Python RegEx

RegEx 或正则表达式是形成搜索模式的字符序列。

RegEx 可用于检查字符串是否包含指定的搜索模式。

---

RegEx 模块

Python 提供名为 re 的内置包，可用于处理正则表达式。

导入 re 模块：

import re

---

Python 中的 RegEx

导入 re 模块后，就可以开始使用正则表达式了：

检索字符串以查看它是否以 "China" 开头并以 "country" 结尾：

import re
txt = "China is a great country"
x = re.search("^China.*country$", txt)
if (x):
  print("YES! We have a match!")
else:
  print("No match")

---

RegEx 函数

re 模块提供了一组函数，允许我们检索字符串以进行匹配：

函数	描述
findall	返回包含所有匹配项的列表
search	如果字符串中的任意位置存在匹配，则返回 Match 对象
split	返回在每次匹配时拆分字符串的列表
sub	用字符串替换一个或多个匹配项

---

元字符

元字符是具有特殊含义的字符：

字符	描述	示例	TIY
[]	一组字符	"[a-m]"	试一试
\	示意特殊序列（也可用于转义特殊字符）	"\d"	试一试
.	任何字符（换行符除外）	"he..o"	试一试
^	起始于	"^hello"	试一试
$	结束于	"world$"	试一试
*	零次或多次出现	"aix*"	试一试
+	一次或多次出现	"aix+"	试一试
{}	确切地指定的出现次数	"al{2}"	试一试
|	两者任一	"falls|stays"	试一试
()	捕获和分组

---

特殊序列

特殊序列指的是 \ 后跟下表中的某个字符，拥有特殊含义：

字符	描述	示例	TIY
\A	如果指定的字符位于字符串的开头，则返回匹配项	"\AThe"	试一试
\b	返回指定字符位于单词的开头或末尾的匹配项	r"\bain" r"ain\b"	试一试 试一试
\B	返回指定字符存在的匹配项，但不在单词的开头（或结尾处）	r"\Bain" r"ain\B"	试一试 试一试
\d	返回字符串包含数字的匹配项（数字 0-9）	"\d"	试一试
\D	返回字符串不包含数字的匹配项	"\D"	试一试
\s	返回字符串包含空白字符的匹配项	"\s"	试一试
\S	返回字符串不包含空白字符的匹配项	"\S"	试一试
\w	返回一个匹配项，其中字符串包含任何单词字符（从 a 到 Z 的字符，从 0 到 9 的数字和下划线 _ 字符）	"\w"	试一试
\W	返回一个匹配项，其中字符串不包含任何单词字符	"\W"	试一试
\Z	如果指定的字符位于字符串的末尾，则返回匹配项	"Spain\Z"	试一试

---

集合（Set）

集合（Set）是一对方括号 [] 内的一组字符，具有特殊含义：

集合	描述	试一试
[arn]	返回一个匹配项，其中存在指定字符（a，r 或 n）之一	试一试
[a-n]	返回字母顺序 a 和 n 之间的任意小写字符匹配项	试一试
[^arn]	返回除 a、r 和 n 之外的任意字符的匹配项	试一试
[0123]	返回存在任何指定数字（0、1、2 或 3）的匹配项	试一试
[0-9]	返回 0 与 9 之间任意数字的匹配	试一试
[0-5][0-9]	返回介于 0 到 9 之间的任何数字的匹配项	试一试
[a-zA-Z]	返回字母顺序 a 和 z 之间的任何字符的匹配，小写或大写	试一试
[+]	在集合中，+、*、.、|、()、$、{} 没有特殊含义，因此 [+] 表示：返回字符串中任何 + 字符的匹配项	试一试

---

findall() 函数

findall() 函数返回包含所有匹配项的列表。

打印所有匹配的列表：

import re
#Return a list containing every occurrence of "ai":
str = "China is a great country"
x = re.findall("a", str)
print(x)

这个列表以被找到的顺序包含匹配项。

如果未找到匹配项，则返回空列表：

如果未找到匹配，则返回空列表：

import re
str = "China is a great country"
#Check if "USA" is in the string:
x = re.findall("USA", str)
print(x)
if (x):
  print("Yes, there is at least one match!")
else:
  print("No match")

---

search() 函数

search() 函数搜索字符串中的匹配项，如果存在匹配则返回 Match 对象。

如果有多个匹配，则仅返回首个匹配项：

在字符串中搜索第一个空白字符：

import re
str = "China is a great country"
x = re.search("\s", str)
print("The first white-space character is located in position:", x.start())

如果未找到匹配，则返回值 None：

进行不返回匹配的检索：

import re
str = "China is a great country"
x = re.search("USA", str)
print(x)

---

split() 函数

split() 函数返回一个列表，其中字符串在每次匹配时被拆分：

在每个空白字符处进行拆分：

import re
str = "China is a great country"
x = re.split("\s", str)
print(x)

您可以通过指定 maxsplit 参数来控制出现次数：

仅在首次出现时拆分字符串：

import re
str = "China is a great country"
x = re.split("\s", str, 1)
print(x)

---

sub() 函数

sub() 函数把匹配替换为您选择的文本：

用数字 9 替换每个空白字符：

import re
str = "China is a great country"
x = re.sub("\s", "9", str)
print(x)

您可以通过指定 count 参数来控制替换次数：

替换前两次出现：

import re
str = "China is a great country"
x = re.sub("\s", "9", str, 2)
print(x)

---

Match 对象

Match 对象是包含有关搜索和结果信息的对象。

注释：如果没有匹配，则返回值 None，而不是 Match 对象。

执行会返回 Match 对象的搜索：

import re
str = "China is a great country"
x = re.search("a", str)
print(x) #this will print an object

Match 对象提供了用于取回有关搜索及结果信息的属性和方法：

• span() 返回的元组包含了匹配的开始和结束位置
• .string 返回传入函数的字符串
• group() 返回匹配的字符串部分

打印首个匹配出现的位置（开始和结束位置）。

正则表达式查找以大写 "C" 开头的任何单词：

import re
str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.span())

打印传入函数的字符串：

import re
str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.string)

打印匹配的字符串部分。

正则表达式查找以大写 "C" 开头的任何单词：

import re
str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.group())

注释：如果没有匹配项，则返回值 None，而不是 Match 对象。