作者：極光

來源：Python 技術(shù)

正則表達式相信大家應(yīng)該都不陌生，本質(zhì)上就是一種微小的、高度專業(yè)化的編程語言，使用它你可以為要匹配的可能字符串集指定規(guī)則。大多數(shù)編程語言正則語法基本相似，只是實現(xiàn)正則的函數(shù)庫不同，今天就來跟大家一起了解下 Python 支持正則表達式的函數(shù)。

簡單應(yīng)用

正則最簡單的應(yīng)用，就是對字符串進行操作，用來找出想要匹配的字符串，比如 Python 就只會匹配字符串 Python ，當(dāng)然也可以設(shè)置不區(qū)分大小寫，這樣就可以匹配更多，比如 python、pyThon等。

如果還想來點復(fù)雜的匹配要怎么做，這就需要用到元字符了，下面就是所有的元字符：

// 元字符 [ ] ( ) . ^ $ * + ? { }   |

元字符 [ ]

這一對元字符主要用于指定字符類，也就是你想要匹配的一組字符。

比如：[asd] 就是要匹配任何字符 a, s, d，但如果想匹配 a b c d e …… x y z 是不是要把所有的都寫一遍？當(dāng)然不是了，這個我們可以寫成 [a-z] 就行了，- 就是用來表示一個范圍，再比如表示數(shù)字 1 至 9，可以寫成 [1-9] 。

上面說的是包含的字符范圍，如果想匹配不包含的范圍要怎么做？這就要用到元字符 ^，比如匹配除了 n, u, 3 之外的字符，可以寫成 [^nu3]。

還有一點需要注意，在 [ ] 中的元字符會作為普通字符匹配，比如 [$+] 就會匹配 $, +。

最后說下元字符 ，它的意義是用于轉(zhuǎn)義所有元字符，也就是去掉元字符的特殊性，比如 {$\，其實就是匹配字串 {, $, 。

特殊字符類

上面說了 [a-z] 可以匹配所有小寫字母，[0-9] 用來匹配所有數(shù)字，這樣已經(jīng)夠簡單了，還有更簡單的幾種特殊范圍表達方式。

字符說明.匹配除 "n" 之外的任何單個字符。要匹配包括 'n' 在內(nèi)的任何字符，請使用象 '[.n]' 的模式。d相當(dāng)于[0-9]，即匹配一個數(shù)字字符。D相當(dāng)于[^0-9],即匹配一個非數(shù)字字符。s相當(dāng)于[fnrtv]，也就是匹配任何空白字符，包括空格、制表符、換頁符等等。S相當(dāng)于[^fnrtv]，匹配任何非空白字符。w相當(dāng)于[a-zA-Z0-9_]，匹配任何字母與數(shù)字字符。W相當(dāng)于[^a-zA-Z0-9_]，匹配任何非字母與數(shù)字字符。

上面這些特殊序列可以包含在字符類中，比如 [sd,] 即匹配任何空白字符，數(shù)字和 ,。

重復(fù)匹配 * + ？{m,n}

只是做到匹配字符串集合，肯定是不夠的，它還有個更大的優(yōu)勢，那就是可以指定某一部分字符是重復(fù)的，并且可以指定重復(fù)的次數(shù)。

先說第一個表示重復(fù)的元字符 *，它用來指定前面一個字符可以重復(fù)0次或者多次。

比如 ap*le 將會匹配 apple,appple,ale 等等。

這里當(dāng)重復(fù)正則時，匹配引擎會嘗試盡可能多的重復(fù)它。當(dāng)發(fā)現(xiàn)模式的后續(xù)部分不匹配，則匹配引擎將會回退并以較少的重復(fù)次數(shù)再次嘗試。

另一個重復(fù)的元字符 +，它用來表示前一個字符可重復(fù)1次或多次。它跟 * 相比，其實就是少了一個重復(fù)0次，也就是上面 ap*le 換成 ap+le 不會出現(xiàn)匹配到 ale。

第三個元字符就是 ?，它用來表示前一個字符可重復(fù)0次或1次，把上面的例子換成 ap?le，其實就是兩個字符串 ale 或 aple。

最后一個復(fù)雜些就是 {m,n}，這個表示前一個字符可重復(fù)次數(shù)是一個區(qū)間，也就是最少重復(fù)m次，最多重復(fù)n次。

例如 ap{2,3}le將會匹配 apple,appple 兩個字符串，其他都不會匹配。

在這里需要注意下，m 需要小于 n,當(dāng)然 m 或 n 也是可以省略的。比如當(dāng) m=0 時，可以省略 m，當(dāng) n 為無窮大時，也可以省略 n。

如何使用？分兩步

1. 編譯

對！你沒看錯，如果想使用正則表達式，首先得要把它編譯成模式對象。編譯成對象后，它就可以使用各種操作方法了，比如字串匹配查詢或替換等。

Python 編譯的方法是 re.compile('正則表達式')，比如 re.compile('ap?le')。

當(dāng)然也可以傳一些特殊的參數(shù)，比如忽略大小寫，那上面的編譯方法就可以寫成 re.compile('ap?le', re.IGNORECASE)，這樣在匹配字串時就可以忽略大小寫了。

那除了這個還有別的參數(shù)嗎？有，下面我把一部分常用的參數(shù)列出來，對了參數(shù)還可以簡寫，比如剛才使用的 re.IGNORECASE 可以簡寫成 re.I，這樣就方便多了。

以下是常用編譯參數(shù)：

參數(shù)簡寫說明IGNORECASEI忽略大小寫ASCIIA使幾個轉(zhuǎn)義(w、b、s和d)匹配僅與具有相應(yīng)特征屬性的 ASCII 字符匹配DOTALLS使 . 匹配任何字符，包括換行符LOCALEL進行區(qū)域設(shè)置感知匹配MULTILINEM多行匹配，影響 ^ 和 $VERBOSEX忽略正則字符串中的空格，除非空格位于字符類中或前面帶有未轉(zhuǎn)義的反斜杠，可以組織和縮進，還可以寫注釋

大部分都容易理解，只是最后一個參數(shù) VERBOSE 可能不太容易理解，這里給大家個官方的例子看下就理解了。

test = re.compile(r"""
 &[#]                # 數(shù)字開始部分
 (
     0[0-7]+         # 八進制
   | [0-9]+          # 小數(shù)形式
   | x[0-9a-fA-F]+   # 十六進制
 )
 ;                   # 結(jié)束分號
""", re.VERBOSE)

1. 查找匹配

其實上面說的編譯都只是在做準(zhǔn)備，準(zhǔn)備接下來要介紹的，正則表達式最重要的查詢匹配。

常用匹配方法：

• match()：當(dāng)是從字符串的開頭開始匹配時使用，如匹配不上返回None；
• search()：通過掃描字符串，來匹配字符串任意位置，如匹配不上返回None；
• findall()：這個方法返回的是個列表，即所有匹配上的字符串列表；
• finditer()：這個和 findall() 相同，只是不是返回列表，而是一個 iterator。

上面這些方法，如果匹配成功，會返回一個對象實例，其中包含匹配相關(guān)的信息：起始和終結(jié)位置、匹配的子串以及其它信息。

// 示例代碼
import re
ret = re.compile('[0-9]+') 
ret.match("apple")    // 返回 None   
ret.match("12189")   // 返回 <re.Match object; span=(0, 5), match='12189'>
ret.match("121ab")   // 返回 <re.Match object; span=(0, 3), match='121'>

總結(jié)

好了，今天我們簡單介紹了下正則表達式，以及在 Python 中如何使用正則表達式，其實以上這些只是基礎(chǔ)，后續(xù)還會為大家介紹更多。