1、前言

正则表达式，如果有一定编程经验的同学，一定知道，可能你知道，但又说不出个所以然来，平时不经常使用，很容易就忘记，有一部分原因，我认为是总结的内容，不够简单和深刻。所以，自己尝试总结一下正则表达式的基础知识点，对于大部分的编程场景应该足够使用啦。另外，也希望通过总结，以便后续忘记时，能快速的记忆起来，这就是本文章的主要内容。

2、正则表达式

RegularExpression.png

匹配字符集

匹配量词（Quantifier）

匹配边界

匹配条件分组

预搜索

exp ：expression（表达式）

匹配模式

3、Python 正则表达式

如果使用编辑语言来执行正则表达式呢？所有语言都是相通的，这是记录了之前使用 Python 的 re 模块做正则匹配的功能。

compile 和 match 函数

re.compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match()、search() 等函数使用。
re.match 尝试从字符串的起始位置匹配一个模式，如果字符串开始不符合正则表达式，就返回 None 。

result = re.match(pattern, string)

等价于

prog = re.compile(pattern)
result = prog.match(string)

注：如果需要多次使用这个正则表达式的话，使用 re.compile() 保存这个正则对象以便复用匹配多个字符串，可以让程序更加高效。

search 函数

re.search 扫描整个字符串并返回第一个成功的匹配。如果没有匹配，就返回一个 None 。

re.search(pattern, string, flags=0)

示例：

>>> re.search('iHTCboy', 'www.iHTCboy.com')
>>> 
<re.Match object; span=(4, 11), match='iHTCboy'>

我们可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式。

>>> searchObj = re.search( r'(.*) are (.*?) .*', "iHTCboy are my nikename)
>>> print(searchObj.group())
>>> print(searchObj.groups())
>>> print(searchObj.group(1))
>>> print(searchObj.group(2))
>>> 
iHTCboy are my nikename
('iHTCboy', 'my')
iHTCboy
my

findall 函数

re.findall 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

re.findall(pattern, string, flags=0)

对 string 返回一个不重复的 pattern 的匹配列表， string 从左到右进行扫描，匹配按找到的顺序返回。如果样式里存在一到多个组，就返回一个组合列表；就是一个元组的列表（如果样式里有超过一个组合的话）。空匹配也会包含在结果里。

比如查找字符串中的所有数字：

>>> result2 = re.findall(r'\d+', 'abc123d4efg567')
>>> 
['123', '4', '567']

查找不是以 4、7 结尾的手机号码(11位)手机号码：

>>> result2 = re.findall(r'^1\d{9}[0-35-68-9]$', 'xxxxx')
>>> 

finditer 函数

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

re.finditer(pattern, string, flags=0)

搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器：

>>> for m in re.finditer(r'\d+', 'abc123d4efg567'):
>>>     print(m.group())
>>>  
123
4
567 

split 函数

re.split 方法按照能够匹配的子串将字符串分割后返回列表。

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

用 pattern 分开 string 。如果 maxsplit 非零， 最多进行 maxsplit 次分隔， 剩下的字符全部返回到列表的最后一个元素。

对于规则的字符串，比如 abc 我们一般可以用 split 函数分割，但是如果遇到 a b c 这样的字符串，得到的结果就是 ['a', 'b', '', '', 'c']。所以，你可能需要人工来自己再次过滤，而使用正则表达式来处理，就显示很轻松：

>>> re.split(r'[\s\,]+', 'a,b, c  d')
>>> 
['a', 'b', 'c', 'd']

上面的 [\s\,]+ 表示匹配 \s (空格）和 , 中任意一个至少一次的分割。

对于一个找不到匹配的字符串而言，split 不会对其作出分割。

>>> re.split('a*', 'hello iHTCboy')
>>> 
['hello iHTCboy']

sub 函数

re.sub 用于替换字符串中的匹配项。

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

返回通过使用 repl 替换在 string 最左边非重叠出现的 pattern 而获得的字符串。 如果样式没有找到，则不加改变地返回 string。 repl 可以是字符串或函数；如为字符串，则其中任何反斜杠转义序列都会被处理。 也就是说，\n 会被转换为一个换行符，\r 会被转换为一个回车附，依此类推。

比如电话号码格式可能带有空格或者-时，可以替换为空字符串：

>>> re.sub(r'\D', "", "188-8888-8888")
>>> 
18888888888

repl 参数可以是一个函数，用于对匹配的内容进行更多的逻辑处理：

# 将匹配的数字乘以 2
>>> def double(matched):
>>>     value = int(matched.group('value'))
>>>     return str(value * 2)
>>>  
>>> re.sub('(?P<value>\d+)', double, 'abc123d4efg567')
>>> 
abc246d8efg1134

总结

正则表达式的内容有非常的多，如果不经常使用的话，可以就会很快忘记。所以，正则其实是不是应该记住呢？其实，应该是要记住，如果记不住，要不要紧？其实，是不要紧，因为正则就想查表一下，你如果之前已经比较系统的学习过，忘记了规则，看一下本文就大概记起来了。所以，这就是本文的目的，总结性的文章，不需要太多的复杂，简单又快捷的总结。

国庆中秋双节快乐！这篇文章应该是去年9月就定下来但迟迟没有动手，现在又过一年了，感叹生活真快。好好学习，天天快乐~

参考

• python正则表达式_python正则表达式教程_python正则表达式视频教程-慕课网
• re --- 正则表达式操作 — Python 3.8.6 文档
• 正则表达式 - 笔记

• 如有疑问，欢迎在评论区一起讨论！
• 如有不正确的地方，欢迎指导！

注：本文首发于 iHTCboy's blog，如若转载，请注来源