Python正则
- 互联网
- 2025-09-20 10:03:01
1.正则表达式 1.1含义：记录文本规则的代码，字符串处理工具
注意：需要导入re模块
1.2特点：1.语法比较负杂，可读性较差
2.通用性很强，适用于多种编程语言
1.3步骤：1.导入re模块 import re
2.使用match方法进行匹配操作
re.match()能匹配出以XXX开头的字符串，如果起始位置没有匹配成功，则返回None
3.如果上一步匹配成功使用group()提取数据
re.match(pattern,string) pattern--匹配正则表达式 string--要匹配的字符串
import re res = re.match('pa','panda') print(res) #<re.Match object; span=(0, 2), match='pa'> print(res.group()) #pa import re res = re.match('pa','apnda') print(res) #None注意：match是从开始位置匹配数据，匹配不到就没有
2.匹配单个字符 字符功能.任意匹配一个字符，除\n[ ]匹配[ ]中列举的字符\d匹配数字，即0-9\D匹配非数字，即不是数字\s匹配空白，即空格，tab键\S匹配非空白\w匹配单词字符，即a-z，A-Z，0-9，_，汉字\W匹配非单词字符 2.1 . 任意匹配一个字符，除\n --常用 import re res = re.match('.a.','panda') print(res) print(res.group()) #pan 2.2 [ ] 匹配[ ]中列举的字符 --常用 import re res = re.match('[hepa]','panda') print(res) print(res.group()) #p匹配0-9
写法一：
import re res = re.match('[0123456789]','26378') print(res) print(res.group()) #2写法二：
import re res = re.match('[0-9]','26378') print(res) print(res.group()) #2 import re res = re.match('[0-45-9]','26378') print(res) print(res.group()) #2a-zA-Z代表列举出所有的大小写字母
2.3 \d匹配数字0-9 --常用 import re res = re.match('\d\d','76382') print(res) print(res.group()) #76 2.4\D匹配非数字 --常用 import re res = re.match('\D\D\D','<_panda') print(res) print(res.group()) #<_p 2.5 \s匹配空白 及空格和tab键 import re res = re.match('.\s\s..','h ello') print(res) print(res.group()) #h e 2.6 \S匹配非空白 import re res = re.match('.\S\S..','h13.(ello') print(res) print(res.group()) #h13.( 2.7 \w匹配单词字符，匹配单词字符，即a-z，A-Z，0-9，_，汉字 import re res = re.match('.\w\w..','h_爱ello') print(res) print(res.group()) #h_爱el 2.8 \W匹配非单词字符 import re res = re.match('\W\W','。￥llo') print(res) print(res.group()) #。￥ 3.匹配多个字符 字符功能*匹配前一个字符，出现0次或者无数次，即可有可无 +匹配前一个字符，出现1次或者无数次，即至少一次?匹配前一个字符，出现1次或者0次{m}匹配前一个字符，出现m次{m,n}匹配前一个字符从m次到n次 3.1* 匹配前一个字符，出现0次或者无数次，即可有可无 --常用 import re res = re.match('\w*','pandan') print(res.group()) #panda 3.2+匹配前一个字符，出现1次或者无数次，即至少一次（小于1次会报错） --常用 import re res = re.match('\w+','pandan') print(res.group()) #panda res = re.match('\S+','pandan') print(res.group()) #panda res = re.match('\d+','01pandan') print(res.group()) #01 3.3？匹配前一个字符，出现1次或者0次 --常用 import re res = re.match('\w?','pandan') print(res.group()) #p res = re.match('\S?','p1ms6kjn') print(res.group()) #p res = re.match('\d?','pandan') print(res.group()) #None 3.4{m}匹配前一个字符，出现m次 import re res = re.match('\w{3}','pandan') print(res.group()) #pan res = re.match('\S{5}','p1ms6kjn') print(res.group()) #p1ms6 res = re.match('\d{0}','pandan') print(res.group()) #None 3.5{m，n}匹配前一个字符从m次到n次注意：必须满足m<n,总的可以匹配的数多于n个则匹配n个，总数小于n时，匹配的数要在m,n之间，有多少个匹配多少个。
import re res = re.match('\w{3,4}','pandan') print(res.group()) #pand res = re.match('\S{1,5}','p1ms6kjn') print(res.group()) #p1ms6 res = re.match('\w{2,7}','pandan') print(res.group()) #panda 4.匹配开头结尾 4.1^ 4.1.1 ^匹配开头字符串，表示以……开头，对……取反 import re res = re.match('^p','python') print(res.group()) #p res = re.match('^py','python') print(res.group()) #py res = re.match('^py','ython') print(res.group()) #报错 4.1.2 ^在[ ] 中表示不匹配（即表示除了[ ]内的匹配开头字符） import re res = re.match('[^p]','thonpy') print(res.group()) #t res = re.match('[^py]','panda') print(res.group()) #报错 res = re.match('[^py]','%.1qm') print(res.group()) #% 4.2 $ 匹配字符串结尾，表示以……结尾 import re res = re.match('.*y$','thonpy') print(res.group()) #thonpy res = re.match('\S*da$','panda') print(res.group()) #panda res = re.match('..1$','%.1qm') print(res.group()) #报错 5.匹配分组 |匹配左右任意一个表达式(ab)将括号中字符做一个分组\num引用分组num匹配到的字符串(?P<name>)分组起别名(?P=name)引用别名为name分组匹配到的字符串 5.1 | 匹配左右任意一个表达式 import re res = re.match('abc|csdn','abc') print(res.group()) #abc res = re.match('panda|monkey','key') print(res.group()) #报错 res = re.match('cn|en|com','com') print(res.group()) #com 5.2 （ab） 将括号中字符做一个分组 import re res = re.match('w{3}\.\w*.(123|985|m73)\Sen',' .endu@123.en') print(res.group()) # .endu@123.en\. ：表示匹配.
5.3 \num 引用分组num匹配到的字符串（经常在匹配标签时被使用） import re res = re.match(r'<(html)><(body)>login</\2></\1>','<html><body>login</body></html>') print(res.group()) #<html><body>login</body></html>注意：从外到内排序，编号从1开始
5.4 (?P<name>) 分组起别名 5.5 (?P=name)引用别名为name分组匹配到的字符串 import re res = re.match(r'<(?P<L1>\w*)><(?P<L2>\w*)>\w*</(?P=L2)></(?P=L1)>','<html><body>login</body></html>') print(res.group()) #<html><body>login</body></html>综合使用：
网址前缀一般为 ，后缀 、 、.org
import re li = [' .baidu ',' .python.org','http.jd ',' .abc '] for i in li: res = re.match(r'w{3}(\.)\w*\1(com|org|cn)', i) if res: print(res.group()) else: print(f"{i}错误")6.高级用法 6.1 search():扫描整个字符串并返回第一个成功匹配的对象，如果匹配失败，就返回None import re res = re.search('th','pythonth') print(res.group()) #th res = re.search('.','pythonth') print(res.group()) #p res = re.search('.*','pythonth') print(res.group()) #pythonth 6.2 findall():以列表的形式返回整个字符串所有匹配到的字符串（如果匹配失败则返回一个空列表） import re res = re.findall('th','pythonth') print(res) #['th', 'th'] res = re.findall('.','pythonth') print(res) #['p', 'y', 't', 'h', 'o', 'n', 't', 'h'] res = re.findall('.*','pythonth') print(res) #['pythonth', ''] res = re.findall('\d','pythonth') print(res) #[]
总结：
1.match()从开头开始匹配，匹配成功返回match对象，通过group()进行提取，匹配失败就返回None，只匹配一次
2.search()从头到尾匹配，匹配成功就返回第一个匹配成功的对象，通过group进行提取，匹配失败则返回None，只匹配一次
3.findall()从头到尾匹配，匹配成功返回一个列表，匹配所有匹配成功的数据，不需要经过group()进行提取，没有group
6.3 sub():将匹配到的数据进行替换sub(pattern,repl,string,count)
pattern--正则表达式
repl--新内容
string--字符串
count--指替换的次数
import re res = re.sub('world','python','hello world') print(res) #hello python res = re.sub('world','python','hello world world world',2) print(res) #hello python python world res = re.sub('\d','1','今天是28号') print(res) #今天是11号 res = re.sub('\d','1','今天是28号',1) print(res) #今天是18号 6.4 split():根据匹配进行切割字符串，并返回一个列表split(pattern,string,maxsplit)
pattern--正则表达式
string--字符串
maxsplit--指定最大分割次数
没有设置次数就默认全部分割
import re res = re.split(',','good,morning') print(res) #['good', 'morning'] res = re.split('|','good,morning') print(res) #['', 'g', 'o', 'o', 'd', ',', 'm', 'o', 'r', 'n', 'i', 'n', 'g', ''] res = re.split(',','nice,to,meet,you',2) print(res) #['nice', 'to', 'meet,you'] 7.贪婪与非贪婪贪婪匹配：在满足匹配时，匹配尽可能长的字符串，在默认情况下，采用贪婪匹配
非贪婪匹配：在满足匹配时，匹配尽可能短的字符串，使用?来表示非贪婪匹配
import re res = re.match('ing*','inggggggg') print(res.group()) #inggggggg res = re.match('ing*?','inggggggg') print(res.group()) #in res = re.match('g*?','ggggggg') print(res.group()) #None res = re.match('g{1,5}','ggggggg') print(res.group()) #ggggg res = re.match('g{1,5}?','ggggggg') print(res.group()) #g 8.原生字符串Python中，在字符串前面加上r表示原生字符串
正则表达式中匹配自促传中字符\需要\\\\，加上r后只需要\\
import re res = re.match('\\\\','\pdf') print(res.group()) #\ import re res = re.match(r'\\\\',r'\\pdf') print(res.group()) #\\
