Python 正則表達式 · Programiz 中文系列教程

# Python 正則表達式 > 原文： [https://www.programiz.com/python-programming/regex](https://www.programiz.com/python-programming/regex) #### 在本教程中，您將學習正則表達式（RegEx），并使用 Python 的`re`模塊與 RegEx 一起使用（在示例的幫助下）。正則表達式（RegEx）是定義搜索模式的字符序列。例如， ```py ^a...s$ ``` 上面的代碼定義了 RegEx 模式。模式為從`a`到`s`的任何五個字母的字符串。使用 RegEx 定義的模式可用于與字符串匹配。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `^a...s$` | `abs` | 沒有匹配 | | | `alias` | 匹配 | | | `abyss` | 匹配 | | | `Alias` | 沒有匹配 | | | `An abacus` | 沒有匹配 | * * * Python 有一個名為`re`的模塊可與 RegEx 一起使用。這是一個例子： ```py import re pattern = '^a...s$' test_string = 'abyss' result = re.match(pattern, test_string) if result: print("Search successful.") else: print("Search unsuccessful.") ``` 在這里，我們使用`re.match()`函數在`test_string`中搜索`pattern`。如果搜索成功，該方法將返回一個匹配對象。如果不是，則返回`None`。 * * * `re`模塊中定義了其他一些函數，可與 RegEx 一起使用。在探討之前，讓我們學習正則表達式本身。如果您已經了解 RegEx 的基礎知識，請跳至 [Python RegEx](#python-regex)。 * * * ## 使用 RegEx 指定模式為了指定正則表達式，使用了元字符。在上面的示例中，`^`和`$`是元字符。 * * * ### 元字符元字符是 RegEx 引擎以特殊方式解釋的字符。以下是元字符列表： ```py [] . ^ $ + ? {} () \ | ``` * * * `[]` - **方括號** 方括號指定您要匹配的一組字符。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `[abc]` | `a` | 1 個匹配 | | | `ac` | 2 個匹配 | | | `Hey Jude` | 沒有匹配 | | | `abc de ca` | 5 個匹配 | 在這里，如果您要匹配的字符串包含`a`，`b`或`c`中的任何一個，則`[abc]`將匹配。您也可以使用方括號內的`-`指定字符范圍。 * `[a-e]`與`[abcde]`相同。 * `[1-4]`與`[1234]`相同。 * `[0-39]`與`[01239]`相同。您可以在方括號的開頭使用尖號`^`符號來補充（反轉）字符集。 * `[^abc]`表示除`a`或`b`或`c`之外的任何字符。 * `[^0-9]`表示任何非數字字符。 * * * `.` - **句號** 句點匹配任何單個字符（換行符`'\n'`除外）。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `..` | `a` | 沒有匹配 | | | `ac` | 1 個匹配 | | | `acd` | 1 個匹配 | | | `acde` | 2 個匹配（包含 4 個字符） | * * * `^` - **脫字符** 插入符號`^`用于檢查字符串**是否以某個字符開頭**。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `^a` | `a` | 1 個匹配 | | `abc` | 1 個匹配 | | `bac` | 沒有匹配 | | `^ab` | `abc` | 1 個匹配 | | `acb` | 沒有匹配（以`a`開頭，但之后沒有`b`） | * * * `$` - **美元** 美元符號`$`用于檢查字符串**是否以某個字符結束**。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `a$` | `a` | 1 個匹配 | | `formula` | 1 個匹配 | | `cab` | 沒有匹配 | * * * `*` - **星號** 星形符號`*`匹配**模式的零次或多次出現**。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `ma*n` | `mn` | 1 個匹配 | | `man` | 1 個匹配 | | `maaan` | 1 個匹配 | | `main` | 沒有匹配（`a`之后沒有`n`） | | `woman` | 1 個匹配 | * * * `+`- **加號** 加號`+`**匹配左側的模式的一個或多個出現**。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `ma+n` | `mn` | 沒有匹配（沒有`a`字符） | | `man` | 1 個匹配 | | `maaan` | 1 個匹配 | | `main` | 沒有匹配（`a`后跟`n`） | | `woman` | 1 個匹配 | * * * `?` - **問號** 問號符號`?`匹配**模式的零或一次出現**。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `ma?n` | `mn` | 1 個匹配 | | `man` | 1 個匹配 | | `maaan` | 沒有匹配（一個以上`a`字符） | | `main` | 沒有匹配（`a`之后沒有`n`） | | `woman` | 1 個匹配 | * * * `{}` - **大括號** 考慮以下代碼：`{n,m}`。這意味著至少`n`，并且最多`m`個重復的模式留給它。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `a{2,3}` | `abc dat` | 沒有匹配 | | `abc daat` | 1 個匹配（在`daat`） | | `aabc daaat` | 2 個匹配（在`aabc`和`daaat`） | | `aabc daaaat` | 2 個匹配（在`aabc`和`daaaat`） | 讓我們再嘗試一個示例。此 RegEx `[0-9]{2, 4}`匹配至少 2 位但不超過 4 位 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `[0-9]{2,4}` | `ab123csde` | 1 個匹配（在`ab123csde`） | | `12 and 345673` | 3 個匹配（`12`，`3456`，`73`） | | `1 and 2` | 沒有匹配 | * * * `|` - **替代項** 豎線`|`用于交替（`or`運算符）。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `a|b` | `cde` | 沒有匹配 | | `ade` | 1 個匹配（在`ade`匹配） | | `acdbea` | 3 個匹配（在`acdbea`） | 在此，`a|b`匹配包含`a`或`b`的任何字符串 * * * `()` - **分組** 括號`()`用于對子模式進行分組。例如，`(a|b|c)xz`匹配與`a`或`b`或`c`匹配的任何字符串，后跟`xz` | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `(a|b|c)xz` | `ab xz` | 沒有匹配 | | `abxz` | 1 個匹配（在`abxz`匹配） | | `axz cabxz` | 2 個匹配（在`axzbc cabxz`） | * * * `\` - **反斜線** 反沖`\`用于轉義包括所有元字符在內的各種字符。例如，如果字符串包含`$`后跟`a`，則`\$a`匹配。在這里，`$`不是由 RegEx 引擎以特殊方式解釋的。如果不確定某個字符是否具有特殊含義，可以在其前面放置`\`。這樣可以確保不對字符進行特殊處理。 * * * **特殊序列** 特殊序列使常用模式更易于編寫。以下是特殊序列的列表： `\A` - 如果指定字符在字符串的開頭，則匹配。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\Athe` | `the sun` | 匹配 | | `In the sun` | 沒有匹配 | * * * `\b` - 如果指定字符在單詞的開頭或結尾，則匹配。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\bfoo` | `football` | 匹配 | | `a football` | 匹配 | | `afootball` | 沒有匹配 | | `foo\b` | `the foo` | 匹配 | | `the afoo test` | 匹配 | | `the afootest` | 沒有匹配 | * * * `\B` - 與`\b`相反。如果指定字符不是單詞開頭或結尾，則匹配。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\Bfoo` | `football` | 沒有匹配 | | `a football` | 沒有匹配 | | `afootball` | 匹配 | | `foo\B` | `the foo` | 沒有匹配 | | `the afoo test` | 沒有匹配 | | `the afootest` | 匹配 | * * * `\d` - 匹配任何十進制數字。相當于`[0-9]` | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\d` | `12abc3` | 3 個匹配（在`12abc3`） | | `Python` | 沒有匹配 | * * * `\D` - 匹配任何非十進制數字。相當于`[^0-9]` | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\D` | `1ab34"50` | 3 個匹配（在`1ab34"50`） | | `1345` | 沒有匹配 | * * * `\s` - 匹配字符串包含任何空格字符的地方。等效于`[ \t\n\r\f\v]`。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\s` | `Python RegEx` | 1 個匹配 | | `PythonRegEx` | 沒有匹配 | * * * `\S` - 匹配字符串包含任何非空白字符的地方。等效于`[^ \t\n\r\f\v]`。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\S` | `a b` | 2 個匹配（在`a b`） | | | 沒有匹配 | * * * `\w` - 匹配任何字母數字字符（數字和字母）。等效于`[a-zA-Z0-9_]`。順便說一下，下劃線`_`也被認為是字母數字字符。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\w` | `12&": ;c` | 3 個匹配（在`12&": ;c`） | | `%"> !` | 沒有匹配 | * * * `\W` - 匹配任何非字母數字字符。相當于`[^a-zA-Z0-9_]` | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `\W` | `1a2%c` | 1 個匹配（在`1a2%c`） | | `Python` | 沒有匹配 | * * * `\Z` - 如果指定字符在字符串的末尾，則匹配。 | 表達式 | 字符串 | 是否匹配 | | --- | --- | --- | | `Python\Z` | `I like Python` | 1 個匹配 | | `I like Python Programming` | 沒有匹配 | | `Python is fun.` | 沒有匹配 | * * * **提示**：要構建和測試正則表達式，可以使用 RegEx 測試器工具，例如 [regex101](https://regex101.com/ "RegEx tester") 。該工具不僅可以幫助您創建正則表達式，還可以幫助您學習它。現在，您了解了 RegEx 的基礎知識，讓我們討論如何在 Python 代碼中使用 RegEx。 * * * ## Python RegEx Python 有一個名為`re`的模塊可用于正則表達式。要使用它，我們需要導入模塊。 ```py import re ``` 該模塊定義了一些可與 RegEx 一起使用的函數和常量。 * * * ## `re.findall()` `re.findall()`方法返回包含所有匹配項的字符串列表。 * * * ### 示例 1：`re.findall()` ```py # Program to extract numbers from a string import re string = 'hello 12 hi 89\. Howdy 34' pattern = '\d+' result = re.findall(pattern, string) print(result) # Output: ['12', '89', '34'] ``` 如果找不到該模式，則`re.findall()`返回一個空列表。 * * * ## `re.split()` `re.split`方法在存在匹配項的地方拆分字符串，并返回發生拆分的字符串列表。 * * * ### 示例 2：`re.split()` ```py import re string = 'Twelve:12 Eighty nine:89.' pattern = '\d+' result = re.split(pattern, string) print(result) # Output: ['Twelve:', ' Eighty nine:', '.'] ``` 如果找不到該模式，則`re.split()`返回一個包含原始字符串的列表。 * * * 您可以將`maxsplit`參數傳遞給`re.split()`方法。這是將要發生的最大拆分次數。 ```py import re string = 'Twelve:12 Eighty nine:89 Nine:9.' pattern = '\d+' # maxsplit = 1 # split only at the first occurrence result = re.split(pattern, string, 1) print(result) # Output: ['Twelve:', ' Eighty nine:89 Nine:9.'] ``` 順便說一下，`maxsplit`的默認值為 0；意味著所有可能的分裂。 * * * ## `re.sub()` `re.sub()`的語法為： ```py re.sub(pattern, replace, string) ``` 該方法返回一個字符串，其中匹配的匹配項被`replace`變量的內容替換。 * * * ### 示例 3：`re.sub()` ```py # Program to remove all whitespaces import re # multiline string string = 'abc 12\ de 23 \n f45 6' # matches all whitespace characters pattern = '\s+' # empty string replace = '' new_string = re.sub(pattern, replace, string) print(new_string) # Output: abc12de23f456 ``` 如果找不到該模式，則`re.sub()`返回原始字符串。 * * * 您可以將`count`作為第四個參數傳遞給`re.sub()`方法。如果省略，則結果為 0。這將替換所有出現的事件。 ```py import re # multiline string string = 'abc 12\ de 23 \n f45 6' # matches all whitespace characters pattern = '\s+' replace = '' new_string = re.sub(r'\s+', replace, string, 1) print(new_string) # Output: # abc12de 23 # f45 6 ``` * * * ## `re.subn()` `re.subn()`與`re.sub()`相似，但期望它返回 2 個項目的元組，其中包含新字符串和進行的替換數目。 * * * ### 示例 4：`re.subn()` ```py # Program to remove all whitespaces import re # multiline string string = 'abc 12\ de 23 \n f45 6' # matches all whitespace characters pattern = '\s+' # empty string replace = '' new_string = re.subn(pattern, replace, string) print(new_string) # Output: ('abc12de23f456', 4) ``` * * * ## `re.search()` `re.search()`方法采用兩個參數：模式和字符串。該方法查找 RegEx 模式與字符串匹配的第一個位置。如果搜索成功，則`re.search()`返回一個匹配對象。如果不是，則返回`None`。 ```py match = re.search(pattern, str) ``` * * * ### 示例 5：`re.search()` ```py import re string = "Python is fun" # check if 'Python' is at the beginning match = re.search('\APython', string) if match: print("pattern found inside the string") else: print("pattern not found") # Output: pattern found inside the string ``` 在此，`match`包含一個匹配對象。 * * * ## 匹配對象您可以使用[`dir()`](/python-programming/methods/built-in/dir)函數獲取匹配對象的方法和屬性。匹配對象的一些常用方法和屬性是： * * * ### `match.group()` `group()`方法返回字符串中匹配的部分。 ### 示例 6：匹配對象 ```py import re string = '39801 356, 2102 1111' # Three digit number followed by space followed by two digit number pattern = '(\d{3}) (\d{2})' # match variable contains a Match object. match = re.search(pattern, string) if match: print(match.group()) else: print("pattern not found") # Output: 801 35 ``` 在此，`match`變量包含一個匹配對象。我們的模式`(\d{3}) (\d{2})`具有兩個子組`(\d{3})`和`(\d{2})`。您可以獲取這些帶括號的子組的字符串的一部分。這是如何做： ```py >>> match.group(1) '801' >>> match.group(2) '35' >>> match.group(1, 2) ('801', '35') >>> match.groups() ('801', '35') ``` * * * ### `match.start()`，`match.end()`和`match.span()` `start()`函數返回匹配的子字符串的開頭的索引。同樣，`end()`返回匹配的子字符串的結束索引。 ```py >>> match.start() 2 >>> match.end() 8 ``` `span()`函數返回一個包含匹配部分的開始和結束索引的元組。 ```py >>> match.span() (2, 8) ``` * * * ### `match.re`和`match.string` 匹配對象的`re`屬性返回正則表達式對象。同樣，`string`屬性返回傳遞的字符串。 ```py >>> match.re re.compile('(\\d{3}) (\\d{2})') >>> match.string '39801 356, 2102 1111' ``` * * * 我們已經介紹了`re`模塊中定義的所有常用方法。如果您想了解更多信息，請訪問 [Python 3 `re`模塊](https://docs.python.org/3/library/re.html)。 * * * ### 在 RegEx 之前使用`r`前綴在正則表達式前使用`r`或`R`前綴時，表示原始字符串。例如，`'\n'`是換行，而`r'\n'`表示兩個字符：反斜杠`\`后跟`n`。反沖`\`用于轉義包括所有元字符在內的各種字符。但是，使用`r`前綴會使`\`被視為正常字符。 * * * ### 示例 7：使用`r`前綴的原始字符串 ```py import re string = '\n and \r are escape sequences.' result = re.findall(r'[\n\r]', string) print(result) # Output: ['\n', '\r'] ```