正则表达式 python

时间  2019-11-12
标签 正则 表达式 python 栏目 正则表达式 繁體版
原文   原文链接

1. 正则表达式基础

1.1. 简单介绍

正则表达式并非Python的一部分。正则表达式是用于处理字符串的强大工具，拥有本身独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是同样的，区别只在于不一样的编程语言实现支持的语法数量不一样；但不用担忧，不被支持的语法一般是不经常使用的部分。若是已经在其余语言里使用过正则表达式，只须要简单看一看就能够上手了。html

下图展现了使用正则表达式进行匹配的流程： 
re_simplegit

正则表达式的大体匹配过程是：依次拿出表达式和文本中的字符比较，若是每个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。若是表达式中有量词或边界，这个过程会稍微有一些不一样，但也是很好理解的，看下图中的示例以及本身多使用几回就能明白。程序员

下图列出了Python支持的正则表达式元字符和语法：   
pyre正则表达式

1.2. 数量词的贪婪模式与非贪婪模式

正则表达式一般用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也多是默认非贪婪），老是尝试匹配尽量多的字符；非贪婪的则相反，老是尝试匹配尽量少的字符。例如：正则表达式"ab*"若是用于查找"abbbc"，将找到"abbb"。而若是使用非贪婪的数量词"ab*?"，将找到"a"。编程

1.3. 反斜杠的困扰

与大多数编程语言相同，正则表达式里使用"\"做为转义字符，这就可能形成反斜杠困扰。假如你须要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将须要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可使用r"\\"表示。一样，匹配一个数字的"\\d"能够写成r"\d"。有了原生字符串，你不再用担忧是否是漏写了反斜杠，写出来的表达式也更直观。编程语言

1.4. 匹配模式

正则表达式提供了一些可用的匹配模式，好比忽略大小写、多行匹配等，这部份内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一块儿介绍。工具

2. re模块

2.1. 开始使用re

Python经过re模块提供对正则表达式的支持。使用re的通常步骤是先将正则表达式的字符串形式编译为Pattern实例，而后使用Pattern实例处理文本并得到匹配结果（一个Match实例），最后使用Match实例得到信息，进行其余的操做。spa

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# encoding: UTF-8
import  re
 
# 将正则表达式编译成Pattern对象
pattern =  re. compile (r 'hello' )
 
# 使用Pattern匹配文本，得到匹配结果，没法匹配时将返回None
match =  pattern.match( 'hello world!' )
 
if  match:
     # 使用Match得到分组信息
     print  match.group()
 
### 输出 ###
# hello

re.compile(strPattern[, flag]):3d

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可使用按位或运算符'|'表示同时生效，好比re.I | re.M。另外，你也能够在regex字符串中指定模式，好比re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。 
可选值有：code

  • re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
  • M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
  • S(DOTALL): 点任意匹配模式，改变'.'的行为
  • L(LOCALE): 使预约字符类 \w \W \b \B \s \S 取决于当前区域设定
  • U(UNICODE): 使预约字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
  • X(VERBOSE): 详细模式。这个模式下正则表达式能够是多行，忽略空白字符，并能够加入注释。如下两个正则表达式是等价的：
1
2
3
4
a =  re. compile (r """\d +  # the integral part
                    \.    # the decimal point
                    \d *  # some fractional digits""" , re.X)
b =  re. compile (r "\d+\.\d*" )

re提供了众多模块方法用于完成正则表达式的功能。这些方法可使用Pattern实例的相应方法替代，惟一的好处是少写一行re.compile()代码，但同时也没法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一块儿介绍。如上面这个例子能够简写为：

1
2
m =  re.match(r 'hello' , 'hello world!' )
print  m.group()

re模块还提供了一个方法escape(string)，用于将string中的正则表达式元字符如*/+/?等以前加上转义符再返回，在须要大量匹配元字符时有那么一点用。

2.2. Match

Match对象是一次匹配的结果，包含了不少关于这次匹配的信息，可使用Match提供的可读属性或方法来获取这些信息。

属性：

  1. string: 匹配时使用的文本。
  2. re: 匹配时使用的Pattern对象。
  3. pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
  4. endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
  5. lastindex: 最后一个被捕获的分组在文本中的索引。若是没有被捕获的分组，将为None。
  6. lastgroup: 最后一个被捕获的分组的别名。若是这个分组没有别名或者没有被捕获的分组，将为None。

方法：

  1. group([group1, …]): 
    得到一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可使用编号也可使用别名；编号0表明整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了屡次的组返回最后一次截获的子串。
  2. groups([default]): 
    以元组形式返回所有分组截获的字符串。至关于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
  3. groupdict([default]): 
    返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
  4. start([group]): 
    返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
  5. end([group]): 
    返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
  6. span([group]): 
    返回(start(group), end(group))。
  7. expand(template): 
    将匹配到的分组代入template中而后返回。template中可使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，若是你想表达\1以后是字符'0'，只能使用\g<1>0。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import  re
m =  re.match(r '(\w+) (\w+)(?P<sign>.*)' , 'hello world!' )
 
print  "m.string:" , m.string
print  "m.re:" , m.re
print  "m.pos:" , m.pos
print  "m.endpos:" , m.endpos
print  "m.lastindex:" , m.lastindex
print  "m.lastgroup:" , m.lastgroup
 
print  "m.group(1,2):" , m.group( 1 , 2 )
print  "m.groups():" , m.groups()
print  "m.groupdict():" , m.groupdict()
print  "m.start(2):" , m.start( 2 )
print  "m.end(2):" , m.end( 2 )
print  "m.span(2):" , m.span( 2 )
print  r "m.expand(r'\2 \1\3'):" , m.expand(r '\2 \1\3' )
 
### output ###
# m.string: hello world!
# m.re: <_sre.SRE_Pattern object at 0x016E1A38>
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): ('hello', 'world')
# m.groups(): ('hello', 'world', '!')
# m.groupdict(): {'sign': '!'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r'\2 \1\3'): world hello!

2.3. Pattern

Pattern对象是一个编译好的正则表达式，经过Pattern提供的一系列方法能够对文本进行匹配查找。

Pattern不能直接实例化，必须使用re.compile()进行构造。

Pattern提供了几个可读属性用于获取表达式的相关信息：

  1. pattern: 编译时用的表达式字符串。
  2. flags: 编译时用的匹配模式。数字形式。
  3. groups: 表达式中分组的数量。
  4. groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。
1
2
3
4
5
6
7
8
9
10
11
12
13
import  re
p =  re. compile (r '(\w+) (\w+)(?P<sign>.*)' , re.DOTALL)
 
print  "p.pattern:" , p.pattern
print  "p.flags:" , p.flags
print  "p.groups:" , p.groups
print  "p.groupindex:" , p.groupindex
 
### output ###
# p.pattern: (\w+) (\w+)(?P<sign>.*)
# p.flags: 16
# p.groups: 3
# p.groupindex: {'sign': 3}

实例方法[ | re模块方法]：

  1. match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]): 
    这个方法将从string的pos下标处起尝试匹配pattern；若是pattern结束时仍可匹配，则返回一个Match对象；若是匹配过程当中pattern没法匹配，或者匹配未结束就已到达endpos，则返回None。 
    pos和endpos的默认值分别为0和len(string)；re.match()没法指定这两个参数，参数flags用于编译pattern时指定匹配模式。 
    注意：这个方法并非彻底匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要彻底匹配，能够在表达式末尾加上边界匹配符'$'。 
    示例参见2.1小节。
  2. search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]): 
    这个方法用于查找字符串中能够匹配成功的子串。从string的pos下标处起尝试匹配pattern，若是pattern结束时仍可匹配，则返回一个Match对象；若没法匹配，则将pos加1后从新尝试匹配；直到pos=endpos时仍没法匹配则返回None。
    pos和endpos的默认值分别为0和len(string))；re.search()没法指定这两个参数，参数flags用于编译pattern时指定匹配模式。 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    # encoding: UTF-8
    import  re
     
    # 将正则表达式编译成Pattern对象
    pattern =  re. compile (r 'world' )
     
    # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None
    # 这个例子中使用match()没法成功匹配
    match =  pattern.search( 'hello world!' )
     
    if  match:
         # 使用Match得到分组信息
         print  match.group()
     
    ### 输出 ###
    # world
  3. split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]): 
    按照可以匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将所有分割。 
    1
    2
    3
    4
    5
    6
    7
    import  re
     
    p =  re. compile (r '\d+' )
    print  p.split( 'one1two2three3four4' )
     
    ### output ###
    # ['one', 'two', 'three', 'four', '']
  4. findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]): 
    搜索string，以列表形式返回所有能匹配的子串。 
    1
    2
    3
    4
    5
    6
    7
    import  re
     
    p =  re. compile (r '\d+' )
    print  p.findall( 'one1two2three3four4' )
     
    ### output ###
    # ['1', '2', '3', '4']
  5. finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]): 
    搜索string，返回一个顺序访问每个匹配结果（Match对象）的迭代器。 
    1
    2
    3
    4
    5
    6
    7
    8
    import  re
     
    p =  re. compile (r '\d+' )
    for  m in  p.finditer( 'one1two2three3four4' ):
         print  m.group(),
     
    ### output ###
    # 1 2 3 4
  6. sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]): 
    使用repl替换string中每个匹配的子串后返回替换后的字符串。 
    当repl是一个字符串时，可使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。 
    当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。 
    count用于指定最多替换次数，不指定时所有替换。 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    import  re
     
    p =  re. compile (r '(\w+) (\w+)' )
    s =  'i say, hello world!'
     
    print  p.sub(r '\2 \1' , s)
     
    def  func(m):
         return  m.group( 1 ).title() +  ' '  +  m.group( 2 ).title()
     
    print  p.sub(func, s)
     
    ### output ###
    # say i, world hello!
    # I Say, Hello World!
  7. subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]): 
    返回 (sub(repl, string[, count]), 替换次数)。 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    import  re
     
    p =  re. compile (r '(\w+) (\w+)' )
    s =  'i say, hello world!'
     
    print  p.subn(r '\2 \1' , s)
     
    def  func(m):
         return  m.group( 1 ).title() +  ' '  +  m.group( 2 ).title()
     
    print  p.subn(func, s)
     
    ### output ###
    # ('say i, world hello!', 2)
    # ('I Say, Hello World!', 2)

以上就是Python对于正则表达式的支持。熟练掌握正则表达式是每个程序员必须具有的技能，这年头没有不与字符串打交道的程序了。笔者也处于初级阶段，与君共勉，^_^

另外，图中的特殊构造部分没有举出例子，用到这些的正则表达式是具备必定难度的。有兴趣能够思考一下，如何匹配不是以abc开头的单词，^_^

转自：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程