg
如需了解更多Python相关知识，可查阅本站系列文章：《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》。
希望本文的内容能对您的Python编程实践有所帮助。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
