python 正则 \s（Python 正则表达式详解（建议收藏！））

时间2025-05-01 04:35:20分类IT科技浏览9687

导读：目录...

match

匹配字符串

单字符匹配

. 匹配任意一个字符

\d 匹配数字

\D 匹配非数字

\s 匹配特殊字符，如空白，空格，tab等

\S 匹配非空白

\w 匹配单词、字符，如大小写字母，数字，_ 下划线

\W 匹配非单词字符

[ ] 匹配[ ]中列举的字符

表示数量

* 出现0次或无数次

+ 至少出现一次

? 1次或则0次

{m}指定出现m次

{m,} 至少出现m次

{m,n} 指定从m-n次的范围

匹配边界

$ 匹配结尾字符

^ 匹配开头字符

\b 匹配一个单词的边界

\B 匹配非单词边界

匹配分组

| 匹配左右任意一个表达式

(ab) 将括号中字符作为一个分组

findall

re.s

sub

split

贪婪与非贪婪

案例

匹配手机号

提取网页源码中所有的文字

提取图片地址

从字符串中提取指定范围内的字符串

案例1

案例2

案例3 匹配ip地址

正则表达式是对字符串提取的一套规则，我们把这个规则用正则里面的特定语法表达出来，去匹配满足这个规则的字符串。正则表达式具有通用型，不仅python里面可以用，其他的语言也一样适用。

python中re模块提供了正则表达式的功能，常用的有四个方法(match 、search、findall)都可以用于匹配字符串

match

匹配字符串

re.match()必须从字符串开头匹配！match方法尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none 。主要参数如下：

re.match(pattern, string) # pattern 匹配的正则表达式 # string 要匹配的字符串

例子

import re a = re.match(test,testasdtest) print(a) #返回一个匹配对象 print(a.group()) #返回test ，获取不到则报错 print(a.span()) #返回匹配结果的位置，左闭右开区间 print(re.match(test,atestasdtest)) #返回None

从例子中我们可以看出，re.match()方法返回一个匹配的对象，而不是匹配的内容。如果需要返回内容则需要调用group() 。通过调用span()可以获得匹配结果的位置。而如果从起始位置开始没有匹配成功，即便其他部分包含需要匹配的内容，re.match()也会返回None 。

单字符匹配

以下字符，都匹配单个字符数据。且开头（从字符串0位置开始）没匹配到，即使字符串其他部分包含需要匹配的内容，.match也会返回none

. 匹配任意一个字符

使用几个点号就代表几个字符

import re a = re.match(..,testasdtest) print(a.group()) #输出te b = re.match(ab.,testasdtest) print(b) #返回none ，因为表达式是以固定的ab开头然后跟上通配符. 所以必须要先匹配上ab才会往后进行匹配

\d 匹配数字

一个\d代表一个数字。开头没匹配到，即使字符串其他部分包含需要匹配的内容，.match也会返回none

import re a = re.match(\d\d,23es12testasdtest) print(a) b = re.match(\d\d\d,23es12testasdtest) print(b) #要求匹配三个数字，匹配不到返回none c = re.match(\d,es12testasdtest) print(c) #起始位置没有匹配成功，一样返回none

\D 匹配非数字

开头没匹配到，即使字符串其他部分包含需要匹配的内容，.match也会返回none

import re a = re.match(\D,23es12testasdtest) print(a) #开头为数字所以返回none b = re.match(\D\D,*es12testasdtest) print(b) #返回*e

\s 匹配特殊字符，如空白，空格，tab等

import re print(re.match(\s, 23es 12testasdtest)) #匹配空格 print(re.match(\s, 23es 12testasdtest)) #匹配tab print(re.match(\s,\r23es 12testasdtest)) #匹配\r换行 print(re.match(\s,23es 12testasdtest)) #返回none

\S 匹配非空白

import re print(re.match(\S, 23es 12testasdtest)) #返回none print(re.match(\S,\r23es 12testasdtest)) #none print(re.match(\S,23es 12testasdtest))

\w 匹配单词、字符，如大小写字母，数字，_ 下划线

import re print(re.match(\w,23es 12testasdtest)) #返回none print(re.match(\w\w\w,aA_3es 12testasdtest)) #返回none print(re.match(\w\w\w,\n12testasdtest)) #返回none

\W 匹配非单词字符

import re print(re.match(\W,23es 12testasdtest)) #返回none print(re.match(\W, 23es 12testasdtest)) #匹配空格

[ ] 匹配[ ]中列举的字符

只允许出现[ ]中列举的字符

import re print(re.match(12[234],232s12testasdtest)) #因为开头的12没匹配上，所以直接返回none print(re.match(12[234],1232s12testasdtest)) #返回123

[^2345] 不匹配2345中的任意一个

import re print(re.match(12[^234],232s12testasdtest)) #因为开头的12没匹配上，所以直接返回none print(re.match(12[^234],1232s12testasdtest)) #返回none print(re.match(12[^234],1252s12testasdtest)) #返回125

[a-z3-5] 匹配a-z或者3-5中的字符

import re print(re.match(12[1-3a-c],1232b12testasdtest)) #123 print(re.match(12[1-3a-c],12b2b12testasdtest)) #12b print(re.match(12[1-3a-c],12s2b12testasdtest)) #返回none

表示数量

像上面写的那些都是匹配单个字符，如果我们要匹配多个字符的话，只能重复写匹配符。这样显然是不人性化的，所以我们还需要学习表达数量的字符

* 出现0次或无数次

import re a = re.match(..,testasdtest) print(a.group()) #输出te a = re.match(.*,testasdtest) print(a.group()) #全部输出 import re print(re.match(a*,aatestasdtest)) #匹配跟随在字母a后面的所有a字符 print(re.match(\d*,23aatestasdtest)) #匹配前面为数字的字符 print(re.match(a\d*,ad23aatestasdtest)) #输出a, 因为*也可以代表0次

+ 至少出现一次

import re print(re.match(a+,aaatestasdtest)) #匹配前面为字母a的字符，且a至少有1一个 print(re.match(a+,atestasdtest)) #a print(re.match(a+,caaatestasdtest)) #none

? 1次或则0次

import re print(re.match(a?,abatestasdtest)) #匹配a出现0次或者1次数 print(re.match(a?,batestasdtest)) #输出空，因为a可以为0次 print(re.match(a?,aaatestasdtest)) #a出现0次或者1次，输出1个a

{m}指定出现m次

import re print(re.match(to{3},toooooabatestasdtest)) #匹配t以及跟随在后面的三个ooo print(re.match(to{3},tooabatestasdtest)) #只有两个0,返回none

{m,} 至少出现m次

import re print(re.match(to{3,},toooooabatestasdtest)) #匹配t以及跟随在后面的三个ooo至少出现3次 print(re.match(to{3,},tooabatestasdtest)) #只有两个0,返回none

{m,n} 指定从m-n次的范围

import re print(re.match(to{3,4},toooabatestasdtest)) #刚好有三个ooo ，成功匹配 print(re.match(to{3,4},tooabatestasdtest)) #只有两个o,返回none print(re.match(to{3,4},toooooabatestasdtest)) #提取最多四个o

匹配边界

$ 匹配结尾字符

定义整个字符串必须以指定字符串结尾

import re print(re.match(.*d$,2testaabcd)) #字符串必须以d结尾 print(re.match(.*c,2testaabcd)) #字符串不是以c结尾，返回none

^ 匹配开头字符

定义整个字符串必须以指定字符开头

import re print(re.match(^2,2stoooabatestas)) #规定必须以2开头，否则none print(re.match(^2s,2stoooabatestas)) #必须以2s开头

\b 匹配一个单词的边界

\b：表示字母数字与非字母数字的边界，非字母数字与字母数字的边界。即下面ve的右边不能有字母和数字

import re print(re.match(r.*ve\b,ve.2testaabcd)) #因为在python中\代表转义，所以前面加上r消除转义 print(re.match(r.*ve\b,ve2testaabcd))

\B 匹配非单词边界

import re print(re.match(r.*ve\B,2testaavebcdve)) #ve的右边需要有字母或者数字 print(re.match(r.*ve\B,2testaave3bcdve))

匹配分组

| 匹配左右任意一个表达式

只要|两边任意一个表达式符合要求就行

import re print(re.match(r\d[1-9]|\D[a-z],2233)) #匹配|两边任意一个表达式 print(re.match(r\d[1-9]|\D[a-z],as))

(ab) 将括号中字符作为一个分组

()中的内容会作为一个元组字符装在元组中

import re a = re.match(r<h1>(.*)<h1>,<h1>你好啊<h1>) print(a.group()) #输出匹配的字符 print(a.groups()) #会将()中的内容会作为一个元组字符装在元组中 print(`````````````) b = re.match(r<h1>(.*)(<h1>),<h1>你好啊<h1>) print(b.groups()) #有两括号就分为两个元组元素 print(b.group(0)) #group中默认是0 print(b.group(1)) #你好啊 print(b.group(2)) #h1

search

和match差不多用法，从字符串中进行搜索

import re print(re.match(r\d\d,123test123test)) print(re.search(r\d\d,123test123test))

findall

从字面意思上就可以看到，findall是寻找所有能匹配到的字符，并以列表的方式返回

import re print(re.search(rtest,123test123test)) print(re.findall(rtest,123test123test)) #以列表的方式返回

re.s

findall中另外一个属性re.S

在字符串a中，包含换行符\n ，在这种情况下

如果不使用re.S参数，则只在每一行内进行匹配，如果一行没有，就换下一行重新开始。而使用re.S参数以后，正则表达式会将这个字符串作为一个整体，在整体中进行匹配。

如下要寻找test.*123的数据，因为test和123在不同的行，如果没加re.s的话，他会在每一个进行匹配查找而不是将字符串作为一个整体进行查找

import re a = """aaatestaa aaaa123""" print(re.findall(rtest.*123,a)) print(re.findall(rtest.*123,a,re.S))

sub

查找字符串中所有相匹配的数据进行替换

sub(要替换的数据，替换成什么，要替换的数据所在的数据)

import re print(re.sub(php,python,php是世界上最好的语言——php)) #输出 "python是世界上最好的语言——python"

split

对字符串进行分割，并返回一个列表

import re s = "itcase,java:php-php3;html" print(re.split(r",",s)) #以,号进行分割 print(re.split(r",|:|-|;",s)) #以,或者：或者-或者;进行分割 print(re.split(r",|:|-|%",s)) #找不到的分隔符就忽略

贪婪与非贪婪

python里的数量词默认是贪婪的，总是尝试尽可能的匹配更多的字符。python中使用?号关闭贪婪模式

如

import re print(re.match(r"aa\d+","aa2323")) #会尽可能多的去匹配\d print(re.match(r"aa\d+?","aa2323")) #尽可能少的去匹配\d import re s = "this is a number 234-235-22-423" # 1.贪婪模式 resule = re.match(r"(.+)(\d+-\d+-\d+-\d)",s) #我们本想数字和字母拆解成两个分组 print(resule.groups()) #(this is a number 23, 4-235-22-4)但我们发现输出的结果中23的数字竟然被弄到前面去了 #因为+它会尽可能多的进行匹配，\d，只需要一个4就能满足，所以前面就尽可能多的匹配 # 2.关闭贪婪模式 #在数量词后面加上 ? ，进入非贪婪模式，尽可能少的进行匹配 result = re.match(r"(.+?)(\d+-\d+-\d+-\d)",s) print(result.groups()) #(this is a number , 234-235-22-4)

案例

匹配手机号

要求，手机号为11位，必须以1开头，且第二个数字为35678其种一个

import re result = re.match(r1[35678]\d{9},13111111111) print(result.group()) #匹配成功 result = re.match(r1[35678]\d{9},12111111111) print(result) #none ，第二位为2 result = re.match(r1[35678]\d{9},121111111112) print(result) #none ，有12位

提取网页源码中所有的文字

如下，将其中的所有文字提取出来，去掉标签。思路就是运用sub方法，将标签替换为空

s = """<div> <p>岗位职责:</p> <p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p> <p><br></p> <P>必备要求:</p> <p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p> <p> <br></p> <p>技术要求:</p> <p>1 、一年以上 Python开发经验，掌握面向对象分析和设计，了解设计模式</p> <p>2 、掌握HTTP协议，熟悉NVC 、MVVM等概念以及相关wEB开发框架</p> <p>3 、掌握关系数据库开发设计，掌握SQL ，熟练使用 MySQL/PostgresQL中的一种<br></p> <p>4、掌握NoSQL 、MQ ，熟练使用对应技术解决方案</p> <p>5 、熟悉 Javascript/cSS/HTML5 ，JQuery,React.Vue.js</p> <p> <br></p> <p>加分项:</p> <p>大数据，数理统计，机器学习，sklearn ，高性能，大并发。</p> </div>"""

要提取出来最重要的就是关闭贪婪模式，

result = re.sub(r<.*?>|&nbsp,,s) # print(result)

如果关闭贪婪模式，<xx>中的内容会尽可能少的匹配，只要能够满足后面的>就行，然后<>xxx<>中xxx内容也替换掉了

提取图片地址

import re s = """<img data-original="" src="" width="250" height="375" .jpg>""" result1 = re.search(r"src=\"https.*.jpg\"",s) print(result1.group()) result2 = re.search(r"src=\"(https.*.jpg)\"",s) #我只是想将网址提取出来，所以httpxx加括号，这样我就可以把它单独提取出来，src则不会出来 print(result2.groups()[0])

从字符串中提取指定范围内的字符串

案例1

如想从

csrftoken=ZjfvZBcDMcVs7kzYqexJqtKiJXIDxcmSnXhGD1ObR2deuHzaU0FuCxSmh10fSmhf; expires=Thu, 29 Jun 2023 07:59:04 GMT; Max-Age=31449600; Path=/; SameSite=Lax

”

里面提取出token值

import re str = "csrftoken=ZjfvZBcDMcVs7kzYqexJqtKiJXIDxcmSnXhGD1ObR2deuHzaU0FuCxSmh10fSmhf; expires=Thu, 29 Jun 2023 07:59:04 GMT; Max-Age=31449600; Path=/; SameSite=Lax" a = re.search(r=(.*?);, str) print(a.group(1)) #输出匹配的字符

案例2

从响应包里提取关键词所在的行，可以在正则中添加变量

import re key = "威胁" a = """ <body data-spm="7663354"> <div data-spm="1998410538"> <div class="header"> <div class="container"> <div class="message"> 很抱歉，由于您访问的URL有可能对网站造成安全威胁，您的访问被阻断。 <div>您的请求ID是: <strong> 781bad0a16702307419116917e43b3</strong></div> </div> </div> </div> """ res = re.search(r<.*>(.*?%s.*?)<.*?>%(key),a,re.S) print(res.group(1).replace("\n","").replace(" ",""))

案例3 匹配ip地址

简单的匹配一下ip地址

import re str = "http://10.1.1.1/index.html" try: s = re.search("\d*?\.\d*?\.\d*?\.\d*",str) print(s.group()) except: print("未能匹配出ip地址")

展开全文READ MORE

兴城新闻网（兴城巿新闻）龙岩2021中考成绩查询（龙岩市中考分数线）