Python教程之字符串和正則表達式，別以為簡單，你真的掌握了？

前言

今天我們為大家講解Python的基礎教程——正則表達式，寫的不好的地方請大家多多指正，共同進步。因文本較多，故先幫大家列一個目錄，如果大家有興趣，可以收藏下慢慢欣賞啊。

目錄

• 字符串
• 瞭解正則表達式
• 正則表達式的語法規則
• 正則表達式相關注解
• Python Re模塊
• 參數flag是匹配模式
• 正則方法詳解

字符串

轉義字符

正則表達式是建立在字符串的基礎上，當需要在字符中使用特殊字符時，python用反斜槓\\轉義字符。

如下表：

<code>轉義字符                描述
​
\\(在行尾時)           續行符
\\\\                  反斜槓符號
\\'                  單引號
\"                  雙引號
\\a                  響鈴
\\b                  退格(Backspace) 

\\e                  轉義
\\000                空
\\n                  換行
\\v                  縱向製表符
\\t                  橫向製表符
\\r                  回車
\\f                  換頁
\\oyy                八進制數yy代表的字符，例如：\\o12代表換行
\\\\xyy                十進制數yy代表的字符，例如：\\\\x0a代表換行
\\other              其它的字符以普通格式輸出，例如：\\w就是\\w，\\.就是\\./<code>

原始字符串

有時我們並不想讓轉義字符生效，我們只想顯示字符串原來的意思，這就要用r和R來定義原始字符串。如：

<code>print(r'\\t\\r')
實際輸出為“\\t\\r”。/<code>

瞭解正則表達式

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

正則表達式是用來匹配字符串非常強大的工具，在其他編程語言中同樣有正則表達式的概念，Python同樣不例外，利用了正則表達式，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。

正則表達式的大致匹配過程是：1.依次拿出表達式和文本中的字符比較，2.如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。3.如果表達式中有量詞或邊界，這個過程會稍微有一些不同。

下圖展示了使用正則表達式進行匹配的流程：

正則表達式的語法規則

下圖列出了Python支持的正則表達式元字符和語法：

正則表達式相關注解

（1）數量詞的貪婪模式與非貪婪模式

正則表達式通常用於在文本中查找匹配的字符串。Python裡數量詞默認是貪婪的（在少數語言裡也可能是默認非貪婪），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符。例如：正則表達式”ab*”如果用於查找”abbbc”，將找到”abbb”。而如果使用非貪婪的數量詞”ab*?”，將找到”a”。

注：我們一般使用非貪婪模式來提取。

（2）反斜槓問題

與大多數編程語言相同，正則表達式裡使用”\\”作為轉義字符，這就可能造成反斜槓困擾。假如你需要匹配文本中的字符”\\”，那麼使用編程語言表示的正則表達式裡將需要4個反斜槓”\\\\”：前兩個和後兩個分別用於在編程語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正則表達式裡轉義成一個反斜槓。

Python裡的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r”\\”表示。同樣，匹配一個數字的”\\d”可以寫成r”\\d”。有了原生字符串，媽媽也不用擔心是不是漏寫了反斜槓，寫出來的表達式也更直觀勒。

這裡一定要注意把正則中的轉義與字符串中的轉義區分。因為正則表達式是字符串，他是先將代碼裡書寫的格式轉變為系統識別的字符串（使用字符串中的轉義），再將系統識別的字符串轉化為系統識別的正則對象（使用正則中的轉義）。

而字符串中的轉義，正則都可以識別，而正則中的轉義字符串不一定識別

例如：.\\n在字符串中只能識別\\n，不能識別.在正則中既可以識別.，又可以識別\\n

代碼示例

<code>import re
text = '.525heart.com\\n'   #在系統中表示為   .525heart.com換行
patternstr = '\\.525heart.com\\n'
#  代碼裡的書寫為   \\.525heart.com\\n
#  系統識別為   \\.525heart.com換行     字符串轉義能識別\\n，但是無法識別\\.就原樣保存
#  正則識別為  .525heart任意字符com換行    正則轉義能識別\\.和.

patternstr = r'\\.525heart.com\\n'
#  代碼裡的書寫為   \\.525heart.com\\n
#  系統識別的字符串為   \\.525heart.com\\n   原樣保存
#  正則識別為  .525heart任意字符com換行   正則轉義能識別\\.和.和\\n

print(patternstr)
pattern = re.compile(patternstr)

result = re.search(pattern,text)
print(result.group())/<code>

輸出結果為：

<code>\\.525heart.com\\n
.525heart.com/<code>

Python Re模塊

Python 自帶了re模塊，它提供了對正則表達式的支持。主要用到的方法列舉如下

<code>#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])/<code>

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

<code>pattern = re.compile(r'hello')/<code>

在參數中我們傳入了原生字符串對象，通過compile方法編譯生成一個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符’|’表示同時生效，比如re.I | re.M。

可選值有：

<code> • re.I(全拼：IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
 • re.M(全拼：MULTILINE): 多行模式，改變'^'和'$'的行為（參見上圖）
 • re.S(全拼：DOTALL): 點任意匹配模式，使'.'可匹配包括\\n在內所有字符 

 • re.L(全拼：LOCALE): 使預定字符類 \\w \\W \\b \\B \\s \\S 取決於當前區域設定
 • re.U(全拼：UNICODE): 使預定字符類 \\w \\W \\b \\B \\s \\S \\d \\D 取決於unicode定義的字符屬性
 • re.X(全拼：VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，並可以加入註釋。/<code>

flags參數可以放在compile用來編譯正則表達式字符串。如：

<code>pattern = re.compile('.*525heart.*',re.S)/<code>

也可以放在匹配查詢函數中，用來編譯正則表達式字符串，如：

<code>result = re.search('.*525heart.*',text,re.S)/<code>

只不過，它只能用來幫助編譯正則表達式字符串，生成正則對象，而不能處理正則對象。如下面的是錯誤的。

<code>pattern = re.compile('.*525heart.*')
result = re.search(pattern,text,re.S)/<code>

正則方法

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。

注：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生成時已經指明瞭flags，那麼在下面的方法中就不需要傳入這個參數了。

這個方法將會從string（我們要匹配的字符串）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符，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

<code># 導入re模塊
import re

# 將正則表達式編譯成Pattern對象，注意hello前面的r的意思是“原生字符串”
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None
result1 = re.match(pattern, 'hello')
result2 = re.match(pattern, 'helloo world!')
result3 = re.match(pattern, 'helo world!')
result4 = re.match(pattern, 'hello world!')

# 如果1匹配成功
if result1:
    # 使用Match獲得分組信息
    print(result1.group())
else:
    print('1匹配失敗！')

# 如果2匹配成功
if result2:
    # 使用Match獲得分組信息
    print(result2.group())
else:
    print('2匹配失敗！') 


# 如果3匹配成功
if result3:
    # 使用Match獲得分組信息
    print(result3.group())
else:
    print('3匹配失敗！')

# 如果4匹配成功
if result4:
    # 使用Match獲得分組信息
    print(result4.group())
else:
    print('4匹配失敗！')/<code>

運行結果

<code>hello
hello
3匹配失敗！
hello/<code>

匹配分析

1.第一個匹配，pattern正則表達式為’hello’，我們匹配的目標字符串string也為hello，從頭至尾完全匹配，匹配成功。

2.第二個匹配，string為helloo world，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 world不再匹配，返回匹配成功的信息。

3.第三個匹配，string為helo world，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。

Match對象的的屬性和方法

re.match函數返回的為Match對象。Match對象是一次匹配的結果，包含了很多關於此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。

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: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。
4. endpos: 文本中正則表達式結束搜索的索引。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符串；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)；沒有截獲字符串的組返回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符串。相當於調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為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（子串第一個字符的索引）。group默認值為0。
5. end([group]):返回指定的組截獲的子串在string中的結束索引（子串最後一個字符的索引+1）。group默認值為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之後是字符’0’，只能使用\\g0。

下面我們用一個例子來體會一下

<code>#一個簡單的match實例

import re
# 匹配如下內容：單詞+空格+單詞+任意字符
m = re.match(r'(\\w+) (\\w+)(?P<sign>.*)', 'hello world!')

print("m.string:", m.string)
print("m.re:", m.re)
print("m.pos:", m.pos)
print("m.endpos:", m.endpos)
print("m.lastindex:", m.lastindex)
print("m.lastgroup:", m.lastgroup)
print("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'))/<sign>/<code> 

輸出結果為：

<code>m.string: hello world!
m.re: re.compile('(\\\\w+) (\\\\w+)(?P<sign>.*)')
m.pos: 0
m.endpos: 12
m.lastindex: 3
m.lastgroup: sign
m.group(): hello world!
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'\\g \\g\\g'): world hello!/<sign>/<code>

（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查找匹配，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

<code># 導入re模塊
import re

# 將正則表達式編譯成Pattern對象
pattern = re.compile(r'world')
# 使用search()查找匹配的子串，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獲得分組信息
    print(match.group())/<code>

輸出結果為

<code>world/<code>

（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。

<code>import re

pattern = re.compile(r'\\d+')
print(re.split(pattern, 'one1two2three3four4'))/<code>

輸出結果為

<code>['one', 'two', 'three', 'four', '']/<code>

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

搜索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

<code>import re

pattern = re.compile(r'\\d+')
print(re.findall(pattern, 'one1two2three3four4'))/<code>

輸出結果為

<code>['1', '2', '3', '4']/<code>

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

搜索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

<code>import re

pattern = re.compile(r'\\d+')
for m in re.finditer(pattern, 'one1two2three3four4'):
    print(m.group(),end=' ')/<code>

輸出結果為

<code>1 2 3 4 /<code>

（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符串。當repl是一個字符串時，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），並返回一個字符串用於替換（返回的字符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。

<code>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))/<code>

輸出結果為

<code>say i, world hello!
I Say, Hello World!/<code>

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

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

<code>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))/<code>

輸出結果為

<code>('say i, world hello!', 2)
('I Say, Hello World!', 2)/<code>

全文內容有點長，如果感覺比較晦澀，小編整理了一些視頻學習資料，大家可以點擊【 】

來欣賞獲取吧！！！

別忘了給小編點個關注啊，謝謝各位大佬！！！

閱讀更多 python全棧工程師 的文章

關鍵字: 字符串 編程語言 Python