python3正则模块re的使用方法详解-猿码集

1. 简介

re模块是Python中用于正则表达式操作的标准库之一，它提供了一系列的函数用于使用正则表达式进行匹配、搜索、替换等常见操作。在日常的文本处理中，使用正则表达式可以大大提高处理效率，缩短代码量。

正则表达式是一种字符串的匹配规则，它以特定的字符表示字符串中的一类字符或字符串组合，并用于匹配、搜索等操作。

2. 正则表达式的语法规则

在使用re模块之前，我们需要了解一下正则表达式的基本语法规则：

2.1 基本元字符

正则表达式中有一些特殊的字符称为元字符，它们在表达式中表示一类特定的字符或字符组合：

.：表示任意单个字符；

[ ]：表示匹配括号内任意一个字符；

[^ ]：表示匹配不在括号内的任意一个字符；

*：表示匹配前一个字符任意次数（0次或多次）；

+：表示匹配前一个字符至少一次；

?：表示匹配前一个字符0次或1次；

{m}：表示匹配前一个字符恰好m次；

{m,n}：表示匹配前一个字符最少m次，最多n次；

|：表示或者的意思，匹配两个表达式中的任意一个。

2.2 特殊字符

正则表达式中还有一些特殊的字符，它们有特定的含义：

\d：任意数字，等效于[0-9]；

\D：任意非数字，等效于[^0-9]；

\w：任意字母或数字或下划线，等效于[a-zA-Z0-9_]；

\W：任意非字母或数字或下划线，等效于[^a-zA-Z0-9_]；

\s：任意空白字符（空格、制表符、换行符等），等效于[\t\n\r\f\v]；

\S：任意非空白字符，等效于[^\t\n\r\f\v]。

2.3 分组

通过使用括号，可以将多个字符组合成一个子表达式，并对这个子表达式进行分组。分组可以进行嵌套，并支持重复、或者、非等操作。例如：

(ab)+                 #匹配连续出现的多个"ab"字符串
(a(bc))+              #匹配连续出现的多个"abc"字符串
(a\|b)+               #匹配连续出现的多个"a"或"b"字符
([0-9a-fA-F]{2}\:)+   #匹配MAC地址

3. re模块常用函数

3.1 re.compile()

re.compile()函数用于将正则表达式字符串编译为一个Pattern对象。由于在实际操作中，一个正则表达式可能需要多次使用，先编译为Pattern对象可以大大提高效率。例如：

import re
pattern = re.compile(r'\d{3}-\d{3,8}')
result = pattern.match('010-12345')

3.2 match()

match()函数用于尝试从字符串的起始位置匹配一个模式，成功返回一个Match对象，否则返回None。例如：

import re
pattern = re.compile(r'\d{3}-\d{3,8}')
result = pattern.match('010-12345')

3.3 search()

search()函数用于在整个字符串中搜索并匹配第一个满足条件的模式，成功返回一个Match对象，否则返回None。例如：

import re
pattern = re.compile(r'\d{3}-\d{3,8}')
result = pattern.search('010-12345')

3.4 findall()

findall()函数用于在整个字符串中搜索并匹配所有满足条件的模式，返回一个由所有匹配字符串组成的列表。例如：

import re
pattern = re.compile(r'\d{3}-\d{3,8}')
result = pattern.findall('010-12345,020-8888,13888888888')

3.5 finditer()

finditer()函数用于在整个字符串中搜索并匹配所有满足条件的模式，返回一个由所有匹配对象组成的迭代器。例如：

import re
pattern = re.compile(r'\d{3}-\d{3,8}')
result = pattern.finditer('010-12345,020-8888,13888888888')
for m in result:
    print(m.group())

3.6 sub()

sub()函数用于在字符串中搜索并替换所有满足条件的模式。例如：

import re
pattern = re.compile(r'\d{3}-\d{3,8}')
result = pattern.sub('****', '010-12345,020-8888,13888888888')
print(result)

3.7 split()

split()函数用于根据正则表达式匹配结果对字符串进行切片，返回一个切片后的字符串组成的列表。例如：

import re
result = re.split(r'\s+', 'a b    c')
print(result)

4. 实例演示

接下来，我们通过一些例子来演示re模块的具体应用。

4.1 匹配手机号码

手机号码是以11位数字开头的电话号码。我们可以通过正则表达式来匹配手机号码：

import re
pattern = re.compile(r'^1\d{10}$')
result = pattern.match('13888888888')
if result:
    print('匹配成功')
else:
    print('匹配失败')

4.2 匹配IP地址

IP地址由4个数字组成，每个数字的取值范围是0~255，数字之间用点号隔开。我们可以通过正则表达式来匹配IP地址：

import re
pattern = re.compile(r'^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$')
result = pattern.match('192.168.1.1')
if result:
    print('匹配成功')
else:
    print('匹配失败')

4.3 替换HTML标签

我们可以用sub()函数来替换HTML标签，将HTML文件中的标签去除。

import re
pattern = re.compile(r'<[^>]+>')
result = pattern.sub('', 'TestHello World!')
print(result)

5. 总结

在本文中，我们介绍了Python中re模块的基本用法和常见函数用法，包括了正则表达式语法、编译正则表达式、匹配、搜索、替换、切片等内容，并通过实例演示了正则表达式在文本处理中的应用。使用正则表达式可以大大提高程序的效率和可读性，是Python中常用的文本处理方法之一。

python3正则模块re的使用方法详解