元字符释义
-
.代指任意字符 -
^从字符串开始匹配 -
$匹配字符串的结尾 -
*匹配前面挨着的字符，能匹配0到无穷次 -
+同*，能匹配1到无穷次（最少1个） -
?匹配前面挨着的字符，匹配0或1次 -
{}自定义匹配次数，{1,6}匹配1到6次，{6}匹配6次（重复匹配前面挨着的字符） -
[]匹配中括号中的任意字符，[x,y*]匹配x或y或,或*（括号中无特殊字符），但以下几个除外-如[a-z]，匹配a到z中的任意字符^如[^a-z]，非，匹配不是a到z以外的任意字符\转义
-
|或，如'a|b'匹配'a'或'b' -
()分组，如'(abc)'匹配'abc'(?P<name>\w+)'?P<name>'为固定格式，name为对该组进行命名，'\w'为真正的匹配规则- 上面的固定格式可不写，主要便于阅读和读取返回结果
-
\转义，有以下功能- 将无意义的普通字符变为有意义
-
\d匹配任何十进制数，即0-9 -
\D匹配任何非数字字符，相当于[^0-9] -
\s匹配任何空白字符，相当于[\t\n\r\f\v] -
\S匹配任何非空白字符，相当于[^\t\n\r\f\v] -
\w对于 Unicode (str) 样式：
匹配Unicode词语的字符，包含了可以构成词语的绝大部分字符，也包括数字和下划线。如果设置了 ASCII 标志，就只匹配[a-zA-Z0-9_]。对于
8位(bytes)样式：
匹配ASCII字符中的数字和字母和下划线，就是[a-zA-Z0-9_]。如果设置了 LOCALE 标记，就匹配当前语言区域的数字和字母和下划线。 -
\W匹配非单词字符的字符。这与 \w 正相反。如果使用了 ASCII 旗标，这就等价于[^a-zA-Z0-9_]。如果使用了 LOCALE 旗标，则会匹配当前区域中既非字母数字也非下划线的字符。 -
\b匹配一个特殊字符边界，如空格，&，#等
-
- 将有意义的元字符变为无意义
如\. \* \^ \$等
- 将无意义的普通字符变为有意义
基本使用
查找所有匹配的内容
In [6]: re.findall(r'\d', '12+(34*6+2-5*(2-1))')
Out[6]: ['1', '2', '3', '4', '6', '2', '5', '2', '1']
查找第一个匹配的内容
In [10]: m = re.search(r'(\d)', '12+(34*6+2-5*(2-1))')
In [11]: m.groups()
Out[11]: ('1',)
使用分组
分组可以在需要其他规则辅助定位，但是又不想获取这些规则所匹配到的内容时使用。
In [68]: re.findall(r'(\w+)\.', 'abd. efg. 123sd')
Out[68]: ['abd', 'efg']
可以使用 ?P<name> 为分组命名，并通过分组名获取内容：
In [70]: re.search(r'(?P<wgroup>\w+)\.', 'abd. efg. 123sd').groups('wgroup')
Out[70]: ('abd',)
迭代返回匹配的结果
如果匹配的内容太多，可以使用该方法优化内容使用。
In [5]: re.finditer(r'\d', '12+(34*6+2-5*(2-1))')
Out[5]: <callable_iterator at 0x283dbd4bdf0>
从字符串起始位置开始匹配
In [15]: re.match(r'h', 'hello')
Out[15]: <re.Match object; span=(0, 1), match='h'>
In [16]: re.match(r'e', 'hello') # None
分割字符串
In [22]: re.split('ab', 'abcd')
Out[22]: ['', 'cd']
用括号将分割的标志包裹起来，可以保留分割的内容：
In [23]: re.split('(ab)', 'abcd')
Out[23]: ['', 'ab', 'cd']
替换字符串
In [31]: re.sub('[a-z]', '-', 'a123b')
Out[31]: '-123-'
指定最大的替换次数：
In [32]: re.sub('[a-z]', '-', 'a123b', 1)
Out[32]: '-123b'
同时获取替换的次数
In [33]: re.subn('[a-z]', '-', 'a123b')
Out[33]: ('-123-', 2)
替换时引用前面匹配到的内容
使用命名组：
In [37]: re.sub('(?P<w>[a-z])', '\g<w>-', 'a123b') # 将 'a' 替换为 'a-', 'b' 替换为 'b-'
Out[37]: 'a-123b-'
不使用命名组：
In [39]: re.sub('([a-z])', '\g<1>-', 'a123b')
Out[39]: 'a-123b-'
预编译规则
预编译可以避免每次调用时的编译性能消耗，虽然 re 库也会在内部做缓存，但缓存的数量是有限的，这会导致所传入的表达式不总是能走缓存，使用预编译可以保证只编译一次。
In [40]: comp = re.compile(r'\d+')
In [41]: comp.findall('nasa1') # 编译后的对象可以调用 search, findall 等匹配方法
Out[41]: ['1']
常用技巧
多行文本匹配时，匹配每一行的内容
In [17]: text = """
...: this is
...: a
...: multiple
...: line
...: text
...: .
...: """
In [19]: re.findall('^[al]', text, re.M) # 匹配以字母 a, l 开始的行首字母
Out[19]: ['a', 'l']
使用多个 flags
如果要同时忽略大小写，以及多行模式匹配，可以使用 | 将多个 flag 拼接起来
In [20]: text = """
...: this is
...: A
...: multiple
...: Line
...: text
...: .
...: """
In [21]: re.findall('^[al]', text, flags=re.M | re.I)
Out[21]: ['A', 'L']
匹配中文
In [3]: re.findall(r'[\u4e00-\u9fa5]', '你好，我是 john')
Out[3]: ['你', '好', '我', '是']
或使用双字节字符匹配（可以包含中文标点符号）：
In [4]: re.findall(r'[^\x00-\xff]', '你好，我是 john')
Out[4]: ['你', '好', '，', '我', '是']
匹配不包含某个字符串的的内容
In [64]: re.findall(r'\b((?!abc)\w+)', 'abcdefg123')
Out[64]: []
In [66]: re.findall(r'\b((?!abc)\w+)', 'abdefg123')
Out[66]: ['abdefg123']
对上述表达式的解释：
\b匹配单词的开始或结束?!<exp>零宽负向先行断言，只会匹配后缀<exp>不存在的位置\w匹配字母或数字或下划线或汉字+重复一次或更多次\b((?!abc)\w)+匹配由字母或数字或下划线或汉字组成的字串，但字串中不能出现abc
匹配多个连串的字符（去掉分组优先级）
比如，想匹配以 abc 或 123 开始的内容，但是又不想把 abc 或 123 作为一个分组，可以使用 ?: 去掉分组优先级：
In [73]: re.findall(r'(?P<wgroup>(?:123|abc)\.)', 'abc. efg. 123.')
Out[73]: ['abc.', '123.']
其中 (?:123|abc) 使用了分组的语法，但不会被视为一个分组。
其它实例
匹配可有可无的字符
如 http/https 中的 s
In [78]: pat = re.compile(r'((?:http|https)://.*?/)')
In [79]: pat.findall('http://www.zhparks.com/upload/')
Out[79]: ['http://www.zhparks.com/']
In [80]: pat.findall('https://www.zhparks.com/upload/')
Out[80]: ['https://www.zhparks.com/']