Python 08 re 正则表达式

. 匹配除换行符以外的任意字符

\w 匹配字母或数字或下划线或汉字

\s 匹配任意的空白符

\d 匹配数字

\b 匹配单词的开始或结束

^ 匹配字符串的开始

$ 匹配字符串的结束

代码/语法 说明

* 重复零次或更多次

+ 重复一次或更多次

? 重复零次或一次

{n} 重复n次

{n,} 重复n次或更多次

{n,m} 重复n到m次

[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。

[0-9]代表的含意与\d就是完全一致的：一位数字；同理[a-z0-9A-Z_]也完全等同于\w

\ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。

\d+匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。

\b\w{6}\b 匹配刚好6个字符的单词。

反义

有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

表3.常用的反义代码 代码/语法 说明

\W 匹配任意不是字母，数字，下划线，汉字的字符

\S 匹配任意不是空白符的字符

\D 匹配任意非数字的字符

\B 匹配不是单词开头或结束的位置

[^x] 匹配除了x以外的任意字符

[^aeiou] 匹配除了aeiou这几个字母以外的任意字符

例子：\S+匹配不包含空白符的字符串。

]+>匹配用尖括号括起来的以a开头的字符串。

常用的处理选项 名称 说明

IgnoreCase(忽略大小写) 匹配时不区分大小写。

Multiline(多行模式) 更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)

Singleline(单行模式) 更改.的含义，使它与每一个字符匹配（包括换行符\n）。

IgnorePatternWhitespace(忽略空白) 忽略表达式中的非转义空白并启用由#标记的注释。

ExplicitCapture(显式捕获) 仅捕获已被显式命名的组。

尚未详细讨论的语法 代码/语法 说明

\a 报警字符(打印它的效果是电脑嘀一声)

\b 通常是单词分界位置，但如果在字符类里使用代表退格

\t 制表符，Tab

\r 回车

\v 竖向制表符

\f 换页符

\n 换行符

\e Escape

\0nn ASCII代码中八进制代码为nn的字符

\xnn ASCII代码中十六进制代码为nn的字符

\unnnn Unicode代码中十六进制代码为nnnn的字符

\cN ASCII控制字符。比如\cC代表Ctrl+C

\A 字符串开头(类似^，但不受处理多行选项的影响)

\Z 字符串结尾或行尾(不受处理多行选项的影响)

\z 字符串结尾(类似$，但不受处理多行选项的影响)

\G 当前搜索的开头

\p{name} Unicode中命名为name的字符类，例如\p{IsGreek}

(?>exp) 贪婪子表达式

(?-exp) 平衡组

(?im-nsx:exp) 在子表达式exp中改变处理选项

(?im-nsx) 为表达式后面的部分改变处理选项

(?(exp)yes|no) 把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no

(?(exp)yes) 同上，只是使用空表达式作为no

(?(name)yes|no) 如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no

(?(name)yes) 同上，只是使用空表达式作为no

一、数字相关

1.1     非负整数

import re

nStr = “123″

p = re.compile(’^\d+$’,re.S)        非负整数（正整数与零）

if p.match(nStr):

print “exists”

else:

print “not”

1.2     正整数

import re

nStr = “123″

p = re.compile(’^[0-9]*[1-9][0-9]*$’,re.S)      正整数（不包括零在内）

if p.match(nStr):

print “exists”

else:

print “not”

1.3     非正整数（负整数+0）

import re

nStr = “-123″

p = re.compile(’^((-\d+)|(0+))$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

1.4     负整数

import re

nStr = “-123″

p = re.compile(’^-[0-9]*[1-9][0-9]*$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

1.5  整数

import re

nStr = “123″

p = re.compile(’^-?\d+$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

1.6  非负浮点数（正浮点数 + 0）

import re

nStr = “0.123″

p = re.compile(’^\d+(\.\d+)?$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

1.7  正浮点数

import re

nStr = “0.123″

p = re.compile(’^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

1.8  非正浮点数（负浮点数 + 0）

import re

nStr = “-0.123″

p = re.compile(’^((-\d+(\.\d+)?)|(0+(\.0+)?))$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

1.9  浮点数

import re

nStr = “-0.123″

p = re.compile(’^(-?\d+)(\.\d+)?$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

二、字符相关

2.1 26个英文字母组成的字符串

import re

nStr = “abck”

p = re.compile(’^[A-Za-z]+$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

如果是大写的话就是：^[A-Z]+$

如果是小写的话就是：^[a-z]+$

如果是数字与字母组合：^[A-Za-z0-9]+$

如果由数字、26个字母、或下划线组成的：^\w+$

三、html相关

3.1 匹配<script>标签的

#coding:utf-8

import re

nStr = “<script src=’…js’></script>”

p = re.compile(’<\s*script[^>]*>[^<]*<\s*/\s*script\s*>’,re.I)

if p.match(nStr):

print “exists”

else:

print “not”

3.2 匹配<style>标签

#coding:utf-8

import re

nStr = “<style></style>”

p = re.compile(’<\s*style[^>]*>[^<]*<\s*/\s*style\s*>’,re.I)

if p.match(nStr):

print “exists”

else:

print “not”

3.3 匹配HTML标签

#coding:utf-8

import re

nStr = “<div>”

p = re.compile(’</?\w+[^>]*>’,re.I)

if p.match(nStr):

print “exists”               输出

else:

print “not”

四、URL相关

4.1 匹配EMaiL地址

import re

nStr = “hkebao@126.com”

p = re.compile(’^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

4.2 匹配URL

import re

nStr = “Http://localhost”

p = re.compile(’^[a-zA-z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$’,re.S)

if p.match(nStr):

print “exists”

else:

print “not”

re.match

re.match 尝试从字符串的开始匹配一个模式，如：下面的例子匹配第一个单词。

1. import re

2.

3. text = “JGood is a handsome boy, he is cool, clever, and so on…”

4. m = re.match(r”(\w+)\s”, text)

5. if m:

6.     print m.group(0), ‘\n’, m.group(1)

7. else:

8.     print ‘not match’

re.search

　　re.search函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

1. import re

2.

3. text = “JGood is a handsome boy, he is cool, clever, and so on…”

4. m = re.search(r’\shan(ds)ome\s’, text)

5. if m:

6. print m.group(0), m.group(1)

7. else:

8. print ‘not search’

re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

re.sub

　　re.sub用于替换字符串中的匹配项。下面一个例子将字符串中的空格 ‘ ‘ 替换成 ‘-’ :

1. import re

2.

3. text = “abcde”

4. print re.sub(r’\s+’, ‘-’, text)

re.sub(r’\s’, lambda m: ‘[' + m.group(0) + ']‘, text, 0)；将字符串中的空格’ ‘替换为’[ ]‘。

re.split

　　可以使用re.split来分割字符串，如：re.split(r’\s+’, text)；将字符串按空格分割成一个单词列表。

re.findall

　　re.findall可以获取字符串中所有匹配的字符串。如：re.findall(r’\w*oo\w*’, text)；获取字符串中，包含’oo’的所有单词。

python 匹配任意字符（包括换行符）的正则表达式写法

(.*)

结果运行之后才发现，无法获得换行之后的文本。于是查了一下手册，才发现正则表达式中，“.”(点符号)匹配的是除了换行符“\n”以外的所有字符。

以下为正确的正则表达式匹配规则：

([\s\S]*)

同时，也可以用 “([\d\D]*)”、“([\w\W]*)” 来表示。

在文本文件里, 这个表达式可以匹配所有的英文

/[ -~]/