Python正则表达式入门：元字符与核心方法详解
本文系统讲解Python中正则表达式（Regular Expression）的基础用法。内容涵盖re模块中findall、search、match、split、sub等核心函数的功能与参数，详细解析元字符如点号、星号、加号、问号、方括号及圆括号的具体作用与贪婪/非贪婪匹配差异，帮助读者掌握文本处理与爬虫数据提取的关键技能。
本文深入解析Python中正则表达式功能的实现与应用。
前文：
首先，我们需要明确什么是正则表达式（Regular Expression）？
例如，若要判断字符串"adi_e32fv,Ls"中是否包含子串"e32f"，或者在一个包含百万条姓名的txt文件中筛选出姓氏为“王”且名字以“五”结尾的记录并打印，结果可能包括：“王五”、“王小五”、“王大五”、“王小小五”等。
以往我们依赖字符串函数进行查找，代码实现往往较为繁琐。如今借助正则表达式，仅需一行代码 re.findall('王.*？五',txt1) 即可完成！正则表达式是编写网络爬虫的基础知识，常用于从HTML中抓取符合特定字符串要求的网址。以下是对正则表达式基础知识的个人总结。
（操作环境：32位Win8系统，运行工具：python2.7.9+Eclipse.）
正文：
1、首先需要导入Python的re模块。
2、掌握元字符：. ^ $ * + ? {} [] \ | ()
re模块中的findall（str1，str2）方法用于返回字符串str2中符合str1格式的所有子串。例如在字符串'dit dot det,dct dit dot'中匹配'dit'，结果为：
str1 = 'dit dot det,dct dit dot'
print re.findall('dit',str1)
结果：
['dit', 'dit']
|符号的作用：'dit|dct'表示匹配'dit'或者'dct'。
str1 = 'dit dot det,dct dit dot'
print re.findall('dit|dct',str1)
结果：
['dit', 'dct', 'dit']
[]符号的作用：[ic]表示字符'i'或'c'，例如'd[ic]t'表示匹配'dit'和'dct'，这与'dit|dct'的效果等价：
str1 = 'dit dot det,dct dit dot'
print re.findall('d[ic]t',str1)
结果：
['dit', 'dct', 'dit']
^符号作用一：在[^ic]中，^表示否定，即匹配除了'i'和'c'以外的字符：
str1 = 'dit dot det,dct dit dot'
print re.findall('d[^ic]t',str1)
结果：
['dot', 'det', 'dot']
^符号作用二：^dit表示子串'dit'必须位于字符串开头，而'dct'不在开头：
str1 = 'dit dot det,dct dit dot'
print re.findall('^dit',str1)
print re.findall('^dct',str1)
结果：
['dit'][]
$符号的作用：dot$表示子串'dot'必须位于字符串末尾，而'dct'不在末尾：
str1 = 'dit dot det,dct dit dot'
print re.findall('dot$',str1)
print re.findall('dct$',str1)
结果：
['dot'][]
.符号的作用：d.t表示'd'与't'之间省略了一个任意字符：
str1 = 'dit dot det,dct dit dot'
print re.findall('d.t',str1)
结果：
['dit', 'dot', 'det', 'dct', 'dit', 'dot']
+符号的作用：di+t表示'd'与't'之间省略了一个或多个'i'：
str1 = 'd dt dit diit det'
print re.findall('d.+t',str1)
结果：
['dit', 'diit']
*符号的作用：di*t表示'd'与't'之间省略了零个或多个'i'：
str1 = 'd dt dit diit det'
print re.findall('d.*t',str1)
结果：
['dt', 'dit', 'diit']
通常，'.'与'+'或'*'搭配使用。'.+'表示省略了一个至多个任意元素，'.*'表示省略了零个至多个任意元素：
str1 = 'd dt dit diit det'
print re.findall('d.+t',str1)
print re.findall('d.*t',str1)
结果：
['d dt dit diit det']['d dt dit diit det']
？符号作用一：观察.+的匹配结果，'dit'、'dot'也满足'd.+t'的匹配条件，但输出的是满足匹配条件的最长子串'dit dot det,dct dit dot'，这称为贪婪匹配。若要输出最短的匹配字串，只需在'+'后面加上'？'：（注：对于'*'也是一样的，只需在'*'后面加上'？'）
str1 = 'd dt dit diit det'
print re.findall('d.+?t',str1)
结果：
['dit', 'dot', 'det', 'dct', 'dit', 'dot']
？符号作用二：di?t表示'i'可有可无，即'dt'、'dit'都满足匹配条件：
str1 = 'd dt dit diit det'
print re.findall('di?t',str1)
结果：
['dt', 'dit']
{}符号作用一：di{n}t表示'd'和't'之间有n个'i'：
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{2}t',str1)
结果：
['diit']
{}符号作用二：di{n,m}t表示'd'和't'之间有n到m个'i'：
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{1,3}t',str1)
结果：
['dit', 'diit', 'diiit']
其中，n和m都是可以省略的。{n,}表示n个到任意个；{,m}表示0个到m个；{,}表示任意个，功能和'*'一样：
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{1,}t',str1)
print re.findall('di{,3}t',str1)
print re.findall('di{,}t',str1)
结果：
['dit', 'diit', 'diiit', 'diiiit'] ['dt', 'dit', 'diit', 'diiit'] ['dt', 'dit', 'diit', 'diiit', 'diiiit']
\\符号作用一：取消元字符的特殊含义，使其变成转义字符：
str1 = '^abc ^abc'
print re.findall('^abc',str1)
print re.findall('\^abc',str1)
结果：
[]['^abc', '^abc']
\\符号作用二：预定义字符
str1 = '12 abc 345 efgh'
print re.findall('\d+',str1)
print re.findall('\w+',str1)
结果：
['12', '345'] ['12', 'abc', '345', 'efgh']
()符号的作用：在匹配字符串后，只输出匹配字串'()'里面的内容：
str1 = '12abcd34'
print re.findall('12abcd34',str1)
print re.findall('1(2a)bcd34',str1)
print re.findall('1(2a)bc(d3)4',str1)
结果：
['12abcd34']
['2a']
[('2a', 'd3')]
3、re模块里的主要方法：findall()、finditer()、match()、search()、compile()、split()、sub()、subn()。
re.findall(pattern,string,flags = 0)
作用：在string中从左往右搜索与pattern匹配的字串，结果以list形式返回。
str1 = 'ab cd'
print re.findall('\w+',str1)
结果：['ab', 'cd']
re.finditer(pattern,string,flags = 0)
作用：其功能与re.findall相同，但结果以迭代器的形式返回。
str1 = 'ab cd'
iter1 = re.finditer('\w+',str1)
for a in iter1:
print a.group(),a.span()
结果：
ab (0, 2) cd (3, 5)
（注：a.group()返回满足匹配调节的字串，a.span()返回字串的起始位置和末尾位置）
re.search(pattern,string,flags = 0)
作用：在string中从左往右搜索与pattern匹配的字串，无匹配结果则返回None，否则返回一个search实例。
str1 = 'ab cd'
result = re.search('cd',str1)
if result == None:
print 'None'
else:
print result.group(),result.start(),result.end()
结果：cd 3 5
re.match(pattern,string,flags = 0)
作用：判断string的头部是否与pattern匹配，是则返回match实例，否则返回None。
str1 = 'ab cd'
result = re.match('cd',str1)
if result == None:
print 'None'
else:
print result.group(),result.start(),result.end()
结果：None
re.compile(pattern,flags = 0)
作用：对匹配格式pattern进行编译，返回一个实例对象。对正则表达式先编译，可以大幅提高匹配速度。
str1 = 'ab cd'
pre = re.compile('ab')
print pre.findall(str1)
结果：['ab']
re.split(pattern,string,maxsplit = 0,flags = 0)
作用：在string匹配pattern的时候做分割：
str1 = 'ab.c.de'
str2 = '12+34-56*78/90'
print re.split('\.',str1)
print re.split('[\+\-\*/]',str2)
结果：
['ab', 'c', 'de'] ['12', '34', '56', '78', '90']
re.sub(pattern,repl,string,count = 0,flags = 0)
作用：在string当中把满足pattern正则的字串替换成repl：
str1 = 'abcde'
print re.sub('bc','123',str1)
结果：a123de
re.subn(pattern,repl,string,count = 0,flags = 0)
作用：其功能与re.sub()相同，但返回的结果多了一个数字，代表替换了多少次
str1 = 'abcdebce'
print re.subn('bc','123',str1)
结果：('a123de123e', 2)
PS：这里再为大家提供2款非常方便的正则表达式工具供大家参考使用：
JavaScript正则表达式在线测试工具： http://tools.jb51.net/regex/javascript
正则表达式在线生成工具： http://tools.jb51.net/regex/create_reg
更多关于Python相关内容可查看本站专题：《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
