Python正则表达式备忘单

正则表达式(Regular Expression,简称Regex)是一种用于匹配字符串的强大工具。它使用特殊的语法规则来描述字符集合的组合，从而能够高效、准确地匹配各种类型的字符串。Python中的正则表达式可以使用re模块来实现，在程序开发中经常使用。

正则表达式基础概念

• 元字符(Metacharacters)：指在正则表达式中有特殊含义的字符，如.、*、+、?等。
• 转义字符(Escape characters)：指在正则表达式中需要使用\来转义的字符，如\(、\)、\.等。
• 字符集合(Character set)：指一组用方括号([])括起来的字符，其中任意一个字符都能匹配。
• 重复次数(Repetitions)：指一个元字符或者一个字符集合出现的次数，如*、+、?、{m}、{m,n}等。
• 匹配模式(Match mode)：指在正则表达式中指定的一些匹配模式，如忽略大小写(re.I)、多行模式(re.M)、单行模式(re.S)等。

基本用法

re.compile(pattern[, flags])

• 将正则表达式的字符串形式编译成正则表达式对象，并返回该对象。
• pattern为正则表达式的字符串形式，flags为可选参数，表示匹配模式。
• 示例：

import re

pattern = re.compile(r'\d+')
strs = 'abc123def456'
result = pattern.findall(strs)
print(result) # ['123', '456']

re.match(pattern, string[, flags])

• 尝试在字符串的起始位置匹配正则表达式，如果匹配成功则返回匹配对象，否则返回None。
• pattern为正则表达式的字符串形式，string为需要匹配的字符串，flags为可选参数，表示匹配模式。
• 示例：

import re

pattern = re.compile(r'\d+')
strs = 'abc123def'
result = pattern.match(strs)
print(result.group(0)) # '123'

re.search(pattern, string[, flags])

• 在字符串中搜索正则表达式匹配的第一个位置，并返回匹配对象，否则返回None。
• pattern为正则表达式的字符串形式，string为需要匹配的字符串，flags为可选参数，表示匹配模式。
• 示例：

import re

pattern = re.compile(r'\d+')
strs = 'abc123def456'
result = pattern.search(strs)
print(result.group(0)) # '123'

re.findall(pattern, string[, flags])

• 在字符串中查找正则表达式的所有匹配，并返回匹配结果的列表。
• 对于出现次数无限的元字符 *、+、?和{m,n}，返回的结果可能会包含多个相邻的匹配。
• pattern为正则表达式的字符串形式，string为需要匹配的字符串，flags为可选参数，表示匹配模式。
• 示例：

import re

pattern = re.compile(r'\d+')
strs = 'abc123def456'
result = pattern.findall(strs)
print(result) # ['123', '456']

re.finditer(pattern, string[, flags])

• 在字符串中查找正则表达式的所有匹配，并返回一个迭代器，其中每个元素为匹配对象。
• 对于出现次数无限的元字符 *、+、?和{m,n}，可能会有多个相邻的匹配，每个匹配独立成为一个迭代器中的元素。
• pattern为正则表达式的字符串形式，string为需要匹配的字符串，flags为可选参数，表示匹配模式。
• 示例：

import re

pattern = re.compile(r'\d+')
strs = 'abc123def456'
result = pattern.finditer(strs)
for item in result:
    print(item.group(0)) # '123', '456'

re.split(pattern, string[, maxsplit=0, flags=0])

• 根据正则表达式分割字符串，并返回分割结果的列表。
• pattern为正则表达式的字符串形式，string为需要分割的字符串，maxsplit为可选参数，表示最大分割次数，flags为可选参数，表示匹配模式。
• 示例：

import re

pattern = re.compile(r'\s+')
strs = 'a b\tc   d'
result = pattern.split(strs)
print(result) # ['a', 'b', 'c', 'd']

re.sub(pattern, repl, string[, count=0, flags=0])

• 根据正则表达式将字符串中符合条件的字符进行替换，并返回替换后的结果。
• pattern为正则表达式的字符串形式，repl为替换字符串的字符串形式，string为需要替换的字符串，count为可选参数，表示替换次数，flags为可选参数，表示匹配模式。
• 示例：

import re

pattern = re.compile(r'\s+')
strs = 'a b\tc   d'
result = pattern.sub('-', strs)
print(result) # 'a-b-c-d'

正则表达式语法

元字符

下面是正则表达式中的一些元字符，它们在匹配字符串时会被特殊处理。

| 元字符 | 描述 | | ------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | . | 匹配除了换行外任何字符。 | | ^ | 匹配字符串的开始位置。如果开启了多行模式(re.M)，则还可以匹配连续换行符后的位置。 | | $ | 匹配字符串的结束位置。如果开启了多行模式(re.M)，则还可以匹配换行符前的位置。 | | [] | 匹配括号内的任意一个字符。支持使用-表示范围，如[a-z]、[A-Z]、[0-9]等。还支持使用^表示取反，如[^a-z]表示匹配任意一个不属于a-z的字符。 | | \ | 转义字符。可以将元字符转义为普通字符进行匹配，也可以将普通字符转义为特殊的匹配方式，如\d表示匹配任意一个数字，等同于[0-9]。 | | * | 匹配前面的元字符重复0次或多次，等同于{0,}。 | | + | 匹配前面的元字符重复1次或多次，等同于{1,}。 | | ? | 匹配前面的元字符重复0次或1次，等同于{0,1}。 | | {m} | 匹配前面的元字符重复m次。 | | {m,n}| 匹配前面的元字符重复m~n次。如果m和n都省略，则等同于*；如果m省略而n未省略，则等同于{0,n}；如果n省略则表示至少匹配m次。 | | \d | 匹配任意一个数字，等同于[0-9]。 | | \D | 匹配任意一个非数字字符，等同于[^0-9]。 | | \w | 匹配任意一个字母数字字符，等同于[a-zA-Z0-9_]。 | | \W | 匹配任意一个非字母数字字符，等同于[^a-zA-Z0-9_]。 | | \s | 匹配任意一个空白字符，包括空格、制表符、换行符等。等同于[ \t\n\r\f\v]。 | | \S | 匹配任意一个非空白字符。 |

表达式

在正则表达式中，可以使用括号()进行分组。分组可以被认为是一个整体，因此可以对分组内的内容进行重复、替换等操作。

例如，正则表达式(\d{3})\w+(\d{3})可以分为两个分组，第一个分组匹配任意三个数字，第二个分组匹配任意三个数字。其中\w匹配一个字母、数字或下划线，+表示前面的元字符可以出现一次或多次。这个正则表达式可以匹配类似于123abc456的字符串，并且将123和456分别作为第一个和第二个分组的内容。

在正则表达式中，支持使用|表示或关系，支持使用(?:)表示非捕获分组，支持使用(?P<name>)表示命名分组。

匹配模式

在正则表达式中，可以使用匹配模式来改变匹配的行为。一些常用的匹配模式如下：

• re.I(等同于re.IGNORECASE)：忽略大小写。
• re.M(等同于re.MULTILINE)：开启多行模式，使^和$分别匹配每行的开头和结尾。
• re.S(等同于re.DOTALL)：开启单行模式，使.匹配任意字符，包括换行符。
• re.U(等同于re.UNICODE)：开启Unicode模式，使\w、\W、\b、\B、\d、\D、\s、\S、.等元字符能够正确处理Unicode字符串。
• re.X(等同于re.VERBOSE)：开启详细模式，允许在正则表达式中使用空格和注释等，并忽略空格。

示例

下面是一些常用的正则表达式示例，可以供参考使用。

• 匹配手机号（中国大陆）：

import re

pattern = re.compile(r'^(?:\+86)?1[3-9]\d{9}$')
phone = '13800138000'

result = pattern.match(phone)
if result:
    print(f'{phone} is a valid phone number.')
else:
    print(f'{phone} is not a valid phone number.')

• 匹配邮箱地址：

import re

pattern = re.compile(r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$')
email = 'someone@example.com'

result = pattern.match(email)
if result:
    print(f'{email} is a valid email address.')
else:
    print(f'{email} is not a valid email address.')

• 匹配URL地址：

import re

pattern = re.compile(r'^(?:http|https)://(?:[a-zA-Z0-9-]+\.)+[a-zA-Z]{2,}(?:/[a-zA-Z0-9-._?=\+#%&]+)*$')
url = 'http://www.example.com/test?a=b&c=d#top'

result = pattern.match(url)
if result:
    print(f'{url} is a valid URL.')
else:
    print(f'{url} is not a valid URL.')

• 匹配IP地址：

import re

pattern = re.compile(r'^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$')
ip = '192.168.1.1'

result = pattern.match(ip)
if result:
    print(f'{ip} is a valid IP address.')
else:
    print(f'{ip} is not a valid IP address.')

• 匹配密码强度（6-18位，必须包含字母和数字）：

import re

pattern = re.compile(r'^(?=.*[0-9])(?=.*[a-zA-Z]).{6,18}$')
password = 'password123'

result = pattern.match(password)
if result:
    print(f'{password} is a strong password.')
else:
    print(f'{password} is not a strong password.')

以上仅是部分正则表达式的使用场景，更多的用法需要自己去实践、去探索。希望这份Python正则表达式备忘单可以对大家有所帮助。