Python正则表达式技术文件.资源-CSDN文库

python

re表达式

需积分: 9 160 浏览量 2020-05-24 16:19:19 上传评论收藏 390KB PDF 举报

资源推荐

资源详情

资源评论

正则表达式 HOWTO

发布 3.8.1

Guido van Rossum

and the Python development team

二月 02, 2020

Python Software Foundation

Email: docs@python.org

Contents

1 概述 2

2 简单模式 2

2.1 匹配字符 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2.2 重复 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

3 使用正则表达式 4

3.1 编译正则表达式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3.2 反斜杠灾难 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3.3 应用匹配 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

3.4 模块级别函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3.5 编译标志 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

4 更多模式能力 9

4.1 更多元字符 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

4.2 分组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4.3 非捕获和命名组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4.4 前向断言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

5 修改字符串 13

5.1 分割字符串 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

5.2 搜索和替换 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

6 常见问题 15

6.1 使用字符串方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

6.2 match() 和 search() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6.3 贪婪与非贪婪 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6.4 使用 re.VERBOSE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

7 反馈 17

作者 A.M. Kuchling <amk@amk.ca>

摘要

本文档是在 Python 中使用 re 模块使用正则表达式的入门教程。它提供了比“标准库参考”中相应部

分更平和的介绍。

1 概述

正则表达式（称为 RE，或正则，或正则表达式模式）本质上是嵌入在 Python 中的一种微小的、高度专业

化的编程语言，可通过 re 模块获得。使用这种小语言，你可以为要匹配的可能字符串集指定规则；此

集可能包含英语句子，电子邮件地址，TeX 命令或你喜欢的任何内容。然后，您可以询问诸如“此字符

串是否与模式匹配？”或“此字符串中的模式是否匹配？”等问题。你还可以使用正则修改字符串或以各

种方式将其拆分。

正则表达式模式被编译成一系列字节码，然后由用 C 编写的匹配引擎执行。对于高级用途，可能需要特

别注意引擎如何执行给定的正则，并将正则写入以某种方式生成运行速度更快的字节码。本文档未涉及

优化，因为它要求你充分了解匹配引擎的内部结构。

正则表达式语言相对较小且受限制，因此并非所有可能的字符串处理任务都可以使用正则表达式完成。

还有一些任务可以用正则表达式完成，但表达式变得非常复杂。在这些情况下，你最好编写 Python 代码

来进行处理；虽然 Python 代码比精心设计的正则表达式慢，但它也可能更容易理解。

2 简单模式

我们首先要了解最简单的正则表达式。由于正则表达式用于对字符串进行操作，因此我们将从最常见的

任务开始：匹配字符。

有关正则表达式（确定性和非确定性有限自动机）的计算机科学的详细解释，你可以参考几乎所有有关

编写编译器的教科书。

2.1 匹配字符

大多数字母和字符只会匹配自己。例如，正则表达式 test 将完全匹配字符串 test 。（你可以启用一个

不区分大小写的模式，让这个正则匹配 Test 或 TEST，稍后会详细介绍。）

这条规则有例外；一些字符是特殊的 metacharacters ，并且不匹配自己。相反，它们表示应该匹配一些与

众不同的东西，或者通过重复它们或改变它们的含义来影响正则的其他部分。本文档的大部分内容都致

力于讨论各种元字符及其功能。

这是元字符的完整列表；它们的意思将在本 HOWTO 的其余部分讨论。

. ^ $ * + ? { } [ ] \ | ( )

我们将看到的第一个元字符是 [ 和 ] 。它们用于指定字符类，它是你希望匹配的一组字符。可以单独列

出字符，也可以通过给出两个字符并用 '-' 标记将它们分开来表示一系列字符。例如，[abc] 将匹配任

何字符 a、b 或 c ；这与 [a-c] 相同，它使用一个范围来表示同一组字符。如果你只想匹配小写字母，

你的正则是 [a-z] 。

字符类中的元字符不生效。例如，[akm$] 将匹配 'a' ，'k' 、'm' 或 '$' 中的任意字符；'$' 通常是

一个元字符，但在一个字符类中它被剥夺了特殊性。

你可以通过以下方式匹配 complementing 设置的字符类中未列出的字符。这通过包含一个 '^' 作为该类

的第一个字符来表示。例如，

[^5]

将匹配除

'5'

之外的任何字符。如果插入符出现在字符类的其他位

置，则它没有特殊含义。例如：[5^] 将匹配 '5' 或 '^'。

也许最重要的元字符是反斜杠，\。与 Python 字符串文字一样，反斜杠后面可以跟各种字符，以指示各

种特殊序列。它也用于转义所有元字符，因此您仍然可以在模式中匹配它们；例如，如果你需要匹配 [

或 \，你可以在它们前面加一个反斜杠来移除它们的特殊含义：\[ 或 \\。

一些以 '\' 开头的特殊序列表示通常有用的预定义字符集，例如数字集、字母集或任何非空格的集合。

让我们举一个例子：\w 匹配任何字母数字字符。如果正则表达式模式以字节类表示，这相当于类

[a-zA-Z0-9_]。如果正则表达式是一个字符串，\w 将匹配由 unicodedata 模块提供的 Unicode 数据

库中标记为字母的所有字符。通过在编译正则表达式时提供 re.ASCII 标志，可以在字符串模式中使用

更为受限制的 \w 定义。

以下特殊序列列表不完整。有关 Unicode 字符串模式的序列和扩展类定义的完整列表，请参阅标准库参

考中的最后一部分正则表达式语法。通常，Unicode 版本匹配 Unicode 数据库中相应类别中的任何字符。

\d 匹配任何十进制数字；这等价于类 [0-9]。

\D 匹配任何非数字字符；这等价于类 [^0-9]。

\s 匹配任何空白字符；这等价于类 [ \t\n\r\f\v]。

\S 匹配任何非空白字符；这相当于类 [^ \t\n\r\f\v]。

\w 匹配任何字母与数字字符；这相当于类 [a-zA-Z0-9_]。

\W 匹配任何非字母与数字字符；这相当于类 [^a-zA-Z0-9_]。

这些序列可以包含在字符类中。例如，[\s,.] 是一个匹配任何空格字符的字符类或者 ',' ，或 '.'。

本节的最后一个元字符是 . 。它匹配除换行符之外的任何内容，并且有一个可选模式（re.DOTALL ）甚

至可以匹配换行符。. 常用于你想匹配“任何字符”的地方。

2.2 重复

能够匹配不同的字符集合是正则表达式可以做的第一件事，这对于字符串可用方法来说是不可能的。但

是，如果这是正则表达式的唯一额外功能，那么它们就不会有太大的优势。另一个功能是你可以指定正

则的某些部分必须重复一定次数。

重复中我们要了解的第一个元字符是 *。* 与字面字符 '*' 不匹配；相反，它指定前一个字符可以匹配

零次或多次，而不是恰好一次。

例如，ca*t 将匹配 'ct' (0 个 'a' 字符)，'cat' (1 个 'a' )，'caaat' (3 个 'a' 字符)，等等。

类似 * 这样的重复是贪婪的；当重复正则时，匹配引擎将尝试尽可能多地重复它。如果模式的后续部分

不匹配，则匹配引擎将回退并以较少的重复次数再次尝试。

一个逐步的例子将使这更加明显。让我们考虑表达式 a[bcd]*b。这个正则匹配字母 'a'，类 [bcd] 中

的零或多个字母，最后以 'b' 结尾。现在想象一下这个正则与字符串 'abcbd' 匹配。

步骤匹配解释

1 a 正则中的 a 匹配。

2 abcbd 引擎尽可能多地匹配 [bcd]* ，直到字符串结束。

3 失败引擎尝试匹配 b ，但是当前位置位于字符串结束，所以匹配失败。

4 abcb 回退一次，[bcd]* 少匹配一个字符。

5 失败再次尝试匹配 b ，但是当前位置是最后一个字符 'd' 。

6 abc 再次回退，所以 [bcd]* 只匹配 bc 。

6 abcb 再试一次 b 。这次当前位置的字符是 'b' ，所以它成功了。

正则现在已经结束了，它已经匹配了 'abcb'。这演示了匹配引擎最初如何进行，如果没有找到匹配，它

将逐步回退并一次又一次地重试正则的其余部分。它将回退，直到它为 [bcd]* 尝试零匹配，如果随后

失败，引擎将断定该字符串与正则完全不匹配。

另一个重复的元字符是 +，它匹配一次或多次。要特别注意 * 和 + 之间的区别；* 匹配零次或更多次，

因此重复的任何东西都可能根本不存在，而 + 至少需要一次。使用类似的例子，ca+t 将匹配 'cat' (1

个 'a')，'caaat' (3 个 'a')，但不会匹配 'ct'。

还有两个重复限定符。问号字符 ? 匹配一次或零次；你可以把它想象成是可选的。例如，home-?brew

匹配 'homebrew' 或 'home-brew'。

剩余16页未读，继续阅读

评论收藏

内容反馈

Corollary

粉丝: 29
资源: 3

Python正则表达式技术文件.

Python正则表达式

python正则表达式

PYTHON思维导图-基础篇+入门爬虫篇（含正则表达式）PythonXMind.zip

正则表达式系统教程.zip

正则表达式系统教程.rar

基于Python正则表达式的彩票信息爬取.pdf

python 正则表达式

python正则表达式的使用

python正则表达式学习.zip

楼栋别名与正则表达式检索

RegularExpressionTest_正则表达式工具.7z

正则表达式综合练习

正则表达式基础.zip

Python官方文档

正则表达式

python正则表达式.zip

python专题——正则表达式[整理].pdf

详解Python中的正则表达式

了解正则表达式可用.pdf

面试笔试常考之正则表达式和模式匹配

正则表达式全解.pdf

regexp正则表达式正则表达式正则表达式

正则表达式 测试工具 学习文档

最新资源

正则表达式测试工具学习文档