Python中Regex的詳細教程

1.瞭解Regex

Regex是對字串操作的一種邏輯公式，就是用事先定義好的一些特定字元、及這些特定字元的組合，組成一個“規則字串”，這個“規則字串”用來表達對字串的一種過濾邏輯。

Regex是用來匹配字串非常強大的工具，在其他程式設計語言中同樣有Regex的概念，Python同樣不例外，利用了Regex，我們想要從返回的頁面內容提取出我們想要的內容就易如反掌了。

Regex的大致匹配過程是：
1.依次拿出運算式和文本中的字元比較，
2.如果每一個字元都能匹配，則匹配成功；一旦有匹配不成功的字元則匹配失敗。
3.如果運算式中有量詞或邊界，這個過程會稍微有一些不同。

2.Regex的文法規則

下面是Python中Regex的一些匹配規則，圖片資料來自CSDN

3.Regex相關註解
（1）數量詞的貪婪模式與非貪婪模式

Regex通常用於在文本中尋找匹配的字串。Python裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配儘可能多的字 符；非貪婪的則相反，總是嘗試匹配儘可能少的字元。例如：Regex”ab*”如果用於尋找”abbbc”，將找到”abbb”。而如果使用非貪婪的數量 詞”ab*?”，將找到”a”。

註：我們一般使用非貪婪模式來提取。
（2）反斜線問題

與大多數程式設計語言相 同，Regex裡使用”\”作為逸出字元，這就可能造成反斜線困擾。假如你需要匹配文本中的字元”\”，那麼使用程式設計語言表示的Regex裡將需要4個反 斜杠”\\\\”：前兩個和後兩個分別用於在程式設計語言裡轉義成反斜線，轉換成兩個反斜線後再在Regex裡轉義成一個反斜線。

Python裡的原生字串很好地解決了這個問題，這個例子中的Regex可以使用r”\\”表示。同樣，匹配一個數位”\\d”可以寫成r”\d”。有了原生字串，媽媽也不用擔心是不是漏寫了反斜線，寫出來的運算式也更直觀勒。
4.Python Re模組

Python 內建了re模組，它提供了對Regex的支援。主要用到的方法列舉如下

#返回pattern對象re.compile(string[,flag]) #以下為匹配所用函數re.match(pattern, string[, flags])re.search(pattern, string[, flags])re.split(pattern, string[, maxsplit])re.findall(pattern, string[, flags])re.finditer(pattern, string[, flags])re.sub(pattern, repl, string[, count])re.subn(pattern, repl, string[, count])

在介紹這幾個方法之前，我們先來介紹一下pattern的概念，pattern可以理解為一個匹配模式，那麼我們怎麼獲得這個匹配模式呢？很簡單，我們需要利用re.compile方法就可以。例如

pattern = re.compile(r'hello')

在參數中我們傳入了原生字串對象，通過compile方法編譯產生一個pattern對象，然後我們利用這個對象來進行進一步的匹配。

另外大家可能注意到了另一個參數 flags，在這裡解釋一下這個參數的含義：

參數flag是匹配模式，取值可以使用按位或運算子'|'表示同時生效，比如re.I | re.M。

可選值有：

• ? re.I(全拼：IGNORECASE): 忽略大小寫（括弧內是完整寫法，下同）
• ? re.M(全拼：MULTILINE): 多行模式，改變'^'和'$'的行為（參見）
• ? re.S(全拼：DOTALL): 點任意匹配模式，改變'.'的行為
• ? re.L(全拼：LOCALE): 使預定字元類 \w \W \b \B \s \S 取決於目前範圍設定
• ? re.U(全拼：UNICODE): 使預定字元類 \w \W \b \B \s \S \d \D 取決於unicode定義的字元屬性
• ? re.X(全拼：VERBOSE): 詳細模式。這個模式下Regex可以是多行，忽略空白字元，並可以加入注釋。

在剛才所說的另外幾個方法例如 re.match 裡我們就需要用到這個pattern了，下面我們一一介紹。

註：以下七個方法中的flags同樣是代表匹配模式的意思，如果在pattern產生時已經指明了flags，那麼在下面的方法中就不需要傳入這個參數了。

（1）re.match(pattern, string[, flags])

這個方法將會從string（我們要匹配的字串）的開頭開始，嘗試匹配pattern，一直向後匹配，如果遇到無法匹配的字元，立即返回 None，如果匹配未結束已經到達string的末尾，也會返回None。兩個結果均表示匹配失敗，否則匹配pattern成功，同時匹配終止，不再對 string向後匹配。下面我們通過一個例子理解一下

__author__ = 'CQC'# -*- coding: utf-8 -*- #匯入re模組import re # 將Regex編譯成Pattern對象，注意hello前面的r的意思是“原生字串”pattern = re.compile(r'hello') # 使用re.match匹配文本，獲得匹配結果，無法匹配時將返回Noneresult1 = re.match(pattern,'hello')result2 = re.match(pattern,'helloo CQC!')result3 = re.match(pattern,'helo CQC!')result4 = re.match(pattern,'hello CQC!') #如果1匹配成功if result1:  # 使用Match獲得分組資訊  print result1.group()else:  print '1匹配失敗！' #如果2匹配成功if result2:  # 使用Match獲得分組資訊  print result2.group()else:  print '2匹配失敗！' #如果3匹配成功if result3:  # 使用Match獲得分組資訊  print result3.group()else:  print '3匹配失敗！' #如果4匹配成功if result4:  # 使用Match獲得分組資訊  print result4.group()else:  print '4匹配失敗！'

運行結果

hellohello3匹配失敗！hello

匹配分析

1.第一個匹配，patternRegex為'hello'，我們匹配的目標字串string也為hello，從頭至尾完全符合，匹配成功。

2.第二個匹配，string為helloo CQC，從string頭開始匹配pattern完全可以匹配，pattern匹配結束，同時匹配終止，後面的o CQC不再匹配，返回匹配成功的資訊。

3.第三個匹配，string為helo CQC，從string頭開始匹配pattern，發現到 ‘o' 時無法完成匹配，匹配終止，返回None

4.第四個匹配，同第二個匹配原理，即使遇到了空格符也不會受影響。

我們還看到最後列印出了result.group()，這個是什麼意思呢？下面我們說一下關於match對象的的屬性和方法
Match對象是一次匹配的結果，包含了很多關於此次匹配的資訊，可以使用Match提供的可讀屬性或方法來擷取這些資訊。

屬性：
1.string: 匹配時使用的文本。
2.re: 匹配時使用的Pattern對象。
3.pos: 文本中Regex開始搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。
4.endpos: 文本中Regex結束搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。
5.lastindex: 最後一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組，將為None。
6.lastgroup: 最後一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

方法：
1.group([group1, …]):
獲得一個或多個分組截獲的字串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，返回group(0)；沒有截獲字串的組返回None；截獲了多次的組返回最後一次截獲的子串。
2.groups([default]):
以元組形式返回全部分組截獲的字串。相當於調用group(1,2,…last)。default表示沒有截獲字串的組以這個值替代，預設為None。
3.groupdict([default]):
返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。
4.start([group]):
返回指定的組截獲的子串在string中的起始索引（子串第一個字元的索引）。group預設值為0。
5.end([group]):
返回指定的組截獲的子串在string中的結束索引（子串最後一個字元的索引+1）。group預設值為0。
6.span([group]):
返回(start(group), end(group))。
7.expand(template):
將匹配到的分組代入template中然後返回。template中可以使用\id或\g、\g引用分組，但不能使用編號0。\id與\g是等價的；但\10將被認為是第10個分組，如果你想表達\1之後是字元'0'，只能使用\g0。

下面我們用一個例子來體會一下

# -*- coding: utf-8 -*-#一個簡單的match執行個體 import re# 匹配如下內容：單詞+空格+單詞+任一字元m = re.match(r'(\w+) (\w+)(?P.*)', 'hello world!') print "m.string:", m.stringprint "m.re:", m.reprint "m.pos:", m.posprint "m.endpos:", m.endposprint "m.lastindex:", m.lastindexprint "m.lastgroup:", m.lastgroupprint "m.group():", m.group()print "m.group(1,2):", m.group(1, 2)print "m.groups():", m.groups()print "m.groupdict():", m.groupdict()print "m.start(2):", m.start(2)print "m.end(2):", m.end(2)print "m.span(2):", m.span(2)print r"m.expand(r'\g \g\g'):", m.expand(r'\2 \1\3') ### output #### m.string: hello world!# m.re: # m.pos: 0# m.endpos: 12# m.lastindex: 3# m.lastgroup: sign# m.group(1,2): ('hello', 'world')# m.groups(): ('hello', 'world', '!')# m.groupdict(): {'sign': '!'}# m.start(2): 6# m.end(2): 11# m.span(2): (6, 11)# m.expand(r'\2 \1\3'): world hello!

（2）re.search(pattern, string[, flags])

search方法與match方法極其類似，區別在於match()函數只檢測re是不是在string的開始位置匹配，search()會掃描整個string尋找匹配，match（）只有在0位置匹配成功的話才有返回，如果不是開始位置匹配成功的話，match()就返回None。同樣，search方法的返回對象同樣match()返回對象的方法和屬性。我們用一個例子感受一下

#匯入re模組import re # 將Regex編譯成Pattern對象pattern = re.compile(r'world')# 使用search()尋找匹配的子串，不存在能匹配的子串時將返回None# 這個例子中使用match()無法成功匹配match = re.search(pattern,'hello world!')if match:  # 使用Match獲得分組資訊  print match.group()### 輸出 #### world

（3）re.split(pattern, string[, maxsplit])

按照能夠匹配的子串將string分割後返回列表。maxsplit用於指定最大分割次數，不指定將全部分割。我們通過下面的例子感受一下。

import re pattern = re.compile(r'\d+')print re.split(pattern,'one1two2three3four4') ### 輸出 #### ['one', 'two', 'three', 'four', '']

（4）re.findall(pattern, string[, flags])

搜尋string，以列表形式返回全部能匹配的子串。我們通過這個例子來感受一下 import re pattern = re.compile(r'\d+')print re.findall(pattern,'one1two2three3four4') ### 輸出 #### ['1', '2', '3', '4']

（5）re.finditer(pattern, string[, flags])

搜尋string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。我們通過下面的例子來感受一下

import re pattern = re.compile(r'\d+')for m in re.finditer(pattern,'one1two2three3four4'):  print m.group(), ### 輸出 #### 1 2 3 4

（6）re.sub(pattern, repl, string[, count])

使用repl替換string中每一個匹配的子串後返回替換後的字串。
當repl是一個字串時，可以使用\id或\g、\g引用分組，但不能使用編號0。
當repl是一個方法時，這個方法應當只接受一個參數（Match對象），並返回一個字串用於替換（返回的字串中不能再引用分組）。
count用於指定最多替換次數，不指定時全部替換。

import re pattern = re.compile(r'(\w+) (\w+)')s = 'i say, hello world!' print re.sub(pattern,r'\2 \1', s) def func(m):  return m.group(1).title() + ' ' + m.group(2).title() print re.sub(pattern,func, s) ### output #### say i, world hello!# I Say, Hello World!

（7）re.subn(pattern, repl, string[, count])

返回 (sub(repl, string[, count]), 替換次數)。

import re pattern = re.compile(r'(\w+) (\w+)')s = 'i say, hello world!' print re.subn(pattern,r'\2 \1', s) def func(m):  return m.group(1).title() + ' ' + m.group(2).title() print re.subn(pattern,func, s) ### output #### ('say i, world hello!', 2)# ('I Say, Hello World!', 2)

5.Python Re模組的另一種使用方式

在上面我們介紹了7個工具方法，例如match，search等等，不過調用方式都是 re.match，re.search的方式，其實還有另外一種調用方式，可以通過pattern.match，pattern.search調用，這樣 調用便不用將pattern作為第一個參數傳入了，大家想怎樣調用皆可。

函數API列表

match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])split(string[, maxsplit]) | re.split(pattern, string[, maxsplit])findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags])finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags])sub(repl, string[, count]) | re.sub(pattern, repl, string[, count])subn(repl, string[, count]) |re.sub(pattern, repl, string[, count])

具體的調用方法不必詳說了，原理都類似，只是參數的變化不同。小夥伴們嘗試一下吧~

小夥伴們加油，即使這一節看得雲裡霧裡的也沒關係，接下來我們會通過一些實戰例子來協助大家熟練掌握Regex的。

