python之正则

时间 2019-11-19

标签 python 正则栏目 Python 繁體版

原文原文链接

使用的Python中正则表达式的模块一般叫作‘re'。python

1. Python中的原始类型字符串

Python编译器用‘\'（反斜杠）来表示字符串常量中的转义字符。正则表达式

若是反斜杠后面跟着一串编译器可以识别的特殊字符，那么整个转义序列将被替换成对应的特殊字符（例如，‘\n'将被编译器替换成换行符）。学习

但这给在Python中使用正则表达式带来了一个问题，由于在‘re'模块中也使用反斜杠来转义正则表达式中的特殊字符（好比*和+）。this

这两种方式的混合意味着有时候你不得不转义转义字符自己（当特殊字符能同时被Python和正则表达式的编译器识别的时候），但在其余时候你没必要这么作（若是特殊字符只能被Python编译器识别）。spa

与其将咱们的心思放在去弄懂到底须要多少个反斜杠，咱们可使用原始字符串来替代。code

原始类型字符串能够简单的经过在普通字符串的双引号前面加一个字符‘r'来建立。当一个字符串是原始类型时，Python编译器不会对其尝试作任何的替换。本质上来说，你在告诉编译器彻底不要去干涉你的字符串。orm

 
      >>> string  
      =  
      'This is a\nnormal string' 
     
 
      >>> rawString  
      =  
      r 
      'and this is a\nraw string' 
     
 
      >>>  
      print  
      string 
     

这是一个普通字符串对象

>>> print rawString

and this is a\nraw string

这是一个原始类型字符串。ci

在Python中使用正则表达式进行查找资源

‘re'模块提供了几个方法对输入的字符串进行确切的查询。咱们将会要讨论的方法有：

 
      •re.match() 
     
      •re.search() 
     
      •re.findall()

每个方法都接收一个正则表达式和一个待查找匹配的字符串。让咱们更详细的查看这每个方法从而弄明白他们是如何工做的以及他们各有什么不一样。

2. 使用re.match查找 – 匹配开始

让咱们先来看一下match()方法。match()方法的工做方式是只有当被搜索字符串的开头匹配模式的时候它才能查找到匹配对象。

举个例子，对字符串‘dog cat dog'调用mathch()方法，查找模式‘dog'将会匹配：

 
      >>> re.match(r 
      'dog' 
      ,  
      'dog cat dog' 
      ) 
     
 
      <_sre.SRE_Match  
      object  
      at  
      0xb743e720 
      < 
     
 
      >>> match  
      =  
      re.match(r 
      'dog' 
      ,  
      'dog cat dog' 
      ) 
     
 
      >>> match.group( 
      0 
      ) 
     
 
      'dog' 
     

咱们稍后将更多的讨论group()方法。如今，咱们只须要知道咱们用0做为它的参数调用了它，group()方法返回查找到的匹配的模式。

我还暂且略过了返回的SRE_Match对象，咱们很快也将会讨论到它。

可是，若是咱们对同一个字符串调用math()方法，查找模式‘cat'，则不会找到匹配。

>>> re.match(r 'cat' , 'dog cat dog' )

>>>

3. 使用re.search查找 – 匹配任意位置

search()方法和match()相似，不过search()方法不会限制咱们只从字符串的开头查找匹配，所以在咱们的示例字符串中查找‘cat'会查找到一个匹配：

 
      search(r 
      'cat' 
      ,  
      'dog cat dog' 
      ) 
     
 
      >>> match.group( 
      0 
      ) 
     
 
      'cat' 
     

然而search()方法会在它查找到一个匹配项以后中止继续查找，所以在咱们的示例字符串中用searc()方法查找‘dog'只找到其首次出现的位置。

 
      >>> match  
      =  
      re.search(r 
      'dog' 
      ,  
      'dog cat dog' 
      ) 
     
 
      >>> match.group( 
      0 
      ) 
     
 
      'dog' 
     

4. 使用 re.findall – 全部匹配对象

目前为止在Python中我使用的最多的查找方法是findall()方法。当咱们调用findall()方法，咱们能够很是简单的获得一个全部匹配模式的列表，而不是获得match的对象（咱们会在接下来更多的讨论match对象）。对我而言这更加简单。对示例字符串调用findall()方法咱们获得：

 
      [ 
      'dog' 
      ,  
      'dog' 
      ] 
     
 
      >>> re.findall(r 
      'cat' 
      ,  
      'dog cat dog' 
      ) 
     
 
      [ 
      'cat' 
      ] 
     

5. 使用 match.start 和 match.end 方法

那么，先前search()和match()方法先前返回给咱们的‘match'对象”究竟是什么呢？

和只简单的返回字符串的匹配部分不一样，search()和match()返回的“匹配对象”，其实是一个关于匹配子串的包装类。

先前你看到我能够经过调用group()方法获得匹配的子串，（咱们将在下一个部分看到，事实上匹配对象在处理分组问题时很是有用），可是匹配对象还包含了更多关于匹配子串的信息。

例如，match对象能够告诉咱们匹配的内容在原始字符串中的开始和结束位置：

 
      >>> match  
      =  
      re.search(r 
      'dog' 
      ,  
      'dog cat dog' 
      ) 
     
 
      >>> match.start() 
     
 
      >>> match.end() 
     

知道这些信息有时候很是有用。

6. 使用 mathch.group 经过数字分组

就像我以前提到的，匹配对象在处理分组时很是驾轻就熟。

分组是对整个正则表达式的特定子串进行定位的能力。咱们能够定义一个分组作为整个正则表达式的一部分，而后单独的对这部分对应匹配到的内容定位。

让咱们来看一下它是怎么工做的：

>>> contactInfo = 'Doe, John: 555-1212'

我刚才建立的字符串相似一个从某人的地址本里取出来的一个片断。咱们能够经过这样一个正则表达式来匹配这一行：

>>> re.search(r '\w+, \w+: \S+' , contactInfo)

<_sre.SRE_Match object at 0xb74e1ad8 <

经过用圆括号来（字符‘('和‘)'）包围正则表达式的特定部分，咱们能够对内容进行分组而后对这些子组作单独处理。

>>> match = re.search(r '(\w+), (\w+): (\S+)' , contactInfo)

这些分组能够经过用分组对象的group()方法获得。它们能够经过其在正则表达式中从左到右出现的数字顺序来定位（从1开始）：

 
      >>> match.group( 
      1 
      ) 
     
      'Doe' 
     
      >>> match.group( 
      2 
      ) 
     
      'John' 
     
      >>> match.group( 
      3 
      ) 
     
      '555-1212'

组的序数从1开始的缘由是由于第0个组被预留来存放全部匹配对象（咱们在以前学习match()方法和search()方法到时候看到过）。

>>> match.group( 0 )

'Doe, John: 555-1212'

7. 使用 match.group 经过别名来分组

有时候，特别是当一个正则表达式有不少分组的时候，经过组的出现次序来定位就会变的不现实。Python还容许你经过下面的语句来指定一个组名：

>>> match = re.search(r '(?P<last>\w+), (?P<first>\w+): (?P<phone>\S+)' , contactInfo)

咱们仍是能够用group()方法获取分组的内容，但这时候咱们要用咱们所指定的组名而不是以前所使用的组的所在位数。

 
      >>> match.group( 
      'last' 
      ) 
     
      'Doe' 
     
      >>> match.group( 
      'first' 
      ) 
     
      'John' 
     
      >>> match.group( 
      'phone' 
      ) 
     
      '555-1212'

这大大增强了代码的明确性和可读性。你能够想像当正则表达式变得愈来愈复杂，去弄懂一个分组到捕获了什么内容将会变得愈来愈困难。给你的分组命名将明确的告诉了你和你的读者你的意图。

尽管findall()方法不返回分组对象，它也可使用分组。相似的，findall()方法将返回一个元组的集合，其中每一个元组中的第N个元素对应了正则表达式中的第N个分组。

>>> re.findall(r '(\w+), (\w+): (\S+)' , contactInfo)

[( 'Doe' , 'John' , '555-1212' )]

可是，给分组命名并不适用于findall()方法。

在本文中咱们介绍了Python中使用正则表达式的一些基础。咱们学习了原始字符串类型（还有它能帮你解决的在使用正则表达式中一些头痛的问题）。咱们还学习了如何适使用match(), search(), and findall()方法进行基本的查询，以及如何使用分组来处理匹配对象的子组件。

和往常同样，若是想查看更多关于这个主题的内容，re模块的Python官方文档是一个很是好的资源。