Python 正则表达式总结

元字符及其说明

元字符	说明
.	匹配任意字符（换行符\n除外）
\	转义字符
[… ]	字符集，对应位置可以是字符集中任意字符
\d	数字：[0-9]
\D	非数字：[^\d]
\s	空白字符：[\t\r\n\f\v<空格>]
\S	非空白字符：[^\s]
\w	单词字符：[a-zA-Z0-9]
\W	非单词字符：[^\w]

元字符	说明
+	匹配前一个字符至少1次
?	匹配前一个字符0/1次
{m}	匹配前一个字符m次
{m,n}	匹配前一个字符m至n次
^	匹配字符串开头
$	匹配字符串结尾
*	匹配一个字符任意多次包括0次
(…)	表达式分组
\	引用编号为number的分组匹配到字符串

在 Python 中，可以利用内置的 re 模块来使用正则表达式。在因为 Python 中\也用转义，因此使用 Python的原始字符串，加前缀r``。

常用函数

compile函数
match函数
search函数
findall函数
finditer函数
split函数
sub函数
subn函数

re 模块的一般使用步骤如下：

使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象
通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）
最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作

complie函数

compile 函数用于编译正则表达式，生成一个 pattern 对象，函数如下

1	re.compile(pattern[,flag])

其中，pattern 是一个字符串形式的正则表达式，flag 是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等。

match函数

match 函数用于查找字符串，它是一次匹配，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果。函数如下：

1	match(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。因此，当你不指定 pos 和 endpos 时，match 方法默认匹配字符串的头部。

当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。

search 函数

search 用于查找字符串的任何位置，它也是一次匹配，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果，它的一般使用形式如下：

1	search(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。

当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。

findall 函数

上面的 match 和 search 都是一次匹配，只要找到了一个匹配的结果就返回。然而，在大多数时候，我们需要搜索整个字符串，获得所有匹配的结果。

findall 方法的使用形式如下：

1	findall(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。

findall 以列表形式返回全部能匹配的子串，如果没有匹配，则返回一个空列表。

finditer 函数

finditer 与 findall 类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果（Match 对象）的迭代器。

split 函数

split 函数按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

1	split(string[, maxsplit])

其中，maxsplit 用于指定最大分割次数，不指定将全部分割。

sub 函数

sub 函数用于替换。它的使用形式如下：

1	sub(repl, string[, count])

其中，repl 可以是字符串也可以是一个函数：

如果 repl 是字符串，则会使用 repl 去替换字符串每一个匹配的子串，并返回替换后的字符串，另外，repl 还可以使用 \id 的形式来引用分组，但不能使用编号 0；
如果 repl 是函数，这个方法应当只接受一个参数（Match 对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。

count 用于指定最多替换次数，不指定时全部替换。

subn 函数

subn 函数与 sub 类似，也用于替换。它的使用形式如下：

1	subn(repl, string[, count])

它返回一个元组：

1	(sub(repl, string[, count]), 替换次数)

元组有两个元素，第一个元素是使用 sub 方法的结果，第二个元素返回原字符串被替换的次数。

事实上，也可以不使用 compile 函数生成的 Pattern 对象，直接使用match，search等函数。如果一个正则表达式需要用到多次，考虑到效率，应该使用Pattern对象。

参考资料

Python 正则表达式 re 模块