python之正则表达式

正则表达式是处理字符串的强大工具，可以实现字符串的检索，替换、匹配验证

常用的匹配规则如下：

模式	描述
\w	匹配字母、数字、下划线
\W	匹配不是字母、数字、下划线
\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	匹配任意非数字字符
\A	匹配字符串开头
\Z	匹配字符串结尾，如果存在换行，则匹配到换行前的字符串
\z	匹配字符串结尾，如果存在换行，同时还会匹配换行符
\G	匹配最后完成匹配的位置
\n	匹配一个换行符
\r	匹配一个制表符
^	匹配一行字符串的开头
$	匹配一行字符串的结尾
.	匹配任意字符，除了换行符，如果标记re.DOTALL，则可以匹配换行符
[…]	表示一组字符，单独列出，比如[amk]，匹配a、m或k
[^…]	匹配不在[]中的内容，如[^abc]表示匹配除了abc之外的字符
*	匹配0个或者多个表达式
+	匹配1个或者多个表达式
?	匹配0个或1个前面的正则定义的片段，非贪婪方式
{n}	精确匹配n个前面的表达式
a|b	匹配a或b
（）	匹配括号内的表达式，也表示一个组
{n,m}	匹配n到m次由前面正则定义的片段，贪婪方式

python中的re库提供了整个正则表达式的实现，下面说下常用方法：

1、match()：

向match()方法传入要匹配的字符串以及正则表达式，就可以检验这个正则表达式是否匹配字符串

match()方法会尝试从字符串的起始位置匹配正则表达式，如果匹配，返回匹配成功后的结果，如果不匹配，返回None，如图：

从上图中可以看出，match()方法中，第一个参数传入了正则表达式，第二个参数传入了要匹配的字符串，首先声明字符串content,里面包含字母、空格、数字，match()方法中添加正则，^hello表示匹配以hello开头，\s表示匹配一个空格，\d\d\d表示匹配三个数字，再写一个\s表示匹配一个空格，\d{4}表示匹配4个数字，在通过\s匹配空格，最后通过\w{5}匹配5个字母

注意：\d\d\d 也可以通过\d{3}的形式书写，更加简单方便，还可以写成\d+表示匹配1个或者多个\d

代码执行结果如下：

打印结果中，第一行为字符串的长度，第二行表示match()方法结果为SRE_MATCH对象，其中包含了匹配内容以及匹配范围，第三行为group()方法匹配的内容，第四行为span()方法匹配的范围，也就是字符串的长度

匹配目标

上面通过match()方法获得了匹配的字符串内容，如果想从此内容中提取一部分内容，应该怎么办呢？

此时可以使用()括号将想要提取的的子字符串括起来，（）实际上标记了一个子表达式的开始和结束位置，被标记的每个子表达式会依次对应每一个分组，然后调用group()方法传入分组的索引即可获得提取结果，如图：

从上图中可以看出，正则表达式中匹配数字的\d+用()标记起来了，此时对应的分组索引为1号分组，如果后面还有多个标记，则对应2号分组，3号分组

代码执行结果如下：

结果可以看出group(1)成功提取了字符串内容，group()会输出完整的匹配内容，group(1)则可以在此内容基础上提取子字符串，也就是被()标记的内容，如果正则表达式后面还有()标记的内容，那么依次用group(2)、group(3)等来获取即可

通用匹配

上面写的正则表达式比较复杂，出现空白字符就用\s匹配，出现数字就用\d匹配，这样写比较复杂，还有一个万能匹配，可以用.*(点和星)，其中.(点)可以匹配任意字符(除了换行符)，*(星)表示匹配前面的字符无限次，所以他们组合一起可以匹配任意字符

修改上面的例子，通过.*来进行匹配，如图：

上图中的正则表示匹配以hello开头，shijie结尾，中间匹配任意字符的内容

贪婪和非贪婪

使用上面的.*匹配时，有时候匹配到的可能并不是我们想要的结果，如图：

上图中正则匹配使用()标记了一个子表达式用来匹配数字，其余部位用.*匹配任意字符，然后以shijie结尾，在通过group(1) 打印提取内容时得到的结果如下：

从上图中可以看出，匹配的结果为7，与原计划的1234567不符合，为什么呢？这里就涉及到一个贪婪匹配与非贪婪匹配的问题，在贪婪匹配模式下，.*会匹配尽可能多的字符，正则表达式中.*后面是\d+也就是至少匹配一个数字，并没有指定具体多少个数字，因此，.*就尽可能匹配多的字符，这里就将123456匹配了，给\d+留下一个可满足条件的数字7，因此最后得到的内容就是数字7

此时使用非贪婪匹配可以准确的获取到我们想要的内容，非贪婪匹配的写法为.*?，

注意看后面.*后面多了一个问号，通过下面的实例体验下功能：

从上图中可以看出，在.*后面加了一个?即为非贪婪模式匹配，打印结果如下：

上图中成功打印了想要的结果，非贪婪匹配就是尽可能匹配少的字符，当.*?匹配到hello后面的空白字符时，在往后就是数字了，而\d+恰好可以匹配数字，此时.*?将不会进行匹配，而是交给\d+来匹配，因此得到的结果正是想要的结果。

总结：在做匹配的时候，字符串中间尽量使用非贪婪匹配，以免出现匹配结果缺失的情况。

有一种情况要注意：如果匹配的结果在字符串结尾，使用.*?就有可能匹配不到任何内容，如图：

从上图可以看出，两个正则都是匹配abc，一个使用.*?，另一个使用.*，下面通过group(1)调用的时候可以发现，通过.*?匹配的内容为空，因此非贪婪匹配尽可能少的去匹配，而.*尽可能多的匹配，因此可以匹配到，打印结果如下：

修饰符

正则表达式可以包含一些可选的修饰符来控制匹配的模式，修饰符被指定为一个可选的标志，下面例子如下：

上图中，在字符串中加了换行符，正则表达式不变，用来匹配数字，打印结果如下：

从上图可以看出，运行直接报错，因此”.”(点)匹配的是除了换行符之外的任意字符，当遇到换行符的时候，.*?就不能匹配了，所以导致失败，此时可以在后面添加一个修饰符re.S，这个修饰符的作用是使”.”匹配包括换行符在内的所有字符，添加后”.”(点)就可以完成换行匹配了，如下：

打印结果中即可看到已经正确匹配了，如图：

还有一些修饰符，在需要的情况下也可以使用，如下：

修饰符	描述
re.I	匹配大小写不敏感
re.L	做本地化识别(locale-aware)匹配
re.M	多行匹配，影响^和$
re.S	使.匹配包括换行符在内的所有字符
re.U	根据Unicode字符集解析字符，这个标志影响\w、\W、\b、\B
re.X	给与更灵活的格式将正则写的更易于理解

转义匹配

我们知道”.”可以匹配除了换行符之外的所有字符，那么如果字符串中包含”.”，此时就需要使用转义字符了，如下：

从上图中可以看出，通过转义字符已经成功匹配到了内容

2、search()

match()方法是从字符串的开头开始匹配的，一旦开头不匹配，那么整个匹配就失败了，例如：

上图中使用match()函数，正则从big开始匹配，运行结果如下：

从结果可以看出，从中间匹配不成功，返回结果为None，因此match()方法更适合用来检测某个字符串是否符合某个正则表达式的规则

search()方法在匹配的时候会扫描这个字符串，然后返回第一个成功匹配的结果，正则表达式可以是字符串的一部分，匹配的时候，search()方法会依次扫描字符串，直到找到第一个符合规则的字符串，然后返回匹配内容，如果搜索完了还没找到，就返回None。

将上述例子中的match()方法修改为search()方法，如图：

代码执行结果如下，已经成功打印出结果，如图：

3、findall()

上面介绍了search()方法，它可以返回匹配正则表达式的第一个内容，但是如果要获得