原文鏈接
I did what I could, and I survived, there gotta be a reason.
我竭盡全力活了下來(lái)，那就不能白活。 —《深海浩劫》
使用正則表達(dá)式可以很方便的過(guò)濾、篩選我們需要的信息。
學(xué)習(xí)正則表達(dá)式是一個(gè)并不太愉快的過(guò)程，因?yàn)樗_實(shí)有點(diǎn)像“火星語(yǔ)”。為方便查詢(xún)，先列出快速的‘元字符’查詢(xún)表(你可以先跳過(guò)這個(gè)表來(lái)學(xué)習(xí))：
| 表示法 | 表述 | 正則表達(dá)式式例 |
|---|---|---|
| literal | 匹配文本字符串的字面值 | foo |
| re1 I re2 | 匹配正則表達(dá)式re1或re2 | foo l bar |
| . | 匹配任何字符串（除了\n之外） | b.b |
| ^ | 匹配字符串起始部分 | ^Dear |
| $ | 匹配字符串終止部分 | ／bin／*sh$ |
| * | 匹配0次或多次前面出現(xiàn)的正則表達(dá)式 | [A-Za-z0-9] |
| + | 匹配1次或多次前面出現(xiàn)的正則表達(dá)式 | [a-z]+.com |
| ? | 匹配0次或1次前面出現(xiàn)的正則表達(dá)式 | goo？ |
| {N} | 匹配N(xiāo)次前面出現(xiàn)的正則表達(dá)式 | [0-9]{3} |
| {M,N} | 匹配M~N次前面出現(xiàn)的正則表達(dá)式 | [0-9]{5,9} |
| [...] | 匹配來(lái)自字符集的任意單一字符 | [aeiou] |
| [..x-y..] | 匹配x～y范圍中的任意單一字符 | [0-9],[A-Za-z] |
| [^...] | 不匹配此字符集中出現(xiàn)的任何一個(gè)字符，包括某一范圍的字符 | [aeiou],[A-Za-z] |
| (*l+l?l{})? | 用于匹配上面頻繁出現(xiàn)符號(hào)的非貪婪版本（*、+、？、{}） | .*?[a-z] |
| (...) | 匹配封閉的正則表達(dá)式，然后另存為子組 | ([0-9]{3})?,f(oo l u)bar |
| 特殊符號(hào) | ||
| \d | 匹配任何十進(jìn)制數(shù)字，和[0-9]相同（\D與\d相反，不匹配任何非數(shù)值型的數(shù)字） | data\d.txt |
| \w | 匹配任何字母數(shù)字字符，與[A-Za-z0-9_]相同（\W與之相反） | [A-Za-z_]\w+ |
| \s | 匹配任何空格字符，與[\n\t\r\n\f]相同（與\S相反） | of\sthe |
| \b | 匹配一個(gè)單詞邊界，也就是指單詞和空格間的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”(與\B相反) | \bThe\b |
| \B | 匹配非單詞邊界 | “er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er” |
| \N | 匹配已保存的子組N（參加上面的(...)） | price:\16 |
| \c | 逐字匹配任何特殊字符c | .,\,* |
| \A(\Z) | 匹配字符串的起始（參見(jiàn)上面^$） | \ADear |
| 擴(kuò)展表示法 | ||
| (?iLmsux) | 在正則表達(dá)式中嵌入一個(gè)或者多個(gè)特殊“標(biāo)記”參數(shù)（或者通過(guò)函數(shù)／方法） | （?x）,(?im) |
| (?:...) | 表示一個(gè)匹配不用保存的分組 | (?:\w+.)* |
| (?P<name>...) | 像一個(gè)僅有name標(biāo)識(shí)而不是數(shù)字ID標(biāo)識(shí)的正則分組匹配 | (?P<data>) |
| (?P=name) | 在同一字符串中匹配由（?P<name）分組的之前文本 | (?P=data) |
| (?#...) | 表示注釋?zhuān)袃?nèi)容都被忽略 | (?#comment) |
| (?=...) | 如果...跟在字符串后面才做匹配，非獲取匹配；稱(chēng)作正向前視斷言 | (?=.com) |
| (?!...) | 如果...不跟在后面才做匹配操作，非獲取匹配；稱(chēng)作負(fù)向前斷言 | (?!.net) |
| (?<=...) | 如果...出現(xiàn)在字符串前面才做匹配，稱(chēng)作正向后視斷言 | (?<=800-) |
| (?<!...) | 如果...不出現(xiàn)在字符串前面才做匹配，稱(chēng)作負(fù)向后斷言 | (?<!192.168.) |
| (?(id/name)Y l N) | 如果分組提供的id或name（名稱(chēng)）存在，就返回正則表達(dá)式的條件匹配Y，如果不存在，就返回N；l N是可選項(xiàng) | (?(1)y l x) |
只看上面的表格，還是不太會(huì)用，那么咱們來(lái)分開(kāi)一個(gè)個(gè)的說(shuō)說(shuō)：
1.擇一匹配符號(hào)“|”
表示從多個(gè)模式中選擇一個(gè)，用于分割不同的正則表達(dá)式。例如：
at | home #可以匹配字符串a(chǎn)t或home
2.任意字符匹配符號(hào)“.”
“.”號(hào)可以匹配除了換行符以為的任何字符（Python正則表達(dá)式有一個(gè)編譯標(biāo)記[S或DOTALL]能夠使“.”匹配換行符），要匹配“.”號(hào)自身，必須使用反斜線轉(zhuǎn)譯符號(hào)“\.”。例如：
f.o #能夠匹配f和o之間加上任意一個(gè)字符的樣式，如：fao、f9o、f#o
.. #能夠匹配任意兩個(gè)字符
3.**匹配字符串開(kāi)始“^”或結(jié)尾“”或\Z;
^From #任何以From開(kāi)始的字符串
tcsh$ #任何以tcsh結(jié)尾的字符串
^subject:hi$ #任何由單獨(dú)的字符串subject：hi構(gòu)成的字符串
4.匹配單詞邊界：“\b”、“\B”
\b：匹配單詞的邊界（單詞前或后），而不在乎單詞中間的字符
\B：匹配單詞中間的字符，而不在乎單詞邊界的字符
er\b #可以匹配“never”中的“er”，但不能匹配“verb”中的“er”，只關(guān)心后邊
er\B #能匹配“verb”中的“er”，但不能匹配“never”中的“er”,只關(guān)心中間
\bthe #匹配任何以the開(kāi)頭的字符串
5.字符集“[ ]”
當(dāng)想要匹配指定的某些字符的時(shí)候，使用字符集是很方便的。
注意：字符集只適用于單字符的情況。也就是說(shuō)[ab]表示只從ab中選擇一個(gè)
b[ae]t #匹配bat、或bet
[01][ab] #匹配0a、0b、1a、1b
6.字符集中的范圍“-”和否定“[^]”
z.[0-9] #字母z后面跟著任何一個(gè)字符，然后跟著一個(gè)數(shù)字
[^aeiou] #一個(gè)非元音字符
[^\t\n] #不匹配制表符或\n
["-a] #在一個(gè)ASCII系統(tǒng)中，位于“"”和“a”之間的字符，即34-97之間的字符
7.特殊符號(hào)、+、？、{}*
*：匹配其左邊的正則表達(dá)式出現(xiàn)零次或多次的情況。
+：匹配一次或多次出現(xiàn)的正則表達(dá)式。
？：匹配零次或一次出現(xiàn)的正則表達(dá)式。
{N}、{M,N}: 匹配前面的正則表達(dá)式N次或M～N次
[dn]ot? #字母d或n后面跟一個(gè)o，然后后面最多再跟一個(gè)t。例如：do、no、dot、not
0？[1-9] #一個(gè)1到9的數(shù)字，前面跟或不跟一個(gè)0
[0-9]{15,16} #匹配15或16個(gè)數(shù)字。例如信用卡號(hào)碼
</?[^>]+> #匹配全部有效的（和無(wú)效的）HTML標(biāo)簽
8.特殊字符
\d: 十進(jìn)制數(shù)字
\w: 全部字母數(shù)字，相當(dāng)于[A-Za-z0-9]
\s: 空格字符
這些字符的大些表示不匹配對(duì)應(yīng)小寫(xiě)的內(nèi)容。
\w+-\d+ #一個(gè)由字母數(shù)字組成的字符串和一串由連字符分隔的數(shù)字
[A-Za-z]\w* #第一個(gè)是字母，其余是字母或數(shù)字
\d{3}-\d{3}-\d{4} #美國(guó)電話號(hào)碼格式，例如800-555-1212
\w+@\w+\.com #以xxx@yyy.com格式表示的簡(jiǎn)單電子郵件弟子
9.圓括號(hào)指定分組
有時(shí)候除了進(jìn)行匹配操作外，我們還想要提取所匹配的子組，例如：\w+-\d+,這個(gè)正則表達(dá)式想要分別保存第一部分的字母和第二部分的數(shù)字，該怎么實(shí)現(xiàn)？我們可能這樣做的原因是對(duì)于任何成功的匹配，我們想要看到匹配的字符串究竟是什么。如果為兩個(gè)子模塊都加上圓括號(hào)，例如(\w+)-(\d),然后就能夠分別訪問(wèn)每一個(gè)匹配的子組。
\d+(\.\d*)? #匹配浮點(diǎn)數(shù)的字符串，如：“5”、“5.”、“5.009”等
10.擴(kuò)展表示法
可以參考上面表格的講解結(jié)合下面的例子就能懂了：
Windows(?=95|98|NT|2000) #能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”
Windows(?!95|98|NT|2000) #能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”
(?<=95|98|NT|2000)Windows #能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”
(?<!95|98|NT|2000)Windows #能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”
industr(?:y|ies) #就是一個(gè)比“industry|industries”更簡(jiǎn)略的表達(dá)式
(?:\w+\.)* #以點(diǎn)結(jié)尾的字符串，如google.
(?#comment) #不做匹配，只做注釋
(?=.com) #一個(gè)字符串后面跟著.com才做匹配
(?!.net) #一個(gè)字符串后面跟的不是.net才做匹配
(?<=800-) #字符串前面出現(xiàn)800-才做匹配
(?<!192\.168\.) # 字符串前面不是192.168。才做匹配，過(guò)濾掉一類(lèi)ip地址
(?(1)y|x) #如果匹配組1（\1）存在，就與y匹配，否則就與x匹配
正則表達(dá)式和Python語(yǔ)言
Python語(yǔ)言中使用re模塊的方法支持正則表達(dá)式。這里列出re模塊常見(jiàn)的函數(shù)以方便查詢(xún)（后面會(huì)介紹主要的函數(shù)使用方法）
| 函數(shù) | 描述 |
|---|---|
| 僅僅是re模塊函數(shù) | |
| compile(pattern, flags = 0) | 使用任何可選的標(biāo)記來(lái)編譯正則表達(dá)式的模式，然后返回一個(gè)正則表達(dá)式對(duì)象 |
| re模塊函數(shù)和正則表達(dá)式對(duì)象的方法 | |
| match(pattern, string, flags = 0) | 嘗試使用帶有可選的標(biāo)記的正則表達(dá)式的模式來(lái)匹配字符串。如果匹配成功就返回匹配對(duì)象，如果失敗就返回None |
| search(pattern, string, flags = 0) | 使用可選標(biāo)記搜索字符串中第一次出現(xiàn)的正則表達(dá)式模式。如果匹配成功就返回匹配對(duì)象，如果失敗就返回None |
| findall(pattern, string [, flags]) | 查找字符串中所有（非重復(fù)）出現(xiàn)的正則表達(dá)式模式，并返回一個(gè)匹配列表 |
| finditer(pattern, string[, flags]) | 與findall()函數(shù)相同，但返回的不是一個(gè)列表，而是一個(gè)迭代器。對(duì)于每一次匹配，迭代器都返回一個(gè)匹配對(duì)象 |
| split(pattern, string, max=0) | 根據(jù)正則表達(dá)式的模式分隔符，split函數(shù)將字符串分隔為列表，然后返回成功匹配的列表，分隔最多操作max次（默認(rèn)分隔所有成功匹配的位置） |
| sub(pattern, repl, string, count = 0) | 使用repl替換所有正則表達(dá)式的模式在字符串中出現(xiàn)的位置，除非定義count，否則就將替換所有出現(xiàn)的位置 |
| purge() | 清除隱式編譯的正則表達(dá)式模式 |
| 常用匹配對(duì)象方法 | |
| group(num = 0) | 返回整個(gè)匹配對(duì)象，或者編號(hào)為num的特性子組 |
| groups(default = None) | 返回一個(gè)包含所有匹配子組的元組（如果沒(méi)有成功匹配，則返回一個(gè)空元組） |
| groupdict(default = None) | 返回一個(gè)包含所有匹配的命名子組的字典，所有的子組名稱(chēng)作為字典的鍵（如果沒(méi)有匹配成功，就返回一個(gè)空元組） |
| 常用模塊屬性（用于大多數(shù)正則表達(dá)式函數(shù)的標(biāo)記） | |
| re.I、re.IGNORECASE | 不區(qū)分大小寫(xiě)的匹配 |
| re.L、re.LOCALE | 根據(jù)所使用的本地語(yǔ)言環(huán)境通過(guò)\w、\W、\b、\B、\s、\S實(shí)現(xiàn)匹配 |
| re.M、re.MULTILINE | ^和$分別匹配目標(biāo)字符串中行的起始和結(jié)尾，而不是嚴(yán)格匹配整個(gè)字符串本身的起始和結(jié)尾 |
| re.S、re.DOTALL | "."（點(diǎn)號(hào)）通常匹配除了\n之外的所有單個(gè)字符，該標(biāo)記表示"."能夠匹配全部字符 |
| re.X、re.VERBOSE | 通過(guò)反斜線轉(zhuǎn)譯，否則所有空格加上#（以及在該行中所有后續(xù)文字）都被忽略，除非在一個(gè)字符類(lèi)中或者允許注釋并提高可讀性 |
下面將分開(kāi)解釋上面的部分函數(shù)：
1.使用match()和search()匹配字符串，使用group()查看結(jié)果
match() :從字符串開(kāi)始的位置匹配，成功返回匹配的對(duì)象，失敗返回None
search(): 掃描整個(gè)字符串來(lái)進(jìn)行匹配，成功返回匹配的對(duì)象，失敗返回None
例1：比較match() 和 search()的區(qū)別
import re
m = re.match('foo', 'seafood')
if m is not None: print("match-" + m.group())
m = re.search('foo', 'seafood')
if m is not None: print("search-" + m.group())
#結(jié)果是：search-foo
例2: match()函數(shù)從起始位開(kāi)始匹配
import re
m = re.match('foo', 'foo')
if m is not None:
print("能匹配-" + m.group())
m = re.match('foo', 'bar')
if m is not None: print("不能匹配-" + m.group())
m = re.match('foo', 'food on the table')
if m is not None: print("從開(kāi)始位置進(jìn)行匹配-" + m.group())
#能匹配-foo
#從開(kāi)始位置進(jìn)行匹配-foo
例3: 匹配多個(gè)值（使用擇一表達(dá)式"|"）
import re
bt = 'bat|bet|bit'
m = re.match(bt, 'bat')
if m is not None:
print("1能匹配-" + m.group())
m = re.match(bt, 'blt')
if m is not None:
print("2能匹配-" + m.group())
m = re.match(bt, 'he bit me')
if m is not None:
print("3能匹配-" + m.group())
m = re.search(bt, 'he bit me')
if m is not None:
print("4能匹配-" + m.group())
#結(jié)果：
# 1能匹配-bat
# 4能匹配-bit
例4: 匹配任何單個(gè)字符
點(diǎn)號(hào)"."除了換行符\n和非字符，都能匹配
import re
bt = ".end"
m = re.match(bt, 'bend')
if m is not None:
print("bend能匹配-" + m.group())
m = re.match(bt, 'end')
if m is not None:
print("end能匹配-" + m.group())
m = re.match(bt, '\nend')
if m is not None:
print("\nend能匹配-" + m.group())
m = re.search(bt, 'the end.')
if m is not None:
print("the end.能匹配-" + m.group())
#結(jié)果：
# bend能匹配-bend
# the end.能匹配- end
例5: 匹配小數(shù)點(diǎn)
import re
bt = "3.14"
pi_bt = "3\.14" #表示字面量的點(diǎn)號(hào) （dec.point）
m = re.match(bt, '3.14') #點(diǎn)號(hào)匹配
if m is not None:
print("3.14能匹配-" + m.group())
m = re.match(pi_bt, '3.14') #精確匹配
if m is not None:
print("精確匹配-" + m.group())
m = re.match(bt, '3014') #點(diǎn)號(hào)匹配0
if m is not None:
print("3014能匹配-" + m.group())
#結(jié)果：
# 3.14能匹配-3.14
# 精確匹配-3.14
# 3014能匹配-3014
例6： 使用字符集"[ ]"
import re
bt = "[cr][23][dp][o2]"
m = re.match(bt, 'c3po') #點(diǎn)號(hào)匹配
if m is not None:
print("c3po能匹配-" + m.group())
#結(jié)果：
# c3po能匹配-c3po
例7: 重復(fù)、特殊字符
正則表達(dá)式: \w+@\w+.com可以匹配類(lèi)似nobody@xxx.com的郵箱地址，但是類(lèi)似nobody@xxx.yyy.aaa.com的地址就不能匹配了。這時(shí)候我們可以使用* 操作符來(lái)表示該模式出現(xiàn)零次或者多次：\w+@(\w+.)*\w+.com
例8: 分組
group()可以訪問(wèn)每個(gè)獨(dú)立的子組
groups()獲取一個(gè)包含所有匹配子組的元組
>>> import re
>>> m = re.match('(\w\w\w)-(\d\d\d)', 'abc-123')
>>> m.group()
'abc-123'
>>> m.group(1)
'abc'
>>> m.group(2)
'123'
>>> m.groups()
('abc', '123')
>>> m = re.match('ab', 'ab')
>>> m.group()
'ab'
>>> m.groups()
()
例9: 匹配字符串起始和結(jié)尾
m = re.search('^the','the end.')
>>> m.group()
'the'
>>> m = re.search('^the','sthe end.')
>>> m.group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m = re.search(r'\bthe','bite the dog')
>>> m.group()
'the'
>>> m = re.search(r'\bthe','bitethe dog')
>>> m.group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m = re.search(r'\Bthe','bitethe dog')
>>> m.group()
'the'
2.使用findall()、finditer()查找每一次出現(xiàn)的位置
final() 以列表的形式返回所有能匹配的結(jié)果
>>> import re
>>> re.findall('car', 'car sscare')
['car', 'car']
finaliter()返回一個(gè)順序訪問(wèn)每一個(gè)匹配結(jié)果（Match對(duì)象）的迭代器
>>> re.finditer(r'(th\w+) and (th\w+)',s, re.I).next().group(1)
'This'
>>> re.finditer(r'(th\w+) and (th\w+)',s, re.I).next().group(2)
'That'
3.使用sub()和subn()搜索和替換
兩個(gè)函數(shù)都可以實(shí)現(xiàn)搜索和替換功能，將某字符串中所有匹配正則表達(dá)式的部分進(jìn)行某種形式的替換。不同點(diǎn)是subn()還返回一個(gè)表示替換了多少次的總數(shù)，和返回結(jié)果一起以元組的形式返回。
>>> re.sub('[ae]','X','abcdef')
'XbcdXf'
>>> re.subn('[ae]','X','abcdef')
('XbcdXf', 2)
進(jìn)行替換的時(shí)候，還可以指定替換的順序，原理是使用匹配對(duì)象的group()方法除了能夠獲取匹配分組編號(hào)外，還可以使用\N，其中N表示要替換字符串中的分組的編號(hào)，通過(guò)編號(hào)就能指定替換的順序。
例如：將美式日期MM/DD/YY{,YY}格式轉(zhuǎn)換成DD/MM/YY{,YY}格式
>>> re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3','2/20/91')
'20/2/91'
>>> re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3','2/20/1991')
'20/2/1991'
4.在限定模式上使用split()分隔字符串
re模塊的split（）可以基于正則表達(dá)式的模式分隔字符串。但是當(dāng)處理的不是特殊符號(hào)匹配多重模式的正則表達(dá)式時(shí)，re.split()和str.split()的工作方式相同，如下所示：
>>> re.split(':', 'str1:str2')
['str1', 'str2']
>>> 'str1:str2'.split(':')
['str1', 'str2']
但當(dāng)處理復(fù)雜的分隔時(shí)，就需要比普通字符串分隔更強(qiáng)大的處理方式,例如下面匹配復(fù)雜情況：
>>> DATA = ('Mountation View, CA 94040', 'sunnyvale, CA', 'Los Altos, 94023', 'Palo Alto CA','Cupertino 95014')
>>> for datum in DATA: print(re.split(', |(?= (?:\d{5}|[A-Z]{2})) ',datum))
...
['Mountation View', 'CA', '94040']
['sunnyvale', 'CA']
['Los Altos', '94023']
['Palo Alto', 'CA']
['Cupertino', '95014']
上述的正則表達(dá)式：當(dāng)一個(gè)空格緊跟在5個(gè)數(shù)字或2個(gè)字母后面時(shí)就用split語(yǔ)句分隔。當(dāng)遇到“，”也用split函數(shù)分隔。
5.擴(kuò)展符號(hào)
通過(guò)使用(?iLmsux)系列選項(xiàng)，可以直接在正則表達(dá)式里面指定一個(gè)活著多個(gè)標(biāo)記。以下是使用re.I/IGNORECASE的示例，第二個(gè)是使用re.M/MULTILINE實(shí)現(xiàn)多行混合。
>>> re.findall(r'(?i)yes','yes? Yes. YES!!!')
['yes', 'Yes', 'YES']
>>> re.findall(r'(?i)th\w+','The quickest way is through this tunnel.')
['The', 'through', 'this']
>>> re.findall(r'(?im)(^th[\w ]+)', """
... This is the first,
... another line,
... that line,it's the best
... """)
['This is the first', 'that line']
通過(guò)使用“多行”，能夠在目標(biāo)字符串中實(shí)現(xiàn)跨行搜索，而不必將整個(gè)字符串視為單個(gè)實(shí)體。
下一個(gè)例子用來(lái)演示re.S/DOTALL，該標(biāo)記表示點(diǎn)號(hào)（.）能夠用來(lái)表示\n符號(hào)。
>>> re.findall(r'th.+',"""
... The first line
... the second line
... the third line
... """)
['the second line', 'the third line']
>>> re.findall(r'(?s)th.+',"""
... The first line
... the second line
... the third line
... """)
['the second line\nthe third line\n']
re.X/VERBOSE標(biāo)記允許用戶通過(guò)抑制在正則表達(dá)式中使用空白符來(lái)創(chuàng)建更易讀的正則表達(dá)式。
>>> re.search(r'''(?x)
... \((\d{3})\) #區(qū)號(hào)
... [ ] #空白符
... (\d{3}) #前綴
... - #橫線
... (\d{4}) #終點(diǎn)數(shù)字
... ''','(800) 555-1212').groups()
('800', '555', '1212')
(?:...)符號(hào)可以對(duì)部分正則表達(dá)式進(jìn)行分組，但是不會(huì)保存該分組用于后續(xù)的檢索或應(yīng)用。
>>> re.findall(r'http://(?:\w+\.)*(\w+\.com)',
... 'http://google.com http://www.google.com http://code.google.com')
['google.com', 'google.com', 'google.com']
>>> re.search(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?:\d{4})',
... '(800) 555-1212').groupdict()
{'areacode': '800', 'prefix': '555'}
可以同時(shí)使用(?P<name>)和(?P=name)符號(hào)。前者通過(guò)使用一個(gè)名稱(chēng)標(biāo)識(shí)符而不是使用從1開(kāi)始增加到N的增量數(shù)字來(lái)保存匹配，如果使用數(shù)字來(lái)保存匹配結(jié)果，我們就可以通過(guò)使用\1、\2、...,\N來(lái)索引，如下所示，可以使用一個(gè)類(lèi)似風(fēng)格的\g<name>來(lái)檢索它們。
>>> re.sub(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?:\d{4})',
... '(\g<areacode>) \g<prefix>-xxxx', '(800) 555-1212')
'(800) 555-xxxx'
使用后者，可以在同一個(gè)正則表達(dá)式中重用模式。例如，驗(yàn)證一些電話號(hào)碼的規(guī)范化。
bool(re.match(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?P<number>\d{4}) (?P=areacode)-(?P=prefix)-(?P=number) 1(?P=areacode)(?P=prefix)(?P=number)', '(800) 555-1212 800-555-1212 18005551212'))
True
使用（？x）使代碼更易讀：
>>> bool(re.match(r'''(?x)
... \((?P<areacode>\d{3})\)[ ](?P<prefix>\d{3})-(?P<number>\d{4})
... [ ]
... (?P=areacode)-(?P=prefix)-(?P=number)
... [ ]
... 1(?P=areacode)(?P=prefix)(?P=number)
... ''','(800) 555-1212 800-555-1212 18005551212'))
True
可以使用(?=...)和(?!...)符號(hào)在目標(biāo)字符串中實(shí)現(xiàn)一個(gè)前視匹配：
(?=...)字符串后面跟著...才適配
>>> re.findall(r'\w+(?= van Rossum)',
... '''
... Guido van Rossum
... Tim Peters
... Alex Martelli
... Just van Rossum
... Raymond Hettinger
... ''')
['Guido', 'Just']
(?!...)字符串后面不跟著...才適配：
>>> re.findall(r'(?m)^\s+(?!noreply|postmaster)(\w+)',
... '''
... sales@phptr.com
... postmaster@phptr.com
... eng@phptr.com
... noreply@phptr.com
... admin@phptr.com
... ''')
['sales', 'eng', 'admin']
比較re.findall()和re.finditer()
>>> ['%s@awcom' % e.group(1) for e in re.finditer(r'(?m)^\s+(?!noreply|postmaster)(\w+)',
... '''
... postmaster@phptr.com
... noreply@phptr.com
... admin@phptr.com
... eng@phptr.com
... sales@phptr.com
... ''')]
['admin@awcom', 'eng@awcom', 'sales@awcom']
條件正則表達(dá)式匹配，假定擁有一個(gè)特殊字符，它僅僅包含字母x和y，兩個(gè)字母必須由一個(gè)跟著另外一個(gè)，不能同時(shí)擁有相同的兩個(gè)字母：
>>> bool(re.search(r'(?:(x)|y)(?(1)y|x)', 'xy'))
True
>>> bool(re.search(r'(?:(x)|y)(?(1)y|x)', 'xx'))
False
實(shí)例
在UNIX系統(tǒng)中，who命令會(huì)展示登錄的用戶信息。例如：
? ~ who
sl console Nov 21 08:59
sl ttys000 Nov 21 09:09
sl ttys001 Nov 21 10:30
? ~
如果想按照空格（多個(gè)，數(shù)量不確定）分隔的話，可以使用\s\s+，下面創(chuàng)建一個(gè)程序，將保存在文件whodata.txt中的數(shù)據(jù)讀出來(lái)：
先將who的數(shù)據(jù)保存在whodata.txt文件中：
? ~ who > /Users/sl/Desktop/whodata.txt
然后執(zhí)行下面的程序：
import re
f = open('whodata.txt','r')
for eachLine in f:
print(re.split(r'\s\s+', eachLine))
f.close()
執(zhí)行結(jié)果：
['sl', 'console', 'Nov 21 08:59', '']
['sl', 'ttys000', 'Nov 21 09:09', '']
['sl', 'ttys001', 'Nov 21 10:30', '']
優(yōu)化上面的程序：
上面的程序，who命令是在腳本外部執(zhí)行的，每次手動(dòng)重復(fù)做這件事讓人很厭倦，我們可以通過(guò)調(diào)用os.popen()命令（現(xiàn)在已經(jīng)被subprocess模塊替代）將這個(gè)命令的執(zhí)行在腳本內(nèi)部實(shí)現(xiàn)。另外我們使用str.rstrip()去除尾部的\n，程序如下：
import re
import os
f = os.popen('who', 'r')
for eachLine in f:
print(re.split(r'\s\s+|\t', eachLine.rstrip()))
f.close()
#結(jié)果：
['sl', 'console', 'Nov 21 08:59']
['sl', 'ttys000', 'Nov 21 09:09']
['sl', 'ttys001', 'Nov 21 10:30']
還可以使用with語(yǔ)句，可以使上下文管理對(duì)象變得更簡(jiǎn)易：
import re
import os
with os.popen('who', 'r') as f:
for eachLine in f:
print(re.split(r'\s\s+|\t', eachLine.rstrip()))
如果要適配python2和python3的話，可以避免使用print（）,而使用兩個(gè)版本中都有的函數(shù)distutils.log.warn()，并將其轉(zhuǎn)換成printf名來(lái)使用。
import re
import os
from distutils.log import warn as printf
with os.popen('who', 'r') as f:
for eachLine in f:
printf(re.split(r'\s\s+|\t', eachLine.rstrip()))
生成隨機(jī)數(shù)的例子，用于希望練習(xí)從中匹配、搜索正則表達(dá)式使用：
from random import randrange, choice
from string import ascii_lowercase as lc
from sys import maxsize
from time import ctime
tlds = ('com', 'edo', 'net', 'org', 'gov')
for i in range(randrange(5, 11)):
dtint = randrange(maxsize) / 3000000000
dtstr = ctime(dtint)
llen = randrange(4, 8)
login = ''.join(choice(lc) for j in range(llen))
dlen = randrange(llen, 13)
dom = ''.join(choice(lc) for j in range(dlen))
print('%s::%s@%s.%s::%d-%d-%d' % (dtstr, login, dom, choice(tlds), dtint, llen, dlen))
#隨機(jī)產(chǎn)生的結(jié)果
Mon Jun 24 08:07:21 2024::nunzkre@iqdhccpw.gov::1719187641-7-8
Sun May 21 12:23:33 2062::dxlyq@kupbixskweqj.edo::2915411013-5-12
Thu Sep 2 18:27:12 1999::vuhihly@hdgaimdma.com::936268032-7-9
Mon Jul 30 16:45:03 2007::vygxw@diwdeqkq.net::1185785103-5-8
Thu Jul 8 01:50:54 1971::mjxs@dmcuo.com::47757054-4-5
Thu Sep 1 03:02:30 2005::djld@eohculuz.gov::1125514950-4-8
Sun Nov 27 01:23:35 2011::cjvf@atvmdgxupi.gov::1322328215-4-10
Thu Aug 1 18:36:36 2024::phasko@flcfkvb.org::1722508596-6-7
想深入學(xué)習(xí)正則表達(dá)式高級(jí)用法推薦
