正则表达式在每种语言中都会有，目的就是匹配符合你预期要求的字符串。
Python正则表达式主要由re库提供，拥有了基本所有的表达式。
16.1 Python正则表达式
|
符号 |
描述 |
示例 |
| . | 匹配除换行符(\n)之外的任意单个字符 | 字符串123\n456，匹配123：1.3 |
| ^ | 匹配字符串开头 | abc\nxyz，匹配以abc开头的行：^abc |
| $ | 匹配字符串结尾 | abc\nxyz，匹配以xyz结束的行：xyz$ |
| * | 匹配多个 | hello\nword，匹配以w开头d结尾的单词：w*d |
| + | 匹配1个或多个 | abc\nabcc\nadf，匹配abc和abcc：ab+ |
| ？ | 匹配0个或1个 | abc\nac\nadd，匹配abc或ac：a?c |
| [.] | 匹配中括号之中的任意一个字符 | abcd\nadd\nbbb，匹配abcd和add：[abc] |
| [ .-.] | 匹配中括号中范围内的任意一个字符 | abcd\nadd\nbbb，匹配abcd和add：[a-c] |
| [^] | 匹配[^字符]之外的任意一个字符 | abc\n\abb\nddd，不匹配abc和abb：[^a-c] |
| {n}或{n,} | 匹配花括号前面字符至少n个字符 | 1\n\12\n123\n1234，匹配123和1234：[0-9]{3} |
| {n,m} | 匹配花括号前面字符至少n个字符，最多m个字符 | 1\n\12\n123\n1234\n12345，匹配123和1234 ：[0-9]{3,4} |
| | | 匹配竖杠两边的任意一个 | abc\nabd\abe，匹配abc和abd：ab（c|d） |
| \ | 转义符，将特殊符号转成原有意义 | 1.2，匹配1.2：1\.2，否则112也会匹配到 |
|
特殊字符 |
描述 |
示例 |
| \A | 匹配字符串开始 |
与^区别是：当使用修饰符re.M匹配多行时，\A将所有字符串作为一整行处理。 abc123\nabc456，匹配abc123：\Aabc，^则都会匹配到 |
| \Z | 匹配字符串结束 | 与\A同理 |
| \b | 匹配字符串开始或结束（边界） | abc\nabcd，匹配a开头并且c结尾字符串：\babc\b |
| \B | 与\b相反 | |
| \d | 匹配任意十进制数，等效[0-9] | 1\n123\nabc，匹配1和123：[0-9]，包含单个数字的都会匹配到，如果只想匹配1：\b[0-9]\b |
| \D | 匹配任意非数字字符，等效[^0-9] | 1\n12\nabc，匹配abc：[^0-9] |
| \s | 匹配任意空白字符，等效[\t\n\r\f\v] | 1\n a，注意a前面有个空格，匹配a：\s |
| \S | 匹配任意非空白字符，等效[^\t\n\r\f\v] | 1\n a\n ，匹配1和a：\S |
| \w | 匹配任意数字和字母，等效[a-zA-Z0-9_] | 1\n a\n ，匹配1和a：\w |
| \W | 与\w相反，等效[^a-zA-Z0-9_] | |
| \n | 反向引用，n是数字，从1开始编号，表示引用第n个分组匹配的内容 | ff，匹配ff：(.)\1，即"ff" |
|
扩展正则表达式 |
描述 |
| ( ) | 匹配小括号中正则表达式或字符。用上面\n特殊字符引用。 |
| (?#...) | 注释小括号内的内容 |
| (?:...) | 不保存匹配的分组 |
| (?P<name>...) | 命名分组，name是标识名称，默认是数字ID标识分组匹配 |
| (?=...) | 匹配后面能匹配表的达式...，称为正先行断言 |
| (?!...) | 匹配后面不能匹配的表达式...，称为负先行断言 |
| (?<=...) | 匹配前面能匹配的表达式...，称为正后发断言 |
| (?<!...) | 匹配前面不能匹配的表达式...，称为负后发断言 |
| (?(id/name)Y/N) | 如果分组提供的id或name存在，则使用Y表达式匹配，否则N表达式匹配 |
断言：断言就是一个条件，判断某个字符串前面或后面是否满足某种规律的字符串，不能引用。
16.2 re库
re模块有以下常用的方法：
|
方法 |
描述 |
| re.compile(pattern, flags=0) | 把正则表达式编译成一个对象 |
| re.findall(pattern, string, flags=0) | 以列表形式返回所有匹配的字符串 |
| re.finditer(pattern, string, flags=0) | 以迭代器形式返回所有匹配的字符串 |
| re.match(pattern, string, flags=0) | 匹配字符串开始，如果不匹配返回None |
| re.search(pattern, string, flags=0) | 扫描字符串寻找匹配，如果符合返回一个匹配对象并终止匹配，否则返回None |
| re.split(pattern, string, maxsplit=0, flags=0) | 以匹配模式作为分隔符，切分字符串为列表 |
| re.sub(pattern, repl, string, count=0, flags=0) | 字符串替换，repl替换匹配的字符串，repl可以是一个函数 |
| re.purge() | 清除正则表达式缓存 |
参数说明：
pattern 正则表达式
string 要匹配的字符串
flags 标志位的修饰符，用于控制表达式匹配模式
标志位的修饰符，有以下可选项：
|
修饰符 |
描述 |
| re.DEBUG | 显示关于编译正则的debug信息 |
| re.I/re.IGNORECASE | 忽略大小写 |
| re.L/re.LOCALE | 本地化匹配，影响\w，\w，\b，\B，\s和\S |
| re.M/re.MULTILINE | 多行匹配，影响^和$ |
| re.S/re.DOTAIL | 匹配所有字符，包括换行符\n，如果没这个标志将匹配除了换行符 |
| re.U/re.UNICODE | 根据unicode字符集解析字符。影响影响\w，\w，\b，\B，\d，\D，\s和\S |
| re.X/re.VERBOSE | 允许编写更好看、更可读的正则表达式，也可以在表达式添加注释，下面会讲到 |
博客地址：http://lizhenliang.blog.51cto.com
QQ群：323779636（Shell/Python运维开发群）
16.2.1 re.compile()
把正则表达式编译成一个对象，方便再次调用：
>>> import re
prog = re.compile(pattern)
result = prog.match(string)
等效于
result = re.match(pattern, string)
例如：检查字符串是否匹配
>>> def displaymatch(match):
... if match is None:
... return None
... return ‘<Match: %r, group=%r>‘ % (match.group(), match.groups())
...
>>> valid = re.compile(r"^[a-c1-3]{3}$")
>>> displaymatch(valid.match("a1b")) # 可用
"<Match: ‘a1b‘, group=()>"
>>> displaymatch(valid.match("a1b2")) # 不可用
>>> displaymatch(valid.match("bbb")) # 可用
"<Match: ‘bbb‘, group=()>"
16.2.1 match()
例如：判断字符串开头是否匹配字符 >>> m = re.match(r‘hello‘, ‘hello world‘) >>> print m # 匹配到字符串开头是hello <_sre.SRE_Match object at 0x7f56d5634030> >>> m = re.match(r‘world‘, ‘hello world‘) >>> print m # 没有匹配到 None
正则对象匹配方法：
1）group([group1, ...])
>>> m = re.match(r‘(\w+) (\w+)‘, ‘hello world‘) >>> m.group(0) # 全部组匹配 ‘hello world‘ >>> m.group(1) # 第一个括号子组 ‘hello‘ >>> m.group(2) # 第二个括号子组 ‘world‘ >>> m.group(1, 2) # 多个参数返回一个元组 (‘hello‘, ‘world‘) 通过分子重命名的名字来引用分组结果： >>> m = re.match(r‘(?P<first_name>\w+) (?P<last_name>\w+)‘, ‘hello world‘) >>> m.group(‘first_name‘) ‘hello‘ >>> m.group(‘last_name‘) ‘world‘ # 命名组也可以引用他们的索引 >>> m.group(1) ‘hello‘ >>> m.group(2) ‘world‘
如果一组匹配多次，只有最后一个匹配：
>>> m = re.match(r"(..)+", "a1b2c3") >>> m.group(1) ‘c3‘
2）groups([default])
返回一个元组包含所有子组的匹配。
>>> m = re.match(r"(\d+)\.(\d+)", "24.1632") >>> m.groups() (‘24‘, ‘1632‘)
3）groupdict([default])
返回子组名字作为键，匹配结果作为值的字典。
>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "hello world")
>>> m.groupdict()
{‘first_name‘: ‘hello‘, ‘last_name‘: ‘world‘}
4）start()和end()
例如：去掉邮件地址的某字符
>>> email = "[email protected]_126.com" >>> m = re.search(r"_126", email) >>> email[:m.start()] + email[m.end():] ‘[email protected]‘
5）span()
以列表形式返回匹配索引开始和结束值：
>>> email = "[email protected]_126.com" >>> m = re.search(r"_126", email) >>> m.span() (8, 12)
6）pos和endpos
返回字符串开始和结束索引值：
>>> email = "[email protected]_126.com" >>> m = re.search(r"_126", email) >>> m.pos 0 >>> m.endpos 16
16.2.3 search()
search()方法也具备match()方法的正则对象匹配方法，区别是search()匹配到第一个后就返回并终止匹配。
例如：匹配第一个结果就返回
>>> m = re.search(r"c", "abcdefc") >>> m.group() ‘c‘ >>> m.span() (2, 3)
16.2.4 split()
例如：以数字作为分隔符拆分字符串
>>> m = re.split(r"\d+", "a1b2c3") >>> m [‘a‘, ‘b‘, ‘c‘, ‘‘] 16.2.4 sub()
例如：替换2016
>>> m = re.sub(r"\d+", "2017", "the year 2016") >>> m ‘the year 2017‘
例如：repl作为一个函数
>>> def repl(m): ... return str(int(m.group(‘v‘)) * 2) ... >>> re.sub(r‘(?P<v>\d+)‘, repl, "123abc") ‘246abc‘
函数返回必须是一个字符串。
16.2.5 findall()和finditer()
例如：得到所有匹配的数字
>>> text = "a1b2c3" >>> re.findall(r‘\d+‘, text) [‘1‘, ‘2‘, ‘3‘] >>> for m in re.finditer(r‘\d+‘, text): ... print m.group() ... 1 2 3
16.2.6 原始字符串符号"r"
上面所看到的(r"\d+")其中的r代表原始字符串，没有它，每个反斜杠‘\‘都必须再加一个反斜杠来转义它。
例如，下面两行代码功能上是相同的：
>>> m = re.match(r"\W(.)\1\W", " ff ")
>>> m.group()
‘ ff ‘
>>> m = re.match("\\W(.)\\1\\W", " ff ")
>>> m.group()
‘ ff ‘
>>> m = re.match("\W(.)\1\W", " ff ")
>>> m.group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: ‘NoneType‘ object has no attribute ‘group‘
\W匹配第一个和最后一个空字符，(.)匹配第一个f，\1引用前面(.)匹配的结果（还是f），即是r"ff"
16.3 贪婪和非贪婪匹配
贪婪模式：尽可能最多匹配
非贪婪模式，尽可能最少匹配，一般在量词（*、+）后面加个问号就是非贪婪模式。
# 贪婪匹配 >>> re.findall(r"<div>.*</div>", "<div>a</div><div>b</div><div>c</div>") [‘<div>a</div><div>b</div><div>c</div>‘] # 非贪婪匹配 >>> re.findall(r"<div>.*?</div>", "<div>a</div><div>b</div><div>c</div>") [‘<div>a</div>‘, ‘<div>b</div>‘, ‘<div>c</div>‘] >>> re.findall(r"a(\d+)", "a123b") [‘123‘] >>> re.findall(r"a(\d+?)", "a123b") [‘1‘] # 如果右边有限定，非贪婪失效 >>> re.findall(r"a(\d+)b", "a123b") [‘123‘] >>> re.findall(r"a(\d+?)b", "a123b") [‘123‘]
贪婪匹配是尽可能的向右匹配，直到字符串结束。
非贪婪匹配是匹配满足后就结束。
16.3 了解扩展表达式
以一个字符串来学习断言的用法:"A regular expression "
1）(?=...)
正先行断言，匹配后面能匹配的表达式。
有两个re字符串，只想匹配regular中的：
>>> re.findall(r"..(?=gular)", "A regular expression")
[‘re‘]
# 再向后匹配几个字符说明匹配的regular中的。下面都会说明下，不再注释
>>> re.findall(r"(?=gular).{5}", "A regular expression")
[‘gular‘]
2）(?!...)
负先行断言，匹配后面不能匹配表达式。
只想匹配expression中的re字符串，排除掉regular单词：
>>> re.findall(r"re(?!g)", "A regular expression")
[‘re‘]
>>> re.findall(r"re(?!g).{5}", "A regular expression")
[‘ression‘]
3）(?<=...)
正向后行断言，匹配前面能匹配表达式。
只想匹配单词里的re，排除开头的re：
>>> re.findall(r"(?<=\w)re", "A regular expression") [‘re‘] >>> re.findall(r"(?<=\w)re.", "A regular expression") [‘res‘]
在re前面有一个或多个字符，所以叫后行断言，正则匹配是从前向后，当遇到断言时，会再向字符串前端检测已扫描的字符，相对于扫描方向是向后的。
4）(?<!...)
负向后行断言，匹配前面不能匹配的表达式。
只想匹配开头的re：
>>> re.findall(r"(?<!\w)re", "A regular expression") [‘re‘] >>> re.findall(r"(?<!\w)re.", "A regular expression") [‘reg‘]
16.4 修饰符
re.VERBOSE上面说明可能你还不太明白，怎么个更加可读呢，这就来看看，下面两个正则编译等效：
>>> a = re.compile(r"""\d + # the integral part ... \. # the decimal point ... \d * # some fractional digits""", re.X) >>> b = re.compile(r"\d+\.\d*")
当你写的正则很长的时候，可以添加注释。
Python正则表达式参考：https://docs.python.org/2/library/re.html