re 模块
1、使用过程

import re

res=re.match(正则表达式，要匹配的字符串)   #从头开始匹配，不匹配就返回none
res.group()                             #返回字符串的匹配部分

2、表示字符

字符 功能
. 匹配任意1个字符（除了\\n）
[ ] 匹配[ ]中列举的字符
\\d 匹配数字，即0-9
\\D 匹配非数字，即不是数字
\\s 匹配空白，即 空格，tab键
\\S 匹配非空白
\\w 匹配单词字符，即a-z、A-Z、0-9、_
\\W 匹配非单词字符

3、原始字符串

Python中字符串前面加上 r 表示原始字符串，

与大多数编程语言相同，正则表达式里使用\"“作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠\"\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原始字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
\\表示转义字符
\\表示\"\"

4、表示数量

匹配多个字符的相关格式

字符 功能
* 匹配前一个字符出现0次或者无限次，即可有可无
+ 匹配前一个字符出现1次或者无限次，即至少有1次
? 匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m} 匹配前一个字符出现m次
{m,} 匹配前一个字符至少出现m次
{m,n} 匹配前一个字符出现从m到n次

5、表示边界

字符 功能
^ 匹配字符串开头
$ 匹配字符串结尾
\\b 匹配一个单词的边界
\\B 匹配非单词边界

示例: \\b

>>> re.match(r\".*\\bver\\b\", \"ho ver abc\").group()
\'ho ver\'

>>> re.match(r\".*\\bver\\b\", \"ho verabc\").group()
Traceback (most recent call last):
  File \"<stdin>\", line 1, in <module>
AttributeError: \'NoneType\'   has no attribute \'group\'

>>> re.match(r\".*\\bver\\b\", \"hover abc\").group()
Traceback (most recent call last):
  File \"<stdin>\", line 1, in <module>
AttributeError: \'NoneType\'   has no attribute \'group\'
>>>

示例：\\B

>>> re.match(r\".*\\Bver\\B\", \"hoverabc\").group()
\'hover\'

>>> re.match(r\".*\\Bver\\B\", \"ho verabc\").group()
Traceback (most recent call last):
  File \"<stdin>\", line 1, in <module>
AttributeError: \'NoneType\'   has no attribute \'group\'

>>> re.match(r\".*\\Bver\\B\", \"hover abc\").group()
Traceback (most recent call last):
  File \"<stdin>\", line 1, in <module>
AttributeError: \'NoneType\'   has no attribute \'group\'

>>> re.match(r\".*\\Bver\\B\", \"ho ver abc\").group()
Traceback (most recent call last):
  File \"<stdin>\", line 1, in <module>
AttributeError: \'NoneType\'   has no attribute \'group\'

6、匹配分组

字符 功能
| 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组
\\num 引用分组num匹配到的字符串
(?P) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串

需求：匹配出0-100之间的数字

#coding=utf-8

import re

# 添加|
ret = re.match(\"[1-9]?\\d$|100\",\"8\")
ret.group()

ret = re.match(\"[1-9]?\\d$|100\",\"100\")
ret.group()

需求：匹配出163、126、qq邮箱之间的数字

#coding=utf-8

import re


ret = re.match(\"\\w{4,20}@(163|126|qq)\\.com\", \"test@126.com\")
ret.group()

需求：用引用分组匹配出hh

#coding=utf-8

import re

# 能够完成对正确的字符串的匹配
ret = re.match(\"<[a-zA-Z]*>\\w*</[a-zA-Z]*>\", \"<html>hh</html>\")
ret.group()

# 如果遇到非正常的html格式字符串，匹配出错
ret = re.match(\"<[a-zA-Z]*>\\w*</[a-zA-Z]*>\", \"<html>hh</htmlbalabala>\")
ret.group()

# 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么

# 通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r\"\"这种格式
ret = re.match(r\"<([a-zA-Z]*)>\\w*</\\1>\", \"<html>hh</html>\")
ret.group()

# 因为2对<>中的数据不一致，所以没有匹配出来
ret = re.match(r\"<([a-zA-Z]*)>\\w*</\\1>\", \"<html>hh</htmlbalabala>\")
ret.group()

需求：用\\number匹配出<html><h1>www.itcast.cn</h1></html>

#coding=utf-8

import re

ret = re.match(r\"<(\\w*)><(\\w*)>.*</\\2></\\1>\", \"<html><h1>www.itcast.cn</h1></html>\")
ret.group()

ret = re.match(r\"<(\\w*)><(\\w*)>.*</\\2></\\1>\", \"<html><h1>www.itcast.cn</h2></html>\")
ret.group()

需求：用(?P) (?P=name)匹配出<html><h1>www.itcast.cn</h1></html>

#coding=utf-8

import re

ret = re.match(r\"<(?P<name1>\\w*)><(?P<name2>\\w*)>.*</(?P=name2)></(?P=name1)>\", \"<html><h1>www.itcast.cn</h1></html>\")
ret.group()

ret = re.match(r\"<(?P<name1>\\w*)><(?P<name2>\\w*)>.*</(?P=name2)></(?P=name1)>\", \"<html><h1>www.itcast.cn</h2></html>\")
ret.group()

7、re模块的高级用法

search

需求：匹配出文章阅读的次数

#coding=utf-8
import re

ret = re.search(r\"\\d+\", \"阅读次数为 9999\")
ret.group()

findall

需求：统计出python、c、c++相应文章阅读的次数

#coding=utf-8
import re

ret = re.findall(r\"\\d+\", \"python = 9999, c = 7890, c++ = 12345\")
print ret

sub 将匹配到的数据进行替换
需求：将匹配到的阅读次数加1

方法1：

#coding=utf-8
import re

ret = re.sub(r\"\\d+\", \'998\', \"python = 997\")
print ret

方法2：

#coding=utf-8
import re

def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)

ret = re.sub(r\"\\d+\", add, \"python = 997\")
print ret

ret = re.sub(r\"\\d+\", add, \"python = 99\")
print ret

split 根据匹配进行切割字符串，并返回一个列表

需求：切割字符串“info:xiaoZhang 33 shandong”

#coding=utf-8
import re

ret = re.split(r\":| \",\"info:xiaoZhang 33 shandong\")
print ret

8、python贪婪和非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在\"*\",\"?\",\"+\",\"{m,n}\"后面加上？，使贪婪变成非贪婪。

>>> s=\"This is a number 234-235-22-423\"
>>> r=re.match(\".+(\\d+-\\d+-\\d+-\\d+)\",s)
>>> r.group(1)
\'4-235-22-423\'
>>> r=re.match(\".+?(\\d+-\\d+-\\d+-\\d+)\",s)
>>> r.group(1)
\'234-235-22-423\'
>>>

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式：非贪婪操作符“？”，这个操作符可以用在\"*\",\"+\",\"?\"的后面，要求正则匹配的越少越好。

>>> re.match(r\"aa(\\d+)\",\"aa2343ddd\").group(1)
\'2343\'
>>> re.match(r\"aa(\\d+?)\",\"aa2343ddd\").group(1)
\'2\'
>>> re.match(r\"aa(\\d+)ddd\",\"aa2343ddd\").group(1) 
\'2343\'
>>> re.match(r\"aa(\\d+?)ddd\",\"aa2343ddd\").group(1)
\'2343\'
>>>

继续阅读与本文标签相同的文章

无标签
最新文章 最热文章
收藏 打印

特别推荐 2026年05月18日 星期一

精彩发现

热门标签

阻止表单提交 窗口 关闭浏览器 清除 CDATA css文件 光标位置 坐标 javascrpt !important 超链接 数字

相关文章