一、基础语法

1.1 语法速查

1.2 最简单的正则匹配

学习正则一般是从 match 和 search 函数开始，推荐教程。

match

match(pattern, string) 函数会从字符串的头部开始搜索，如果匹配到了 pattern 则将其结果存入 group 中，匹配到了几次就存入几次，如果没有匹配到则返回空。

import re

a = "Jack love Rose"

res = re.match(r"Jack", a)

if res:

print(res.group(0))

输出结果

Jack

search

如果想在句子中匹配某个单词应该使用 search() 函数，使用match() 函数是搜索不到的

import re

a = "Jack love coding!"

res1 = re.match(r"love", a)

res2 = re.search(r"love", a)

if res1:

print(res1.group(0))

if res2:

print(res2.group(0))

输出结果

love

如果匹配了多个结果，那么同样的，输出 group(2)、group(3)……

import re

a = "Jack love Rose and love coding!"

res = re.search(r"Jack (.*) and (.*) coding!", a)

if res:

print(res.group(1))

print(res.group(2))

输出结果

love Rose

love

match 和 search 函数适合于本身已经知道了有几个需要匹配项的情况，如果需要找出所有的匹配项，应该使用 findall，后面会讲到。

compile

函数声明

re.compile(pattern[, flags])

flags 是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

我们来尝试一下

import re

a = "Jack love Rose and love coding!"

# 忽略大小写

pattern = re.compile(r"JACK (.*) AND (.*) coding!", re.I)

res = pattern.match(a)

if res:

print(res.group(1))

print(res.group(2))

输出结果

love Rose

love

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。

注意： match 和 search 是匹配一次， findall 匹配所有。

import re

pattern = re.compile(r'\d+') # 查找数字

result1 = pattern.findall('www.hao123baidu456.com')

result2 = pattern.findall('www.hao123baidu456.com', 0, 10) # 指定匹配范围

print(result1)

print(result2)

输出结果

['123', '456']

['123']

1.3 转义字符匹配

转义字符的匹配需要 "\" 做转义。匹配括号

import re

# 匹配括号里的内容

a = "www.hao123(baidu)456.com"

# 忽略大小写

pattern = re.compile(r"\((.*)\)")

res = pattern.findall(a)

print(res[0])

输出内容

baidu匹配$

$是一个特殊的字符，在正则中表示以某字符结尾，假设我们要匹配 $$ 中间的内容(经常在公式转换中使用)，应该怎么写呢？

import re

a = "$y=x^2$"

# 匹配$$中间的内容

pattern = re.compile(r"\$(.*)\$")

res = pattern.findall(a)

print(res[0])

输出结果

y=x^2

其他的转义字符使用方式类似。

1.4 正则替换

Python 的re模块提供了re.sub用于替换字符串中的匹配项。函数声明如下

re.sub(pattern, repl, string, count=0, flags=0)【例 1】将字符串中的 s 替换为 A

import re

a = "this is hust"

pattern = re.compile(r"s")

res = re.sub(pattern, "A", a)

print(res)

输出结果

thiA iA huAt【例 2】将字符串中的 $A$ 替换为 `$A$`

import re

# replace $A$ to `$A$`

a = "设集合$a={1,2,3}$,求集合$a$的子集个数。"

b = re.sub(r'\$(.+?)\$', r'`$\1$`', a)

print(a)

print(b)

输出结果

设集合$a={1,2,3}$,求集合$a$的子集个数。

设集合`$a={1,2,3}$`,求集合`$a$`的子集个数。

这里有个注意的点， \1 表示匹配到的内容。【例 2】将字符串中的无效，测试替换为空字符

import re

a = "华中科技大学机械学院(无效)"

b = "华中科技大学紫菘公寓(测试)"

c = "华中科技大学无效紫菘测试公寓(西区)"

pattern = re.compile(u"(无效|测试)")

res1 = re.sub(pattern, "", a)

res2 = re.sub(pattern, "", b)

res3 = re.sub(pattern, "", c)

print(res1)

print(res2)

print(res3)

输出结果

华中科技大学机械学院()

华中科技大学紫菘公寓()

华中科技大学紫菘公寓(西区)

二、进阶用法

2.1 判断字符串是否为数字

import re

a = "-1234"

b = "-12.34"

c = ".34"

print(re.match(r'^[+-]?\d+$', a)) # 匹配int 1

print(re.match(r'^[+-]?[0-9].*$', a)) # 匹配int 2

print(re.match(r'^[+-]?\d*(\.)\d+$', b)) # 匹配float

print(re.match(r'^[+-]?\d*(\.)\d+$', c)) # 匹配float

print(re.match(r'^[+-]?\d*(\.)?\d+$', a)) # 匹配int 或 float

输出结果

2.2 去除括号中的内容

去除括号里的内容其实就是利用 re.sub 的替换功能

import re

a = "华中科技大学附属同济医院(西区)"

pattern = re.compile(u"\$(.*)\$")

res = re.sub(pattern, "", a)

print(res)

输出结果

华中科技大学附属同济医院

2.3 去除脏符号【例 1】因为平时工作中接触数据很多，经常需要对数据进行清洗，其中一个很重要的流程就是去除字符串中除了中文、英文、括号之外的所有字符，这个实现如下

import re

a = "华中科技大学机械学院 B240 (研究生工作室;电话联系)。"

pattern = re.compile(u"[^\u4e00-\u9fa50-9a-zA-Z()()]")

res = re.sub(pattern, "", a)

print(res)

输出结果

华中科技大学机械学院B240(研究生工作室电话联系)【例 2】括号内不是期或者区则删掉括号内容

import re

a = "华中科技大学紫菘公寓(一期)。"

b = "华中科技大学紫菘公寓(西)。"

pattern = re.compile(u"\((?!.*[区期]).*\)|\((?!.*[区期]).*\)")

res1 = re.sub(pattern, "", a)

res2 = re.sub(pattern, "", b)

print(res1)

print(res2)

输出结果

华中科技大学紫菘公寓(一期)。

华中科技大学紫菘公寓。