前言
正則表示式（Regular Expression），就是具有一定規則的表示式。透過正則表示式引擎，將這些規則轉換為正則表示式物件，然後再去文字中搜索能夠與之匹配的字串。
正則表示式的語法都是一樣的，只是不同程式語言的實現不同，大部分都是師從Perl。
對Perl語言有所瞭解的朋友，學習python正則應該是手到擒來。
正則表示式入門Python中的 re 模組提供了強大的正則表示式功能。
而第三方模組regex提供了與標準庫re模組相容的API介面, 同時還提供了額外的功能和更全面的Unicode支援。
匹配字元大多數字母和字元只會匹配自身，例如：python只會匹配自己，不會匹配Python。
但是有一些字串，它們不表示自身，而是具有一些特殊含義，只能透過\轉義之後才表示自身。
這些字元包括：
. ^ $ * + ? { } [ ] \ | ( ). :
在預設模式中，匹配除換行外所有字元，如果指定了DOTALL標籤，則表示任意字元import re"""re.findall(pattern, string, flags=0)pattern: 匹配規則，字串string: 需要去匹配的字串從左到右進行掃描，匹配按找到的順序返回。如果樣式裡存在一個或多個組，就返回一個組合列表"""re.findall('ab.', 'abc') # Out[1]: ['abc']re.findall('ab.', 'ab\n') # Out[2]: []re.findall('ab.', 'ab\n', re.DOTALL)# Out[3]: ['ab\n']^ :
匹配字串的開頭， 如果是MULTILINE模式，匹配每行開頭(\n之後)的首個符號。在字符集中可表示'非'，[^a]表示除字元a之外的字元。re.findall('^ab', 'abcda\nabddd') # Out[4]: ['ab']re.findall('^ab', 'abcda\nabddd', re.MULTILINE)# Out[5]: ['ab', 'ab']re.findall('[^a]', 'aaa\nbbb')# Out[6]: ['\n', 'b', 'b', 'b']$ :
匹配字串的末尾，或者在字串末尾換行符的前一個字元。在 MULTILINE 模式下匹配每行末尾(\n之前)的字元。re.findall('ab$', 'abcdab\nabdab') # Out[7]: ['ab']# 上面結果中的 ab 是 \n 前面的還是後面的呢？進行如下測試，發現是後面的 ab 被匹配了re.findall('ab.$', 'abcdab1\nabdab2')# Out[8]: ['ab2']# 在 MULTILINE 模式下，兩個都被匹配了re.findall('ab$', 'abcdab\nabdab', re.MULTILINE)# Out[9]: ['ab', 'ab']# 而對 $ 在換行結尾的字串中匹配時，會得到兩個空字元，一個在換行符之前，一個在字串的末尾re.findall('$', 'abcdab1\n')# Out[10]: ['', '']re.findall('ab*', 'a')# Out[11]: ['a']re.findall('ab*', 'ab')# Out[12] ['ab']re.findall('ab*', 'abbbbbbbbbbbbbb')# Out[13] ['abbbbbbbbbbbbbb']+ :
匹配前一個規則1次或無限次re.findall('ab+', 'a')# Out[14]: []re.findall('ab+', 'ab')# Out[15] ['ab']re.findall('ab+', 'abbbbbbbbbbbbbb')# Out[16] ['abbbbbbbbbbbbbb']? :
匹配前一個規則0次或1次re.findall('ab?', 'a')# Out[17]: ['a']re.findall('ab?', 'ab')# Out[18] ['ab']re.findall('ab?', 'abbbbbbbbbbbbbb')# Out[19] ['ab'].?,*?,?? :
.,*,?修飾符都是貪婪的，會盡可能的匹配更多的字串貪婪的我，當然是贊越多越好呀。而在這些修飾符後面加上?，便成了非貪婪模式，會盡可能少的匹配字串re.findall('<.*>', '<a>bcd>')# Out[20] ['<a>bcd>']re.findall('<.*?>', '<a>bcd>')# Out[21] ['<a>']{m} :
指定前面的正則表示式出現的次數，出現次數必須完全一致。re.findall('a{3}', 'aa') # Out[22]: []re.findall('a{3}', 'aaaaa')# Out[23]: ['aaa']{m, n} :
指定前面的正則表示式出現的次數在m~n之間，儘可能多的匹配，匹配的下界是m，上界是n。若預設m，下界為0，若預設n，為不設上界，即無限次。re.findall('a{3, 5}', 'aaaa') # Out[24]: []# 3,5 之間不能新增空格re.findall('a{3,5}', 'aaaa')# Out[25]: ['aaaa']re.findall('a{3,}', 'aaaa')# Out[26]: ['aaaa']re.findall('a{,5}', 'aaaa')# Out[27] ['aaaa', '']{m, n}? :
即非貪婪模式，儘可能少的匹配字串。re.findall('a{3,}?', 'aaaaa')# Out[28] ['aaa']\ :
轉義特殊字元。如'\.'只表示.，而不再是表示任意字元。匹配\字元需要轉義，用\\表示re.findall('\.', 'aa')# Out[29] []re.findall('\.', 'aa.')# Out[30] ['.']re.findall('\\\\ab', '\\abc') # ['\\ab']"""在反覆使用反斜槓的正則中，這會導致大量重複的反斜槓，並使得生成的字串難以理解。解決方案: 使用 Python 的原始字串表示法來表示正則表示式； 'r' 為字首的字串，反斜槓不再表示轉義"""re.findall(r'\\ab', '\\abc') # ['\\ab']re.findall(r'\n', '\n') # ['\n'][ ] :
表示字符集集合。匹配該字元需要轉義\[,\]# 1、單獨列出，匹配 a、b 或 cre.findall('[abc]', 'ab.')# Out[31]: ['a', 'b']"""2、字元範圍：[a-j]: 表示小寫字母 a~j[1-6]:表示數字 1~6轉義: 如 [a\-z] 或者它的位置在首位或者末尾（[-a] 或 [a-]），它就只表示普通字元 '-'。""" re.findall('[a\-z]', '-')# Out[32]: ['-']re.findall('[-a]', '-')# Out[33]: ['-']re.findall('[a-]', '-')# Out[34]: ['-']"""3、特殊字元失去特殊含義 比如 [(+*)] 只會匹配這幾個字元 '(', '+', '*', or ')'。"""re.findall('[(+*)]', '+-*/()')# Out[35] ['+', '*', '(', ')']"""4、字元類 可以使用字元類：\w，\S 等，它們可以匹配的字元由 ASCII 或者 LOCALE 模式決定。"""re.findall('[\w]', 'abfagg-/*-')# Out[36] ['a', 'b', 'f', 'a', 'g', 'g']"""5、取反如果集合首字元是 '^' ，所有不在集合內的字元將會被匹配[^^] 將匹配所有字元，除了 '^'. ^ 如果不在集合首位，就沒有特殊含義。"""# 非 \w 定義的字母re.findall('[^\w]', 'abfagg-/*-')# Out[37] ['-', '/', '*', '-']"""6、匹配字元 ']'兩種方法 加上反斜槓 放到集合首位"""# 加上反斜槓re.findall('\]', 'abc]')# Out[38] [']']# 放到集合首位re.findall('[]{}]', ']abc')# Out[39] [']']| :
或。A|B，匹配正則表示式A或B，A、B可以是任何正則表示式。如果A匹配成功，則不會再匹配B。匹配|字元需要轉義，\|或[|]re.findall('a|b', 'acb')# Out[40] ['a', 'b']re.findall('[|]', 'ab|c')# Out[41] ['|'](...) :
小括號，可以組合表示式，匹配括號內的組合表示式，並標註表示式的開始和結束位置，可用於後續捕獲每對小括號代表一個組合，可以透過\number的方式引用組合，\1表示第一個組合。要匹配字元 ( 或者 ), 用 \( 或 \), 或者放在字元集合裡: [(], [)]。re.findall('a(b+)', 'abbb')# Out[42] ['bbb']。re.findall(r'(b)a\1', 'bab')# Out[43] ['b']