站長在線零基礎Python完全自學教程20:在Python中使用正則表達式完全解讀

收錄於話題 #python 70個

歡迎你來到站長學堂，學習站長在線出品的在線課程《零基礎 Python完全自學教程》今天給大家分享的是第20課《 在Python中使用正則表達式完全解讀》。本節課是一個大課，我分了這些知識點進行詳細講解：正則表達式的語法詳解、匹配字符串的3個方法詳解、使用正則表達式的sub()方法替換字符串詳解、使用正則表達式的split()方法分割字符串詳解。

20.1、Python中正則表達式的語法詳解

關於Python中的正則表達式，準備分兩個知識點講完，今天來講解正則表達式的語法。

正則表達式的概念：正則表達式(regular expression，簡稱regex或者RE)，也稱為歸則表達式。通常用來檢索、替換符合某些規則的文本。正則表達式就是記錄文本規則的代碼。

20.1.1、行定位符

行定位符就是用來描述字符串的邊界。「^」表示行的開始；「$」表示行的結尾。

例如：

One is All    

All is One 

^One該表達式表示要匹配字符串One的開始位置是行頭，如One is All就可以匹配，而All is One則不匹配。但如果使用：

One$則All is One可以匹配，而One is All不能匹配。如果要匹配的字符串可以出現在字符串的任意部分，那麼可以直接寫成：

One這樣，兩個字符串就都可以匹配了。

20.1.2、元字符

元字符就是在正則表達式中具有特殊意義的專用字符。

剛才我們所說的「^」和「$」就是元字符，在Python有下面常用元字符：.、\w、\W、\s、\S、\d、\D、\b、^、$。

各種元字符及其說明如下：

.：匹配除換行符以外的任意字符

\w：匹配字母或數字或下劃線或漢字

\W：匹配特殊字符，即非字母、非數字、非漢字

\s：匹配任意的空白符

\S：匹配非空白

\d：匹配數字

\D：匹配非數字，即不是數字

\b：匹配單詞的開始或結束

^：匹配字符串的開始

$：匹配字符串的結束

我們來看一個例子：

\byi\w*\b

匹配以字母yi開頭的單詞，先匹配單詞開始處（\b），然後匹配字母yi，接著匹配任意數量的字母或數字（\w*），最後匹配單詞結束處（\b）。該表達式可以匹配如「yibenshu」「saneryi」「haoyige」「yi12345」等。

20.1.3、限定符

在上面的元字符的例子中，使用「\w*」匹配任意數量的字母或數字。如果想匹配特定數量的數字，該如何表示呢？正則表達式為我們提供了限定符（指定數量的字符）來實現該功能。

例如，匹配6位QQ號可用如下表達式：

^\d{6}$

常用的限定符如下所示：*、+、?、{n} 、{n,}、{n,m}、[] 。

各種限定符及說明及舉例如下：

* ：匹配前面的字符零次或更多次。例如「zo*」能匹配「z」 「zo」以及「zoo」，「*」等效於「{0,}」

+ ：匹配前面的字符一次或更多次。例如「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」，「+」等效於"{1,}」

? ：匹配前面的字符零次或一次。例如「do(es)?」可以匹配 「do」或 「does」中的「do」，「?」等效 於 「{0,1}」

{n} ：匹配前面的字符n次。例如「o{2}」不能匹配「Bob」中的「o」，但是能匹配「food」 中的兩個 o

{n,} ：匹配前面的字符n次或更多次。例如「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的所有o, 等效於「o+」，「o{0,}」則等效於「o*」

{n,m} ：匹配前面的字符n到m次。其中 n＜=m。最少匹配 n 次且最多匹配 m 次。例如「o{1,3}」將匹配「fooooood" 中的前三個「o」，「o{0,l}」等效於「0?」。注意在逗號和兩個數之間不能有空格

20.1.4、字符集

正則表達式查找數字和字母是很簡單的，因為已經有了對應這些字符集合的元字符（如\d，\w），但是如果要匹配沒有預定義元字符的字符集合（比如元音字母a, e, i, o, u），應該怎麼辦？很簡單，只需要在方括號裡列出它們就行了，像[aeiou]就匹配任何一個英文元音字母。

[xyz]表示匹配裡面的任意一個字符。

[a-z]字符範圍，匹配指定範圍內的任意字符。例如「[a-z]」可以匹配「a」到「z」範圍內的任意小寫字母字符

[.?!]匹配標點符號「.」、「?」或「!」。也可以輕鬆地指定一個字符範圍，像[0-9]代表的含義與\d就是完全一致的：代表一位數字；同理，[a-z0-9A-Z_]也完全等同於\w（如果只考慮英文的話）。

要想匹配給定字符串中任意一個漢字，可以使用[\u4e00-\u9fa5]；如果要匹配連續多個漢字，可以使用[\u4e00-\u9fa5]+。

20.1.5、排除字符

上方的字符集是匹配符合指定字符集的字符串。這裡的排除字符，剛剛相反。排除字符就是匹配不符合指定字符集的字符串。在正則表達式中用「^」表示。我們在最開始的行定位符中也說到了「^」，放在開頭，在這裡放在方括號[]裡面，表示排除的意思。如：

[^a-zA-Z]表示用於一個匹配非字母的字符。

20.1.6、選擇字符

Python中的選擇字符，包含著條件選擇的邏輯，在這裡使用「|」來表示。該字符可以理解為「或」。

如中國人的身份證號碼長度為15位或者18位。如果為15位，則全為數字；如果為18位，前17位為數字，最後一位是校驗位，可能為數字或字符X。

匹配身份證的表達式可以寫出如下方式：

(^\d{15}$)|(^\d{18}$)|(^\d{17})(\d|X|x)$

該表達式的意思是可以匹配15位數字，或者18位數字，或者17位數字和最後一位。最後一位可以是數字或者是X或者是x。

20.1.7、轉移字符

正則表達式中的轉義字符（\）和Python中的大同小異，都是將特殊字符（如「.」「?」「\」等）變為普通的字符。

舉一個IP位址的實例，用正則表達式匹配如127.0.0.1這樣格式的IP位址。如果直接使用點字符，格式為：

[1-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}

這顯然不對，因為「.」可以匹配一個任意字符。這時，不僅是127.0.0.1這樣的IP，連127101011這樣的字串也會被匹配出來。所以在使用「.」時，需要使用轉義字符（\）。修改後，上面的正則表達式格式為：

[1-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}

站長在線提醒你：括號在正則表達式中也算是一個元字符。

20.1.8、分組

通過上面選擇字符中的例子，可以看見小括號的作用有了一定的了解。

小括號字符的第一個作用就是可以改變限定符的作用範圍，如「|」「*」「^」等。來看下面的一個表達式。

 (mon|ma)th

這個表達式的意思是匹配單詞month或math，如果不使用小括號，那麼就變成了匹配單詞mon和math了。

小括號的第二個作用是分組，也就是子表達式。例如(\.[0-9]{1,3}){3}，就是對分組(\.[0-9]{1,3})進行重複操作。

20.1.9、在Python中使用正則表達式語法

在Python中使用正則表達式時，是將其作為模式字符串使用的。例如，將匹配不是字母的一個字符的正則表達式表示為模式字符串，可以使用下面的代碼：

 '[^a-zA-Z]'

而如果將匹配以字母m開頭的單詞的正則表達式轉換為模式字符串，則不能直接在其兩側添加引號定界符，例如，下面的代碼是不正確的。

'\bm\w*\b'

而是需要將其中的「\」進行轉義，轉換後的代碼為：

'\\bm\\w*\\b'

由於模式字符串中可能包括大量的特殊字符和反斜槓，所以需要寫為原生字符串，即在模式字符串前加r或R。例如，上面的模式字符串採用原生字符串表示就是：

r'\bm\w*\b'

在編寫模式字符串時，並不是所有的反斜槓都需要進行轉換。例如，前面編寫的正則表達式「^\d{6}$」中的反斜槓就不需要轉義，因為其中的\d並沒有特殊意義。不過，為了編寫方便，本教程所寫正則表達式都採用原生字符串表示。

20.2、在Python中匹配字符串的3個方法詳解

匹配字符串可以使用re模塊提供的match()、search()和findall()等方法。下面分別進行介紹。

20.2.1、使用match()方法進行匹配

match()方法用於從字符串的開始處進行匹配，如果在起始位置匹配成功，則返回Match對象，否則返回None。其語法格式如下：

re.match(pattern, string, [flags])

其中，相關參數說明如下：

pattern：表示模式字符串，由要匹配的正則表達式轉換而來。

string：表示要匹配的字符串。

flags：可選參數，表示標誌位，用於控制匹配方式，如是否區分字母大小寫。

常用的標誌位及其說明：

re.A或ASCII  對於\w、\w、\b、\B、\d、\B、\d、\D、]s、\S進行ASCII匹配（僅適用於Python3）

re.I或IGNORECASE 使匹配對大小寫不敏感

re.L 做本地化識別（locale-aware）匹配

re.M或MULTILINE 多行匹配，影響 ^ 和 $

re.S或DOTALL 使 . 匹配包括換行在內的所有字符

re.U或UNICODE 根據Unicode字符集解析字符。這個標誌影響 \w, \W, \b, \B.

re.X或VERBOSE 該標誌通過給予你更靈活的格式以便你將正則表達式寫得更易於理解。

例如，匹配字符串是否以「zz_」開頭，不區分字母大小寫，代碼如下：

import re
pattern = r'zz_\w+'                    # 模式字符串
string = 'ZZ_MALL zz_mall'             # 要匹配的字符串
match = re.match(pattern,string,re.I)  # 匹配字符串，不區分大小寫
print(match)                           # 輸出匹配結果
string = '項目名稱 ZZ_MALL zz_mall' # 要匹配的字符串
match = re.match(pattern,string,re.I)  # 匹配字符串，不區分大小寫
print(match)                           # 輸出匹配結果

運行結果如下：

<re.Match object; span=(0, 7), match='ZZ_MALL'>
None
>>> 

從上面的執行結果中可以看出，字符串「ZZ_MALL」是以「zz_」開頭，所以返回一個Match對象，而字符串「項目名稱 ZZ_MALL zz_mall」不是以「zz_」開頭，所以返回None。這是因為match()方法從字符串的開始位置開始匹配，當第一個字母不符合條件時，則不再進行匹配，直接返回None。

Match對象中包含了匹配值的位置和匹配數據。其中，要獲取匹配值的起始位置可以使用Match對象的start()方法；要獲取匹配值的結束位置可以使用end()方法；通過span()方法可以返回匹配位置的元組；通過string屬性可以獲取要匹配的字符串。例如下面的代碼：

import re
pattern = r'zz_\w+'                    # 模式字符串
string = 'ZZ_MALL zz_mall'             # 要匹配的字符串
match = re.match(pattern,string,re.I)  # 匹配字符串，不區分大小寫
print('匹配值的起始位置: ',match.start())
print('匹配值的結束位置: ',match.end())
print('匹配位置的元組: ',match.span())
print('要匹配的字符串: ',match.string)
print('匹配數據: ',match.group())

運行結果如下：

匹配值的起始位置:  0
匹配值的結束位置:  7
匹配位置的元組:  (0, 7)
要匹配的字符串:  ZZ_MALL zz_mall
匹配數據:  ZZ_MALL
>>> 

下面實例，講解一個判定的手機號碼是不是有效的中國移動的號碼。

import re  # 導入Python的re模塊
pattern = r'(13[4-9]\d{8})|(15[01289]\d{8})$'
mobile = '13800000000'
match = re.match(pattern,mobile)  # 進行模式匹配
if match == None:  # 判斷是否為None,為真表示匹配失敗
    print(mobile,'不是有效的中國移動手機號碼。')
else:
    print(mobile,'是有效的中國移動手機號碼。')
mobile = '13100000000'
match = re.match(pattern,mobile)  # 進行模式匹配
if match == None:    # 判斷是否為None,為真表示匹配失敗
    print(mobile,'不是有效的中國移動手機號碼。')
else:
    print(mobile,'是有效的中國移動手機號碼。')

運行結果如下：

13800000000 是有效的中國移動手機號碼。
13100000000 不是有效的中國移動手機號碼。
>>> 

20.2.2、使用search()方法進行匹配

search()方法用於在整個字符串中搜索第一個匹配的值，如果在起始位置匹配成功，則返回Match對象，否則返回None。其語法格式如下：

re.search(pattern, string, [flags])

其中，相關參數說明如下：

pattern：表示模式字符串，由要匹配的正則表達式轉換而來。

string：表示要匹配的字符串。

flags：可選參數，表示標誌位，用於控制匹配方式，如是否區分字母大小寫。常用的標誌前面說了。

例如，搜索第一個以「zz_」開頭的字符串，不區分字母大小寫，代碼如下：

import re
pattern = r'zz_\w+'                    # 模式字符串
string = 'ZZ_MALL zz_mall'             # 要匹配的字符串
match = re.search(pattern,string,re.I) # 匹配字符串，不區分大小寫
print(match)                           # 輸出匹配結果
string = '項目名稱 ZZ_MALL zz_mall'    # 要匹配的字符串
match = re.search(pattern,string,re.I) # 匹配字符串，不區分大小寫
print(match)                           # 輸出匹配結果

運行結果如下：

<re.Match object; span=(0, 7), match='ZZ_MALL'>
<re.Match object; span=(5, 12), match='ZZ_MALL'>
>>> 

20.2.3、使用findall()方法進行匹配

findall()方法用於在整個字符串中搜索所有符合正則表達式的字符串，並以列表的形式返回。如果匹配成功，則返回包含匹配結構的列表，否則返回空列表。其語法格式如下：

re.findall(pattern, string, [flags])

其中，相關參數說明如下：

pattern：表示模式字符串，由要匹配的正則表達式轉換而來。

string：表示要匹配的字符串。

flags：可選參數，表示標誌位，用於控制匹配方式，如是否區分字母大小寫。常用的標誌上面有了。

例如，搜索以「zz_」開頭的字符串，不區分字母大小寫，代碼如下：

import re
pattern = r'zz_\w+'                    # 模式字符串
string = 'ZZ_MALL zz_mall'             # 要匹配的字符串
match = re.findall(pattern,string,re.I)# 匹配字符串，不區分大小寫
print(match)                           # 輸出匹配結果
string = '項目名稱 ZZ_MALL zz_mall'    # 要匹配的字符串
match = re.findall(pattern,string) # 匹配字符串，區分大小寫
print(match)                           # 輸出匹配結果

運行結果為：

['ZZ_MALL', 'zz_mall']
['zz_mall']
>>> 

上方下面這個結果只有一個，因為我使用了默認的設置，進行區分大小寫了。

20.3、在Python中使用正則表達式的sub()方法替換字符串詳解

在Python中使用正則表達式的sub()方法替換字符串。其語法格式如下：

re.sub(pattern, repl, string, count=0, flags=0)

參數說明如下：

pattern：表示模式字符串，由要匹配的正則表達式轉換而來。

repl：表示替換的字符串。

string：表示要被查找替換的原始字符串。

count：可選參數，表示模式匹配後替換的最大次數，默認值為0，表示替換所有的匹配。

flags：可選參數，表示標誌位，用於控制匹配方式，如是否區分字母大小寫。

例如：

import re
a = re.sub(r'hello', '你好', 'hello Python')
print(a)

運行結果如下：

你好 Python
>>> 

我們再來看一個替換的例子：

import re
def replace_num(str):
  numDict = {'0':'〇','1':'一','2':'二','3':'三','4':'四','5':'五','6':'六','7':'七','8':'八','9':'九'}
  print(str.group())
  return numDict[str.group()]
my_str = '2021年12月10號'
a = re.sub(r'(\d)', replace_num, my_str)
print(a) #每次匹配一個數字，執行函數，獲取替換後的值

運行結果為：

2
0
2
1
1
2
1
0
二〇二一年一二月一〇號
>>> 

好了，到此為止，在Python中使用正則表達式的sub()方法替換字符串詳解就講解完畢了，本知識點內容比較少，希望不會難到大家。

20.4、在Python中使用正則表達式的split()方法分割字符串詳解

使用正則表達式分割字符串

在Python中使用正則表達式的split()方法用於實現根據正則表達式分割字符串，並以列表的形式返回。其作用與《在Python中使用split()方法分割、使用join()方法合併字符串詳解》介紹的字符串對象的split()方法類似，所不同的就是分割字符由模式字符串指定。其語法格式如下：

re.split(pattern, string, [maxsplit], [flags])

其中，相關參數說明如下：

pattern：表示模式字符串，由要匹配的正則表達式轉換而來。

string：表示要匹配的字符串。

maxsplit：可選參數，表示最大的拆分次數。

flags：可選參數，表示標誌位，用於控制匹配方式，如是否區分字母大小寫。

示例代碼：

import re
pattern = r'/'                         # 定義分隔符
URL = 'WWW.olzz.com/xuetang/python'    # 需要拆分的字符串
result = re.split(pattern, URL)        # 以pattern的值 分割字符串
print(result)

運行結果為：

['WWW.olzz.com', 'xuetang', 'python']
>>> 

到此為止，在Python中使用正則表達式的split()方法分割字符串詳解，就講解完畢了，有不懂的可以留言哦！

相關閱讀：

站長百科詞條：Python （知識匯總）

《零基礎Python完全自學教程》目錄 

1、認識python

2、安裝python及寫第一個Python程序

3、Python開發工具介紹

4、Python語法特點

5、Python中的變量

6、Python中的基本數據類型

7、Python中的基本輸入和輸出

8、Python中常用的運算符

9、Python中運算符的優先級和條件表達式

10、Python中的三大程序結構

11、Python中的選擇語句

12、Python中的循環語句

13、Python中的break語句、continue語句和pass語句

14、Python中的序列知識詳解

15、Python中的列表

16、Python中的元組系列知識

17、Python中的字典完全解讀

18、Python中的集合完全解讀

19、Python中字符串完全解讀

20、Python中使用正則表達式完全解讀