Главная > Блог > Web-разработка > Python и Flask >

Регулярные выражения в Python

17.02.2018

В Python для работы с регулярными выражениями есть модуль re. Для использования его нужно импортировать. Рассмотрим простой пример поиска номера телефона:

>>> import re
>>> match = re.search('\d{3}-\d{3}-\d{4}', 'Мой номер 495-456-9102')
>>> print('Найденный телефонный номер: ' + match.group())
Найденный телефонный номер: 495-456-9102

Если найдены совпадения, метод re.search() возвращает объект Match. Если совпадений нет — None.

Методы, которые предоставляет библиотека re:

re.match(pattern, string, [flags=0])
re.search(pattern, string, [flags=0])
re.findall(pattern, string, [flags=0])
re.split(pattern, string, [maxsplit=0], [flags=0])
re.sub(pattern, replace, string, [count=0], [flags=0])
re.compile(pattern, [flags=0])

Список метасимволов, которые поддерживает модуль re:

. ^ $ * + ? { } [ ] | ( )

Назначение метасимволов

. — Один любой символ, кроме новой строки \n
? — 0 или 1 вхождение шаблона слева
+ — 1 и более вхождений шаблона слева
* — 0 и более вхождений шаблона слева
\w — Любая цифра или буква (\W — все, кроме буквы или цифры)
\d — Любая цифра от 0 до 9 (\D — все, кроме цифры)
\s — Любой пробельный символ (\S — любой непробельнй символ)
\b — Граница слова
[…] — Один из символов в скобках ([^…] — любой символ, кроме тех, что в скобках)
\ — Экранирование специальных символов (\. означает точку или \+ — знак «плюс»)
^ и $ — Начало и конец строки соответственно
{n,m} — От n до m вхождений ({n,} — n и больше)
a|b — Соответствует a или b
(…) — Группирует выражение и возвращает найденный текст
\t,\n — Символ табуляции и новой строки соответственно

Создание групп с помощью круглых скобок:

>>> match = re.search('(\d{3})-(\d{3}-\d{4})', 'Мой номер 495-456-9102')
>>> match.group()
'495-456-9102'
>>> match.group(0)
'495-456-9102'
>>> print('Код города: ' + match.group(1))
Код города: 495
>>> print('Номер телефона: ' + match.group(2))
Номер телефона: 456-9102

Если нужно извлечь сразу все группы:

>>> match = re.search('(\d{3})-(\d{3}-\d{4})', 'Мой номер 495-456-9102')
>>> match.groups()
('495', '456-9102')
>>> code, number = match.groups()
>>> code
'495'
>>> number
'456-9102'

Метод re.search() находит только первое вхождение шаблона. Если нужно найти все вхождения, используйте метод re.findall():

>>> matches = re.findall('\d{3}-\d{3}-\d{4}', 'Домашний 495-456-9102 или мобильный 926-123-4567')
>>> matches
['495-456-9102', '926-123-4567']

Поиск всех групп для всех совпадений шаблона:

>>> matches = re.findall('(\d{3})-(\d{3}-\d{4})', 'Домашний 495-456-9102 или мобильный 926-123-4567')
>>> matches
[('495', '456-9102'), ('926', '123-4567')]
>>> matches[0][0]
'495'
>>> matches[1][1]
'123-4567'

Метод re.split() разделяет строку по заданному шаблону:

>>> re.split('\n', 'First line.\nSecond line.\nThird line.')
['First line.', 'Second line.', 'Third line.']

Метод re.sub() ищет шаблон в строке и заменяет его на указанную подстроку. Если шаблон не найден, строка остается неизменной.

>>> re.sub('RoboCop', 'Робот-полицейский', 'RoboCop is part man, part machine, all cop.')
'Робот-полицейский is part man, part machine, all cop.'

В строке замены можно использовать обратные ссылки \1, \2, \3 и т.д.

>>> re.sub('(\d{3})-(\d{3}-\d{4})', 'код города \\1, номер телефона \\2', 'Мой номер: 495-456-9102')
'Мой номер: код города 495, номер телефона 456-9102'

Метод re.match() ищет по заданному шаблону в начале строки.

>>> None == re.match('\d{3}-\d{3}-\d{4}', '495-456-9102 Мой номер')
False
>>> None == re.match('\d{3}-\d{3}-\d{4}', 'Мой номер 495-456-9102')
True

Метод re.compite() позволяет собрать регулярное выражение в отдельный объект, который может быть использован для поиска. Это также избавляет от переписывания одного и того же выражения.

regexp = re.compile('\d{3}-\d{3}-\d{4}')
match = regexp.search('Мой номер 495-456-9102')
print('Найденный телефонный номер: ' + match.group())

Найденный телефонный номер: 495-456-9102

Флаги компиляции регулярных выражений

re.A или re.ASCII
re.DEBUG
re.I или re.IGNORECASE
re.L или re.LOCALE
re.M или re.MULTILINE
re.S или re.DOTALL
re.X или re.VERBOSE

Игнорирование регистра при поиске соответствий

>>> re.search('robocop', 'RoboCop is part man, part machine, all cop.', re.IGNORECASE).group()
'RoboCop'

Комбинации .* соответствует все, за исключением символа новой строки. С помощью re.DOTALL можно установить режим, при котором точке соответствует также символ новой строки.

>>> re.search('.*', 'First line.\nSecond line.\nThird line.').group()
'First line.'
>>> re.search('.*', 'First line.\nSecond line.\nThird line.', re.DOTALL).group()
'First line.\nSecond line.\nThird line.'

Если нужно использовать несколько флагов компиляции:

>>> regexp = re.compile('foo', re.DOTALL | re.IGNORECASE)

Флаг компиляции re.VERBOSE включает многословный режим, при котором пробелы и комментарии игнорируются.

# регулярное выражение для номера телефона
phoneRegex = re.compile('''
    (?:\(?(\d{3})\)?)?             # код города
    (?:\s|-)?                      # разделитель
    (\d{3})                        # первые три цифры
    (?:\s|-)?                      # разделитель
    (\d{2})                        # еще две цифры
    (?:\s|-)?                      # разделитель
    (\d{2})                        # еще две цифры
    (?:\s*доб[.а-я]*\s*(\d{2,5}))? # добавочный
    ''', re.VERBOSE)

# регулярное выражение для адреса эл.почты
emailRegex = re.compile('''
    [a-z0-9._-]+     # имя пользователя
    @                # @
    [a-z0-9.-]+      # первая часть домена
    \.[a-z]{2,6}     # вторая часть домена
    ''', re.VERBOSE | re.IGNORECASE)

Поиск: Python • RegExp • Модуль • Шаблон