Python 正则

python 正则表达式，导入re模块。

正则表达式可视化 对正则表达式进行解释

转义字符

转义字符	含义
\A	只匹配字符串开始。
\b	匹配单词的词首和词尾,r'\bclass\b'
\B	匹配空字符串，但不能在词的开头或者结尾
\d	匹配数字
\D	匹配任何非十进制数字的字符
\s	匹配[ \t\n\r\f\v]等空白符
\S	匹配任何非空白字符
\w	匹配数字或字母[a-zA-Z0-9_]
\W	匹配任何不是单词字符的字符。 这与 正相反。[^a-zA-Z0-9_]
\Z	只匹配字符串尾
.	匹配一个字符
[0-9a-zA-Z\_]	匹配一个数字、字母或者下划线
*	匹配0个或多个字符
+	匹配1个或多个字符
?	匹配0个或1个字符;非贪婪匹配，即尽可能少匹配
{n}	匹配n个字符
{n,m}	匹配n-m个字符
A\|B	匹配A或B
^	表示行的开头 等同\A
$	表示行的结束 等同\Z
()	表示分组

re函数

re函数	含义
re.match()	方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。
re.match(r'','').groups(default=None)	返回一个元组，包含所有匹配的子组，在样式中出现的从1到任意多的组合。 default 参数用于不参与匹配的情况，默认为 None。
re.match(r'','').group([n])	返回被 RE 匹配的字符串，默认n为0,等同re.match(r'','')[0]
re.match(r'','').start()	返回匹配开始的位置
re.match(r'','').end()	返回匹配结束的位置
re.match(r'','').span()	返回一个元组包含匹配 [开始,结束) 的位置
re.search(r'','')
re.split(r'\s+', 'a b c')	切分字符串
re.compile(r'')	预编译正则表达式
re.findall(r'','')	将所有匹配的结果作为元组组成列表
re.finditer(r'','')	将所有匹配的结果作为迭代器返回
re.sub(r'', A, B, n))	把B字符串中的匹配项替换成A字符串，匹配n次，默认为0即全部替换

编译标志

编译标志	含义
re.S / [DOTALL]	使 . 匹配包括换行在内的所有字符
re.I / [IGNORECASE]	使匹配对大小写不敏感
re.M / [MULTILINE]	多行匹配，影响 ^ 和 $
re.L / [LOCALE]	做本地化识别（locale-aware）匹配
re.X / [VERBOSE]	更清晰地组织和缩进 RE，允许将注释"#"写入 RE，该符号不能在字符串或反斜杠之后

高级用法--？的使用

(?...)	含义
(?aiLmsux)	正则表达式内的编译标志， 例子： re.match(r'(?i)(ab)c','aBc').group(1)
(?:...)	正则括号的非捕获版本，可理解为忽略该分组， 例子： re.match(r'(?i:aB)','aB00').groups()
(?P<name>...)	命名组合，引用组合的方式 1.正则式 (?P=name) 《==》\1 。比如 (?P<name>['"]).*?(?P=name) 2.处理匹配对象m， m.group('name') 等 3.传递到 re.sub() 里的 repl 参数中， \g<quote> 《==》 \g<1> 《==》 \1
(?P=name)	反向引用一个命名组合； 它匹配前面那个叫 name 的命名组中匹配到的串同样的字串。
(?#...)	注释；里面的内容会被忽略。
(?=...)	前瞻性断言，匹配时的判断条件， 比如 hello (?=world) 只有在后面是 'world' 的时候匹配 'hello '
(?!...)	否定超前断言，前视取反， 比如 hello (?!world) 只有在后面不是 'world' 的时候匹配 'hello '
(?<=...)	肯定断言，正向后视断定
(?<!...)	否定后视断言，后视断定取非，
(?(id/name)yes-pattern\|no-pattern)	判断 id 或 name 存在。 比如， (<)?(\w+@\w+(?:\.\w+)+)(?(1)>\|$) 是一个email样式匹配

练习题

来源：廖雪峰的python教程

验证Email地址的正则表达式，

• someone@gmail.com
• bill.gates@microsoft.com
• <someone@gmail.com>

代码参考
# coding:utf-8
# re 模块
import re

def is_valid_email(addr):
    m = re.match(r'^[\w\.]+@[a-zA-Z]+\.com$',addr)
    r'([\w]+(\.[\w]+)*@[\w]+(\.[\w]+)+)'
    return True if m else False

def is_valid_email2(addr):
    """匹配'<user@host.com>' 或 'user@host.com'
    """
    m = re.match(r'(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$)',addr)
    return True if m else False

# 测试:
assert is_valid_email('someone@gmail.com')
assert is_valid_email('bill.gates@microsoft.com')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('mr-bob@example.com')
assert is_valid_email2('<someone@gmail.com>')
print('ok')

可以提取出带名字的Email地址：

• <Tom Paris> tom@voyager.org => Tom Paris
• bob@example.com => bob

代码参考
# coding:utf-8
# re 模块
import re

def name_of_email(addr):
    return re.match(r'\<?([\w\s]+)\>?\s?(\w*)\@',addr).group(1)

def name_of_email2(addr):
    return re.match(r'(<)?([\w\s]+)(?(1)(?:> \w+))@',addr).group(2)

# 测试:
assert name_of_email('<Tom Paris> tom@voyager.org') == 'Tom Paris'
assert name_of_email('tom@voyager.org') == 'tom'
print('ok')

其他

匹配网页 (http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*,]|(?:%[0-9a-fA-F][0-9a-fA-F]))+)|([a-zA-Z]+.+.+[a-zA-Z0-9/_]+)