python re模塊

方海龍的書館 2014-12-10

展開(kāi)全文

正則表達(dá)式(可以稱為REs,，regex,，regex pattens)是一個(gè)小巧的，高度專業(yè)化的編程語(yǔ)言,，它內(nèi)嵌于python開(kāi)發(fā)語(yǔ)言中,，可通過(guò)re模塊使用。正則表達(dá)式的
pattern可以被編譯成一系列的字節(jié)碼,，然后用C編寫的引擎執(zhí)行,。下面簡(jiǎn)單介紹下正則表達(dá)式的語(yǔ)法
正則表達(dá)式包含一個(gè)元字符(metacharacter)的列表，列表值如下: . ^ $ * + ? { [ ] \ | ( )
　 1.元字符([ ]),它用來(lái)指定一個(gè)character class,。所謂character classes就是你想要匹配的字符(character)的集合.字符(character)可以單個(gè)的列出,，也可以通過(guò)"-"來(lái)分隔兩個(gè)字符來(lái)表示一個(gè)范圍。例如,，[abc]匹配a,，b或者c當(dāng)中任意一個(gè)字符，[abc]也可以用字符區(qū)間來(lái)表示---[a-c].如果想要匹配單個(gè)大寫字母,，你可以用[A-Z],。
元字符(metacharacters)在character class里面不起作用，如[akm$]將匹配"a","k","m","$"中的任意一個(gè)字符,。在這里元字符(metacharacter)"$"就是一個(gè)普通字符,。
2.元字符[^]. 你可以用補(bǔ)集來(lái)匹配不在區(qū)間范圍內(nèi)的字符。其做法是把"^"作為類別的首個(gè)字符,；其它地方的"^"只會(huì)簡(jiǎn)單匹配 "^"字符本身,。例如，[^5] 將匹配除 "5" 之外的任意字符,。同時(shí),，在[ ]外，元字符^表示匹配字符串的開(kāi)始,，如"^ab+"表示以ab開(kāi)頭的字符串,。
舉例驗(yàn)證，
>>> m=re.search("^ab+","asdfabbbb")
　 >>> print m
None
>>> m=re.search("ab+","asdfabbbb")
>>> print m
<_sre.SRE_Match object at 0x011B1988>
>>> print m.group()
abbbb
上例不能用re.match,因?yàn)閙atch匹配字符串的開(kāi)始,，我們無(wú)法驗(yàn)證元字符"^"是否代表字符串的開(kāi)始位置,。
>>> m=re.match("^ab+","asdfabbbb")
>>> print m
None
>>> m=re.match("ab+","asdfabbbb")
>>> print m
None
#驗(yàn)證在元字符[]中，"^"在不同位置所代表的意義,。
　>>> re.search("[^abc]","abcd") #"^"在首字符表示取反,，即abc之外的任意字符。
　<_sre.SRE_Match object at 0x011B19F8>
　>>> m=re.search("[^abc]","abcd")
　>>> m.group()
　'd'
　>>> m=re.search("[abc^]","^") #如果"^"在[ ]中不是首字符,，那么那就是一個(gè)普通字符
　>>> m.group()
　'^'
不過(guò)對(duì)于元字符”^”有這么一個(gè)疑問(wèn).官方文檔http://docs./library/re.html有關(guān)元字符”^”有這么一句話,，Matches the start
of the string, and in MULTILINE mode also matches immediately after each newline.
我理解的是”^”匹配字符串的開(kāi)始,，在MULTILINE模式下，也匹配換行符之后,。
　>>> m=re.search("^a\w+","abcdfa\na1b2c3")
>>> m.group()
　'abcdfa'
　>>> m=re.search("^a\w+","abcdfa\na1b2c3",re.MULTILINE),，
　>>> m.group() #
　'abcdfa'
我認(rèn)為flag設(shè)定為re.MULTILINE，根據(jù)上面那段話,，他也應(yīng)該匹配換行符之后,，所以應(yīng)該有m.group應(yīng)該有"a1b2c3",但是結(jié)果沒(méi)有，用findall來(lái)嘗試,，可以找到結(jié)果,。所以這里我理解之所以group里面沒(méi)有，是因?yàn)閟earch和match方法是匹配到就返回,，而不是去匹配所有,。
　>>> m=re.findall("^a\w+","abcdfa\na1b2c3",re.MULTILINE)
　>>> m
　['abcdfa', 'a1b2c3']
3. 元字符(\),元字符backslash。做為 Python 中的字符串字母,，反斜杠后面可以加不同的字符以表示不同特殊意義,。
它也可以用于取消所有的元字符，這樣你就可以在模式中匹配它們了,。例如,，如果你需要匹配字符 "[" 或 "\"，你可以在它們之前用反斜杠來(lái)取消它們的特殊意義： \[ 或 \\
4,。元字符($)匹配字符串的結(jié)尾或者字符串結(jié)尾的換行之前,。（在MULTILINE模式下，"$"也匹配換行之前）
正則表達(dá)式"foo"既匹配"foo"又匹配"foobar",而"foo$"僅僅匹配"foo".
　　
　 >>> re.findall("foo.$","foo1\nfoo2\n")#匹配字符串的結(jié)尾的換行符之前,。
['foo2']
　 >>> re.findall("foo.$","foo1\nfoo2\n",re.MULTILINE)
['foo1', 'foo2']
　　>>> m=re.search("foo.$","foo1\nfoo2\n")
　　>>> m
　　<_sre.SRE_Match object at 0x00A27170>
　　>>> m.group()
　　'foo2'
　　>>> m=re.search("foo.$","foo1\nfoo2\n",re.MULTILINE)
　　>>> m.group()
　　'foo1'
看來(lái)re.MULTILINE對(duì)$的影響還是蠻大的,。
5.元字符(*),匹配0個(gè)或多個(gè)
6.元字符(?)，匹配一個(gè)或者0個(gè)
7.元字符(+), 匹配一個(gè)或者多個(gè)
8,元字符(|), 表示"或",，如A|B,，其中A，B為正則表達(dá)式,，表示匹配A或者B
9.元字符({})
{m},用來(lái)表示前面正則表達(dá)式的m次copy，如"a{5}",，表示匹配5個(gè)”a”,即"aaaaa"
　>>> re.findall("a{5}","aaaaaaaaaa")
　['aaaaa', 'aaaaa']
　>>> re.findall("a{5}","aaaaaaaaa")
　['aaaaa']
{m.n}用來(lái)表示前面正則表達(dá)式的m到n次copy,嘗試匹配盡可能多的copy,。
>>> re.findall("a{2,4}","aaaaaaaa")
　['aaaa', 'aaaa']
通過(guò)上面的例子，可以看到{m,n},，正則表達(dá)式優(yōu)先匹配n,，而不是m，因?yàn)榻Y(jié)果不是["aa","aa","aa","aa"]
>>> re.findall("a{2}","aaaaaaaa")
　['aa', 'aa', 'aa', 'aa']
{m,n}? 用來(lái)表示前面正則表達(dá)式的m到n次copy,，嘗試匹配盡可能少的copy　　　
　>>> re.findall("a{2,4}?","aaaaaaaa")
　['aa', 'aa', 'aa', 'aa']
10,。元字符( "( )" ),用來(lái)表示一個(gè)group的開(kāi)始和結(jié)束,。
比較常用的有(REs),(?P<name>REs),這是無(wú)名稱的組和有名稱的group，有名稱的group,，可以通過(guò)matchObject.group(name)
獲取匹配的group,，而無(wú)名稱的group可以通過(guò)從1開(kāi)始的group序號(hào)來(lái)獲取匹配的組，如matchObject.group(1),。具體應(yīng)用將在下面的group()方法中舉例講解
11．元字符(.)
　元字符“.”在默認(rèn)模式下,，匹配除換行符外的所有字符。在DOTALL模式下,，匹配所有字符,，包括換行符。
　>>> import re
　>>> re.match(".","\n")
　>>> m=re.match(".","\n")
　>>> print m
　None
　>>> m=re.match(".","\n",re.DOTALL)
　>>> print m
　<_sre.SRE_Match object at 0x00C2CE20>
　>>> m.group()
　'\n'
　下面我們首先來(lái)看一下Match Object對(duì)象擁有的方法,下面是常用的幾個(gè)方法的簡(jiǎn)單介紹
　1.group([group1,…])
　返回匹配到的一個(gè)或者多個(gè)子組,。如果是一個(gè)參數(shù),，那么結(jié)果就是一個(gè)字符串，如果是多個(gè)參數(shù),，那么結(jié)果就是一個(gè)參數(shù)一個(gè)item的元組,。group1的默認(rèn)值為0(將返回所有的匹配值).如果groupN參數(shù)為0，相對(duì)應(yīng)的返回值就是全部匹配的字符串,，如果group1的值是[1…99]范圍之內(nèi)的,那么將匹配對(duì)應(yīng)括號(hào)組的字符串,。如果組號(hào)是負(fù)的或者比pattern中定義的組號(hào)大，那么將拋出IndexError異常,。如果pattern沒(méi)有匹配到,，但是group匹配到了，那么group的值也為None,。如果一個(gè)pattern可以匹配多個(gè),，那么組對(duì)應(yīng)的是樣式匹配的最后一個(gè)。另外,，子組是根據(jù)括號(hào)從左向右來(lái)進(jìn)行區(qū)分的,。
　>>> m=re.match("(\w+) (\w+)","abcd efgh, chaj")
　>>> m.group() # 匹配全部
　'abcd efgh'
　>>> m.group(1) # 第一個(gè)括號(hào)的子組.
　'abcd'
　>>> m.group(2)
　'efgh'
　>>> m.group(1,2) # 多個(gè)參數(shù)返回一個(gè)元組
　('abcd', 'efgh')
　>>> m=re.match("(?P<first_name>\w+) (?P<last_name>\w+)","sam lee")
　>>> m.group("first_name") #使用group獲取含有name的子組
　'sam'
　>>> m.group("last_name")
　'lee'
　下面把括號(hào)去掉
　>>> m=re.match("\w+ \w+","abcd efgh, chaj")
　>>> m.group()
　'abcd efgh'
　>>> m.group(1)
　Traceback (most recent call last):
File "<pyshell#32>", line 1, in <module>
m.group(1)
　IndexError: no such group
　If a group matches multiple times, only the last match is accessible:
如果一個(gè)組匹配多個(gè)，那么僅僅返回匹配的最后一個(gè)的,。
　>>> m=re.match(r"(..)+","a1b2c3")
　>>> m.group(1)
　'c3'
　>>> m.group()
　'a1b2c3'
　Group的默認(rèn)值為0,，返回正則表達(dá)式pattern匹配到的字符串
　>>> s="afkak1aafal12345adadsfa"
　>>> pattern=r"(\d)\w+(\d{2})\w"
　>>> m=re.match(pattern,s)
　>>> print m
　None
　>>> m=re.search(pattern,s)
　>>> m
　<_sre.SRE_Match object at 0x00C2FDA0>
　>>> m.group()
　'1aafal12345a'
　>>> m.group(1)
　'1'
　>>> m.group(2)
　'45'
　>>> m.group(1,2,0)
　('1', '45', '1aafal12345a')
　2。groups([default])
　返回一個(gè)包含所有子組的元組,。Default是用來(lái)設(shè)置沒(méi)有匹配到組的默認(rèn)值的,。Default默認(rèn)是"None”,
　>>> m=re.match("(\d+)\.(\d+)","23.123")
　>>> m.groups()
　('23', '123')
　>>> m=re.match("(\d+)\.?(\d+)?","24") #這里的第二個(gè)\d沒(méi)有匹配到，使用默認(rèn)值"None"
　>>> m.groups()
　('24', None)
　>>> m.groups("0")
　('24', '0')
　3.groupdict([default])
　返回匹配到的所有命名子組的字典,。Key是name值,，value是匹配到的值。參數(shù)default是沒(méi)有匹配到的子組的默認(rèn)值,。這里與groups()方法的參數(shù)是一樣的,。默認(rèn)值為None
　>>> m=re.match("(\w+) (\w+)","hello world")
　>>> m.groupdict()
　{}
　>>> m=re.match("(?P<first>\w+) (?P<secode>\w+)","hello world")
　>>> m.groupdict()
　{'secode': 'world', 'first': 'hello'}
　通過(guò)上例可以看出,，groupdict()對(duì)沒(méi)有name的子組不起作用
正則表達(dá)式對(duì)象
　re.search(string[, pos[, endpos]])
　掃描字符串string，查找與正則表達(dá)式匹配的位置,。如果找到一個(gè)匹配就返回一個(gè)MatchObject對(duì)象(并不會(huì)匹配所有的),。如果沒(méi)有找到那么返回None。
　第二個(gè)參數(shù)表示從字符串的那個(gè)位置開(kāi)始,，默認(rèn)是0
　第三個(gè)參數(shù)endpos限定字符串最遠(yuǎn)被查找到哪里,。默認(rèn)值就是字符串的長(zhǎng)度。.
　>>> m=re.search("abcd", '1abcd2abcd')
　>>> m.group() #找到即返回一個(gè)match object,，然后根據(jù)該對(duì)象的方法,，查找匹配到的結(jié)果。
　'abcd'
　>>> m.start()
　1
　>>> m.end()
　5
　>>> re.findall("abcd","1abcd2abcd")
　['abcd', 'abcd']
　re.split(pattern, string[, maxsplit=0, flags=0])
　用pattern來(lái)拆分string,。如果pattern有含有括號(hào),，那么在pattern中所有的組也會(huì)返回。
　>>> re.split("\W+","words,words,works",1)
　['words', 'words,works']
　>>> re.split("[a-z]","0A3b9z",re.IGNORECASE)
　['0A3', '9', '']
　>>> re.split("[a-z]+","0A3b9z",re.IGNORECASE)
　['0A3', '9', '']
　>>> re.split("[a-zA-Z]+","0A3b9z")
　['0', '3', '9', '']
　>>> re.split('[a-f]+', '0a3B9', re.IGNORECASE)#re.IGNORECASE用來(lái)忽略pattern中的大小寫,。
　['0', '3B9']
　如果在split的時(shí)候捕獲了組,，并且匹配字符串的開(kāi)始，那么返回的結(jié)果將會(huì)以一個(gè)空串開(kāi)始,。
　>>> re.split('(\W+)', '...words, words...')
　['', '...', 'words', ', ', 'words', '...', '']
　>>> re.split('(\W+)', 'words, words...')
　['words', ', ', 'words', '...', '']
　re.findall(pattern, string[, flags])
　以list的形式返回string中所有與pattern匹配的不重疊的字符串,。String從左向右掃描，匹配的返回結(jié)果也是以這個(gè)順序,。
　Return all non-overlapping matches of pattern in string, as a list of strings. The string is scanned left-to-right, and matches are returned in the order found. If one or more groups are present in the pattern, return a list of groups; this will be a list of tuples if the pattern has more than one group. Empty matches are included in the result unless they touch the beginning of another match.
　>>> re.findall('(\W+)', 'words, words...')
　[', ', '...']
　>>> re.findall('(\W+)d', 'words, words...d')
　['...']
　>>> re.findall('(\W+)d', '...dwords, words...d')
　['...', '...']
　re.finditer(pattern, string[, flags])
　與findall類似,，只不過(guò)是返回list，而是返回了一個(gè)疊代器
　我們來(lái)看一個(gè)sub和subn的例子
　>>> re.sub("\d","abc1def2hijk","RE")
　'RE'
　>>> x=re.sub("\d","abc1def2hijk","RE")
　>>> x
　'RE'
　>>> re.sub("\d","RE","abc1def2hijk",)
　'abcREdefREhijk'
　>>> re.subn("\d","RE","abc1def2hijk",)
　('abcREdefREhijk', 2)
　通過(guò)例子我們可以看出sub和subn的差別：sub返回替換后的字符串,，而subn返回由替換后的字符串以及替換的個(gè)數(shù)組成的元組,。
　re.sub(pattern, repl, string[, count, flags])
用repl替換字符串string中的pattern。如果pattern沒(méi)有匹配到,，那么返回的字符串沒(méi)有變化],。Repl可以是一個(gè)字符串，也可以是一個(gè)function,。如果是字符串,，如果repl是個(gè)方法/函數(shù)。對(duì)于所有的pattern匹配到,。他都回調(diào)用這個(gè)方法/函數(shù),。這個(gè)函數(shù)和方法使用單個(gè)match object作為參數(shù)，然后返回替換后的字符串,。下面是官網(wǎng)提供的例子:
>>> def dashrepl(matchobj):... if matchobj.group(0) == '-': return ' '... else: retu

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布,，不代表本站觀點(diǎn),。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式,、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙,。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自：方海龍的書館 > 《python》

舉報(bào)/認(rèn)領(lǐng)