目录

• 一、re 模块的使用过程
• 二、正则表达式的字符匹配
• • 1. 匹配开头结尾
  • 2. 匹配单个字符
  • 3. 匹配多个字符
  • 4. 匹配分组
  • 5. Python 代码示例
• 三、re 模块的函数
• • 1. 函数一览表
  • 2. Python 代码示例
  • • 1）search 与 finditer
    • 2）findall
    • 3）sub
    • 4）split
• 四、贪婪与非贪婪
• 五、re 模块的可选标志

参考文章：
【re — 正则表达式操作】
【正则表达式指南】
【Python 正则表达式 | 菜鸟教程】
【Python 正则表达式 | 极客教程】
【Python正则表达式详解 （超详细，看完必会！）】

一、re 模块的使用过程

# 导入 re 模块import re# 使用 match 方法进行匹配操作# re.match() 能够匹配出以 xxx 开头的字符串result = re.match(r\'正则表达式\', \'被匹配的字符串\')if result:# 如果上一步匹配到数据的话，可以使用 group 方法来提取数据print(result.group())else:print(\'匹配失败\')

需要注意的是：

Python 中字符串前面加上 r 表示原生字符串。与大多数编程语言相同，正则表达式里使用 “\\” 作为转义字符，这就可能造成反斜杠困扰。Python 里的原生字符串很好地解决了这个问题，同时写出来的表达式也更直观。注意 r 只服务于 “\\” ，不对其他进行转义。

二、正则表达式的字符匹配

1. 匹配开头结尾

2. 匹配单个字符

• \\ 是转义特殊字符，\\n 代表换行、\\r 代表回车、\\f 代表换页、\\t 代表 Tab 键

• 通过用 ‘-’ 将两个字符连起来可以表示字符范围，比如：

  • [a-z] 将匹配任何小写 ASCII 字符， [0-5][0-9] 将匹配从 00 到 59 的两位数字，[0-9A-Fa-f] 将匹配任何十六进制数位。
  • 如果 - 进行了转义 （比如 [a\\-z]）或者它的位置在首位或末尾（如 [-a] 或 [a-]），那么它就只表示普通字符 ‘-’

• 除反斜杠外的特殊字符在 [ ] 中会失去其特殊含义，例如：[(+*)] 将匹配字符为 ( + * 或 ) 中的任何一个

3. 匹配多个字符

• ab* 会匹配 ‘a’，‘ab’，或者 ‘a’ 后面跟随任意个 ‘b’

• ab+ 会匹配 ‘a’ 后面跟随 1 个以上到任意个 ‘b’，它不会匹配 ‘a’

• ab? 会匹配 ‘a’ 或者 ‘ab’

• a{6} 将匹配 6 个 ‘a’ , 少于 6 个的话就会导致匹配失败

• a{3,5} 将匹配 3 到 5 个 ‘a’

4. 匹配分组

5. Python 代码示例

• 匹配出 126、163、qq 的邮箱地址，且 @ 符号之前有 4 到 20 位数字、大写或小写字母和下划线的组合。

import reemail_list = [\"Alice27@163.com\", \"Sam_1122@gmail.com\", \".Tom_12@qq.com\",  \"Bob_1988@qq.com.com\", \"Elowen@126.com\", \"Ice@qq.com\",  \"nicetomeetyou@qq.com\"]for email in email_list: ret = re.match(r\"\\w{4,20}@(163|126|qq)\\.com$\", email) if ret: print(\"%s 是符合规定的邮件地址 , 匹配后的结果是 : %s\" % (email, ret.group())) else: print(\"%s 不符合要求\" % email)

结果展示：

Alice27@163.com 是符合规定的邮件地址 , 匹配后的结果是 : Alice27@163.comSam_1122@gmail.com 不符合要求.Tom_12@qq.com 不符合要求Bob_1988@qq.com.com 不符合要求Elowen@126.com 是符合规定的邮件地址 , 匹配后的结果是 : Elowen@126.comIce@qq.com 不符合要求nicetomeetyou@qq.com 是符合规定的邮件地址 , 匹配后的结果是 : nicetomeetyou@qq.com

• 匹配 11 位不是以 4、7 结尾的手机号码：re.match(r\"1\\d{9}[0-35-68-9]$\", tel)

• 提取区号和电话号码：ret = re.match(r\"([^-]+)-(\\d+)\",\"010-12345678\") ，此时 ret.group(1) = ‘010’ ，ret.group(2) = ‘12345678’ ，ret.group(0) 等价于 ret.group() 等于 ‘010-12345678’

• 匹配标签，例如：匹配

  hello

  并提取出 hello

import retexts = [\'
hello
\', \'
world
\', \'
hello
\']def match(): for text in texts: ret = re.match(r\'(\\w*)\', text) if ret: print(f\'匹配成功，标签为 {ret.group()}，信息为 {ret.group(3)}\') else: print(f\'{text} 标签匹配失败\')if __name__ == \'__main__\': match()

结果展示：

匹配成功，标签为 
hello
，信息为 hello
world
 标签匹配失败
hello
 标签匹配失败

• 用 (?P) 和 (?P=name) 改进上述示例：
  re.match(r\'<(?P[a-zA-Z]*)><(?P[a-zA-Z0-9]*)>(\\w*)\', text)
  注意：字母 P 要大写

三、re 模块的函数

1. 函数一览表

• result = re.match(pattern, string) 等价于 prog = re.compile(pattern) 和 result = prog.match(string) 。

• re.split 函数中如果 maxsplit 非零，则最多进行 maxsplit 次分隔，剩下的字符全部返回到列表的最后一个元素。

2. Python 代码示例

1）search 与 finditer

需求：匹配出文章阅读的次数和点赞的次数。

import redef find_second_match(pattern, text): matches = re.finditer(pattern, text) try: next(matches) # 跳过第一个匹配项 second_match = next(matches) # 获取第二个匹配项 return second_match.group() except StopIteration: return Noneif __name__ == \'__main__\': p = r\"\\d+\" t = \"阅读次数为 9999 , 点赞次数为 19999\" ret = re.search(p, t) print(f\'阅读次数为 {ret.group()} , 点赞次数为 {find_second_match(p, t)}\')

结果展示：

阅读次数为 9999 , 点赞次数为 19999

2）findall

• 需求：统计出相应文章阅读、点赞和收藏的次数。

import reret = re.findall(r\"\\d+\", \"read = 9999, thumbs up = 7890, collection = 12345\")print(f\'阅读次数 {ret[0]} ，点赞次数 {ret[1]} ，收藏次数 {ret[2]}\')

结果展示：

阅读次数 9999 ，点赞次数 7890 ，收藏次数 12345

【拓展】：分组() 内加入 ?: 可以避免只返回分组内的内容。

• 需求：提取出字符串里的日期和时间 。

import reif __name__ == \'__main__\': s = \'hello world, now is 2020/7/20 18:48, 现在是 2020年7月20日18时48分。\' ret_s = re.sub(r\'年|月\', r\'/\', s) ret_s = re.sub(r\'日|分\', r\' \', ret_s) ret_s = re.sub(r\'时\', r\':\', ret_s) # hello world, now is 2020/7/20 18:48, 现在是 2020/7/20 18:48 。 print(ret_s) # findall com1 = re.compile(r\'\\d{4}/[01]?[0-9]/[1-3]?[0-9]\\s(0[0-9]|1[0-9]|2[0-4])\\:[0-5][0-9]\') ret1 = com1.findall(ret_s) print(ret1[0]) # 18 # 加 ?: com2 = re.compile(r\'\\d{4}/[01]?[0-9]/[1-3]?[0-9]\\s(?:0[0-9]|1[0-9]|2[0-4])\\:[0-5][0-9]\') ret2 = com2.findall(ret_s) print(ret2[0]) # 2020/7/20 18:48 # search ret3 = re.search(r\'\\d{4}/[01]?[0-9]/[1-3]?[0-9]\\s(0[0-9]|1[0-9]|2[0-4])\\:[0-5][0-9]\', ret_s) print(ret3.group()) # 2020/7/20 18:48

3）sub

将匹配到的数据进行替换。

• 需求：将匹配到的阅读次数加 1 。

import redef add(temp): str_num = temp.group() num = int(str_num) + 1 return str(num)if __name__ == \'__main__\': ret = re.sub(r\"\\d+\", \'998\', \"thumbs up = 997\") print(ret) ret = re.sub(r\"\\d+\", add, \"thumbs up = 997\") print(ret) ret = re.sub(r\"\\d+\", lambda x: str(int(x.group()) + 1), \"thumbs up = 997\") print(ret) print(\'-\' * 30) # count 替换次数 text = \"apple apple apple apple\" pattern = r\"apple\" replacement = \"orange\" new_text = re.sub(pattern, replacement, text, count=2) print(new_text)

结果展示：

thumbs up = 998thumbs up = 998thumbs up = 998------------------------------orange orange apple apple

• 需求：删除字符串中所有的 HTML 标签和   实体，只留下纯文本内容。

import reif __name__ == \'__main__\': text = (\'
\' + \'\\n\' + \'
岗位职责：
\' + \'\\n\' + \'
完成推荐算法、数据统计、接口、后台等服务器端相关工作
\' + \'\\n\' + \'

\' + \'\\n\' + \'
必备要求：
\' + \'\\n\' + \'
良好的自我驱动力和职业素养，工作积极主动、结果导向
\' + \'\\n\' + \'
 
\' + \'\\n\' + \'
技术要求：
\' + \'\\n\' + \'
1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式
\' + \'\\n\' + \'
2、掌握 HTTP 协议，熟悉 MVC、MVVM 等概念以及相关 WEB 开发框架
\' + \'\\n\' + \'
3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种
\' + \'\\n\' + \'
4、掌握 NoSQL、MQ，熟练使用对应技术解决方案
\' + \'\\n\' + \'
5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js
\' + \'\\n\' + \'
 
\' + \'\\n\' + \'
加分项：
\' + \'\\n\' + \'
大数据，数理统计，机器学习，sklearn，高性能，大并发。
\' + \'\\n\' + \'
\') # print(text) sub_result = re.sub(r\"]*>| \", \"\", text) print(sub_result)

结果展示：

岗位职责：完成推荐算法、数据统计、接口、后台等服务器端相关工作必备要求：良好的自我驱动力和职业素养，工作积极主动、结果导向技术要求：1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式2、掌握 HTTP 协议，熟悉 MVC、MVVM 等概念以及相关 WEB 开发框架3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种4、掌握 NoSQL、MQ，熟练使用对应技术解决方案5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js加分项：大数据，数理统计，机器学习，sklearn，高性能，大并发。

解析正则表达式：r\"]*>| \"

1. ]*> ：匹配一对尖括号 及其内部内容，且内容不包含 > 符号，表示匹配 HTML 标签，比如

   , 等。

2. | ：表示 “或” 操作符。

3.   ：匹配 HTML 的不间断空格实体   。

4. 替换字符串是 “” ，即将匹配的内容替换为空字符串（删除）。

import reret = re.split(r\":| \",\"info:xiaoZhang 33 shandong\")print(ret)

[\'info\', \'xiaoZhang\', \'33\', \'shandong\']

import reif __name__ == \'__main__\': s = \"This is a number 234-235-22-423\" # 贪婪 print(re.match(r\".+(\\d+-\\d+-\\d+-\\d+)\", s).group(1)) print(re.match(r\"aa(\\d+)\", \"aa2343ddd\").group(1)) print(re.match(r\"aa(\\d+)ddd\", \"aa2343ddd\").group(1)) print(\'-\' * 30) # 非贪婪 print(re.match(r\".+?(\\d+-\\d+-\\d+-\\d+)\", s).group(1)) print(re.match(r\"aa(\\d+?)\", \"aa2343ddd\").group(1)) print(re.match(r\"aa(\\d+?)ddd\", \"aa2343ddd\").group(1))

4-235-22-42323432343------------------------------234-235-22-42322343

import reif __name__ == \'__main__\': s1 = \'hello\\nworld\' ret1 = re.match(r\'hello.W\', s1, re.S | re.I) if ret1: print(ret1.group()) # hello w else: print(\'no match\') print(\'-\' * 15) s2 = \'hello你好world\' ret2 = re.match(r\'hello\\w*\', s2, re.A) if ret2: print(ret2.group()) # hello else: print(\'no match\')