7.2.1 创建正则表达式对象

Python所有正则表达式函数都在re模块中， import re 即可。

Regex对象 = re.compile('正则表达式')

>>> import re
>>> phoneRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d') # 电话号码格式 415-555-4343
>>> type(phoneRegex)
<class '_sre.SRE_Pattern'>

7.2.2 匹配Regex对象

Regex对象的search()方法查找传入的字符串，寻找该正则表达式的所有匹配。

如果字符串中没有找到该正则表达式模式，search()方法返回None

如果search()方法找到了匹配模式，返回Match对象。Match对象有个group()方法，该方法返回对应的匹配对象。

注：

推荐向re.compile()中传递原始字符串，否则为了在正则中得到\d，我们需要输入\\d

 1 >>> import re
 2 >>> phoneRegex = re.compile('\d\d\d-\d\d\d-\d\d\d\d') #没有使用原始字符串，也没有转义，但是效果和使用原始字符串相同
 3 >>> mo = phoneRegex.search('my phone number is 333-444-5555')
 4 >>> mo.group()
 5 '333-444-5555'


 6 >>> phoneRegex = re.compile('\\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d')#没有使用原始字符串，但是转义了

 7 >>> mo = phoneRegex.search('my phone number is 333-444-5555')  
 8 >>> mo.group()  
 9 '333-444-5555'  


 10 >>> phoneRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')#使用原始字符串，推荐

11 >>> mo = phoneRegex.search('my phone number is 333-444-5555')
 12 >>> mo.group()
 13 '333-444-5555'


 14 >>> phoneRegex = re.compile(r'\\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d') #使用过原始字符串，同时也是用了转义，无法匹配到333-444-5555

 15 >>> mo = phoneRegex.search('my phone number is 333-444-5555') 
 16 >>> mo.group() 17 Traceback (most recent call last): 
 18 File "<pyshell#179>", line 1, in <module> 19  mo.group() 
 20 AttributeError: 'NoneType' object has no attribute 'group' 
 21 >>> mo = phoneRegex.search('my phone number is \\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d') #只能匹配到 \\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d

 22 >>> mo.group()

 

7.2.3 正则表达式匹配复习

1 用import re导入正则表达式模块
2 用re.compile()函数创建一个Regex对象（记得使用原始字符串）
3 想Regex对象的search()方法传入想要查找的字符串，它返回一个Match对象或None
4 调用Match对象的group()方法，返回实际匹配到的文本字符串

7.3 用正则表达式匹配更多的模式

7.3.1 利用括号分组

在正则表达式中添加括号即可在正则表达式中创建分组。

正则表达式字符串的第一对括号就是第1组，第二队括号就是第2组。向group()匹配对象方法传入参数 1 或 2， 就可以取得匹配文本的不同部分。

向group()方法中传入0或不传参数，将返回整个匹配的文本。

如果想一次返回所有的分组，使用groups() 方法，该方法返回的是多个分组组成的元组。可以使用多重赋值:  areaCode, mainNum = mo.groups()

 1 >>> import re
 2 >>> phoneRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
 3 >>> mo = phoneRegex.search('my phone number is 444-555-6666')
 4 >>> mo.group(1)
 5 '444'
 6 >>> mo.group(2)
 7 '555-6666'
 8 >>> mo.group()
 9 '444-555-6666'
10 >>> mo.group(0)
11 '444-555-6666'
12 >>> areaCode = mo.group(1) # 分组赋值
13 >>> mainNumber = mo.group(2)# 分组赋值

14 >>> areaCode, mainNum
('444', '555-6666')

　15 >>> mo.groups()
   ('444', '555-6666')

因为括号在正则表达式中有特殊含义，如果需要匹配文本中的括号，需要使用转义字符。

1 >>> import re
2 >>> phoneRegex = re.compile(r'(\(\d\d\d)\) (\d\d\d-\d\d\d\d)') #正则表达式中的括号需要转义
3 >>> mo = phoneRegex.search('my phone number is (444) 555-6666')
4 >>> mo.group()
5 '(444) 555-6666'

7.3.2 用管道符匹配多个分组

希望匹配多个正则表达式中的一个时，可以使用此方法。

1 >>> import re
2 >>> heroRegex = re.compile(r'Batman|Tina Fey')
3 >>> mo = heroRegex.search('they are Batman and Tina Fey')
4 >>> mo.group()#返回第一次出现的匹配文本

7.3.3 用问号实现可选匹配（0 或 1次）

1 batRegex = re.compile(r'Bat(wo)?man')
2 模式wo是可选分组，在该正则表达式匹配的文本中，wo可出现0或1次
3 该正则即可匹配Batman，也可匹配Batwoman

7.3.4 用星号匹配0或多次

星号之前的分组，可在文本中出现任意次数。

7.3.5 用加号匹配1次或多次

加号之前的分组内容，至少出现1次

7.3.6 用花括号匹配特定次数

{ha}{3}:ha反复出现3次 可被匹配

{ha}{3,5}:ha反复出现3或4或5次 可被匹配

{ha}{,3}:ha出现0或1或2或3次 可被匹配

{ha}{3,}:ha出现3次以上 可被匹配

7.4 贪心和非贪心匹配

Python的正则表达式默认是 贪心 匹配，即 会尽可能匹配最长的字符串

1 >>> import re
2 >>> greedyRegex = re.compile(r'(ha){3,5}')
3 >>> mo = greedyRegex.search('hahahahahaha')
4 >>> mo.group()
5 'hahahahaha' # 贪心匹配的结果

1 >>> import re
2 >>> nongreedyRegex = re.compile(r'(ha){3,5}?')#非贪心匹配，需要在分组后面加上 ？
3 >>> mo = nongreedyRegex.search('my name is hahahahaha')
4 >>> mo.group()
'hahaha'

注：问号在正则表达式中有两种角色：

• 声明非贪婪匹配
• 表示可选分组

7.5 findall()方法

findall()方法在Regex对象上调用

返回的不是Match对象，而是字符串列表或者字符串元组列表

 1 >>> import re
 2 
 3 >>> phoneRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d') #无分组的正则表达式
 4 >>> matchStrList = phoneRegex.findall('my celephone number is 333-444-5555, and my work number is 666-777-8888')
 5 >>> matchStrList
 6 ['333-444-5555', '666-777-8888']#findall返回的是字符串列表
 7 
 8 >>> phoneRegexGroup = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)')#有分组的正则表达式
 9 >>> phoneRegexGroup.findall('my celephone number is 333-444-5555, and my work number is 666-777-8888')
10 [('333', '444', '5555'), ('666', '777', '8888')]#findall返回的是 字符串元组的列表

7.6 字符串分类

缩写分类               表示          　　 　　　　　　　　　　 备注
　\d　　　　　　　　0-9任何数字　　　　　　　　　　　　　　　　相当于(0|1|2|3|$|5|6|7|8|9)
  \D　　　　　　　　除0到9数字之外的任何字符
  \w 　　　　　　　任何 字母、数字、下划线　　　　　　 　　　　可以认为是在匹配单词
  \W             除 字母、数字、下划线之外的任何字符
  \s             匹配空格、制表符、换行符　　　　　　　　　　可以认为是匹配 空白
  \S　　　　　　　  除空格、制表符、换行符以外的任何字符

7.7 建立自己的字符分类

有时相匹配一组字符串，但是缩写的字符分类(\d \w \s)太宽泛，此时，你可以通过[]方括号建立自己的正则分类。

比如，字符分类[aeiouAEIOU]匹配所有的元音字母，不论大小写。

也可使用短横线-表示字母或数字范围。如，[a-zA-Z0-9]表示匹配所有大小写字母和数字

注：在方括号内，普通的正则表达式符号不会被解释，即 不需要在前面加上\ . * ? () 等 正则表达式符号。

如果想匹配0到5和一个句点和一个*, 如下所示：（方括号内的任意字符均可能被匹配）

匹配 . 和 *  也不需要在方括号内部加上 \ 来转义。

 

 

 通过在自定义字符分类的左方括号后加上一个插入字符(^)，表示 非字符类，即 匹配该自定义分类之外的其他字符。如：

[^aeiouAEIOU]表示匹配所有非元音字符。

7.8 插入字符(^)和美元字符($)

正则表达式开始处的插入字符(^)，表示待匹配字符串必须以该正则表达式模式开始

正则表达式结束处的美元字符($)，表示待匹配字符串必须以该正在表达式模式结束

r'^\d$'：该正则匹配以数字开头和结束的字符串。

7.9 通配符

句点(.) 表示 通配符，可以匹配除 换行符 之外的所有其他字符。

7.9.1 用点-星匹配所有字符

点-星(.*)：默认使用 贪心匹配模式，(.*?) 非贪心匹配模式

7.9.2 使用句点匹配换行符

 1 >>> newLineRegex = re.compile(r'.*',re.DOTALL) #可以匹配到所有的文本，包括换行符
 2 >>> newLineRegex.search('serve the pulic trust.\nprotect the innocnet')
 3 >>> mo = newLineRegex.search('serve the pulic trust.\nprotect the innocnet')
 4 >>> mo.group()
 5 'serve the pulic trust.\nprotect the innocnet'
 6 
 7 >>> noNewLineRegex = re.compile('.*') #可以匹配到换行符之前的文本
 8 >>> mo = noNewLineRegex.search('serve the pulic trust.\nprotect the innocnet')
 9 >>> mo.group()
10 'serve the pulic trust.'

7.10 正则表达式复习

 

 7.11 不区分大小写的匹配

regex = re.compile(r'正则表达式', re.I)， re.I 也可以写成 re.IGNORECASE

7.12 用sub()方法替换字符串

通过sub()方法可以用新的字符串替换匹配到的模式

1 >>> import re
2 >>> namesRegex= re.compile(r'Agent \w+')
3 >>> line = 'Agent Alice gave the secret documents to Agent Bob'
4 >>> lineSub = namesRegex.sub('CENSORED', line)
5 >>> lineSub #lineSub变为新的内容，但是line是没有改变的，line是字符串，无法改变
6 'CENSORED gave the secret documents to CENSORED'

7.13 管理复杂的正则表达式

复杂的正则表达式不好阅读和管理，为了解决这个问题，可以使用 三重引号 + re.VERBOSE解决， 如下的E-Mail地址正则表达式：

emailRegex = re.compile(r"""(
[a-zA-Z0-9._%+-]+　　　　　　# 匹配用户名，可以为大小写字母、数字、.、_、%、+、- 等, 至少一次
@　　　　　　　　　　　　　　　 # @ 符号
[a-zA-Z0-9.-]+　　　　　　　 # 域名，可以为大小写字母、数字、.、-，至少一次
(\.[a-zA-Z]{2,4})　　　　　 # 不一定是.com, 可以是.anything
)""", re.VERBOSE)