Python正则表达式

发表于 更新于

引

正则表达式原理上是一个有限状态机(FSM)。简单理解就是一个系统有有限个数的状态，它的各个状态之间的跳转是遵循一定的规则的。正则表达式跳转依据是下一个字符。正则表达式强大的地方
在于对文本的处理。主流的编程语言都提供了对正则支持，比如Perl, Python, Javascript等。

基本的正则表达式

在编写应用时，经常遇到要过滤一些字符串。如用户输入的邮箱格式校验。

那么对应的正则表达式可以写为：

  • ^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(.[a-zA-Z0-9_-]+)+$
  • 其中[]里的内容表示任意选择一个进行匹配。可以匹配字母、数字、_和-，后面的+号表示至少要匹配到一个前面的字符。最前面的”^”表示最开始的字符只能是[]里的字符。
  • @：表示匹配邮箱中的@符号。
  • @后的与前面的一样。其中“.”表示匹配一个句点，不加反斜杠的情况下，”.”可以匹配除\n外的任意字符。
  • 最后的$表示匹配终止。
表示法 描述 示例
literal 普通字符，只匹配自己 abc
a\ b 匹配a或者b
. 匹配除换行\n外的任意字符。
^ 匹配以其后开始的字符串 ^a 只匹配abc,aa；不匹配bac
$ 匹配结束标志 b$所匹配的字符串一定是以b结尾，否则匹配失败。
  • |匹配0次多数（贪婪型）
  • |匹配1次或者多次
    ? |匹配0次或者1次
    {N}|匹配前面表达式N次
    {M,N}|匹配前面表示式M到N次
    [abcd]|匹配当中的任意一个字符
    [^..]|不匹配当中出现的任意一个字符

Python中的正则实现

Python中使用正则表达式模块是re,使用方法为在程序中引入re包，如下：

1
import re

通过dir(re)，命令可以查看到re有哪些函数和属性。

1
2
3
4
>>> import re
>>> dir(re)
['DEBUG', 'DOTALL', 'I', 'IGNORECASE', 'L', 'LOCALE', 'M', 'MULTILINE', 'S', 'Scanner', 'T', 'TEMPLATE', 'U', 'UNICODE', 'VERBOSE', 'X', '_MAXCACHE', '__all__', '__builtins__', '__doc__', '__file__', '__name__', '__package__', '__version__', '_alphanum', '_cache', '_cache_repl', '_compile', '_compile_repl', '_expand', '_pattern_type', '_pickle', '_subx', 'compile', 'copy_reg', 'error', 'escape', 'findall', 'finditer', 'match', 'purge', 'search', 'split', 'sre_compile', 'sre_parse', 'sub', 'subn', 'sys', 'template']
>>>

有一些Python中通用的属性，如__doc__是模块的注释说明，__file__是模块所在的文件，如果是已经运行过的，后缀为.pyc文件。其他的大家可以自行在Python终端里查看。
这里要介绍下re中常用的正则匹配函数:

  1. match
  2. findall
  3. search

    match

    match是从字符串开始匹配的，开关没有匹配成功就认为失败了。使用help(re.match)查看此函数的介绍
    1
    2
    3
    4
    5
    Help on function match in module re:

    match(pattern, string, flags=0)
        Try to apply the pattern at the start of the string, returning
        a match object, or None if no match was found.
    help和dir是Python里面比较常用的两个函数。很方便。如下的代码片段可以看出match对象的两个函数group和groups的区别,group返回匹配到的字符串，groups返回一个set。
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    >>> m = re.match('hel*p', 'help')
    >>> m
    <_sre.SRE_Match object at 0x7f92aa144d30>
    >>> dir(m)
    ['__class__', '__copy__', '__deepcopy__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'end', 'endpos', 'expand', 'group', 'groupdict', 'groups', 'lastgroup', 'lastindex', 'pos', 're', 'regs', 'span', 'start', 'string']
    >>> m.group
    <built-in method group of _sre.SRE_Match object at 0x7f92aa144d30>
    >>> m.group()
    'help'
    >>> m.groups()
    ()

    findall

    通过help命令可以查看到findall是返回所有匹配到的内容的列表，不是返回匹配对象了。search函数的注释表明，它是match的加强版，同样返回一个匹配对象，不再要求是从字符串开始位置匹配。
    1
    2
    3
    4
    5
    Help on function search in module re:

    search(pattern, string, flags=0)
        Scan through string looking for a match to the pattern, returning
        a match object, or None if no match was found.