js06金沙官网登录-js06.com-欢迎您

来自 计算机 2020-01-04 23:49 的文章
当前位置: js06金沙官网登录-js06.com-欢迎您 > 计算机 > 正文

Python正则表达式指南,python正则表达式

  1.2. 数量词的贪婪模式与非贪婪模式

  正则表达式通常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(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式”ab*”如果用于查找”abbbc”,将找到”abbb”。而如果使用非贪婪的数量词”ab*?”,将找到”a”。

 2. re模块

Python正则表达式指南,python正则表达式

  本文介绍了Python对于正则表达式的支持,包括正则表达式基础以及Python正则表达式标准库的完整介绍及使用示例。本文的内容不包括如何编写高效的正则表达式、如何优化正则表达式,这些主题请查看其他教程。

  注意:本文基于Python2.4完成;如果看到不明白的词汇请记得百度谷歌或维基,whatever。

  2.3. Pattern

  Pattern对象是一个编译好的正则表达式,通过Pattern提供的一系列方法可以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 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;如果pattern结束时仍可匹配,则返回一个Match对象;如果匹配过程中pattern无法匹配,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()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。

  注意:这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以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可以匹配成功的子串。从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None。

  pos和endpos的默认值分别为0和len(string));re.search()无法指定这两个参数,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()无法成功匹配 match = pattern.search('hello world!')   if match:     # 使用Match获得分组信息     print match.group()   ### 输出 ### # world

  3.split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]): 

  按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。

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,以列表形式返回全部能匹配的子串。

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一个匹配结果(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中每一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,可以使用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,不指定时全部替换。

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一个程序员必须具备的技能,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有一定难度的。有兴趣可以思考一下,如何匹配不是以abc开头的单词,^_^

本文介绍了Python对于正则表达式的支持,包括正则表达式基础以及Python正则表达式标准库的完整介绍...

  2.1. 开始使用re

  Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例,然后使用Pattern实例处理文本并获得匹配结果(一个Match实例),最后使用Match实例获得信息,进行其他的操作。

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,获得匹配结果,无法匹配时将返回None match = pattern.match('hello world!')   if match:     # 使用Match获得分组信息     print match.group()   ### 输出 ### # hello

  re.compile(strPattern[, flag]):

  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,取值可以使用按位或运算符’|'表示同时生效,比如re.I | re.M。另外,你也可以在regex字符串中指定模式,比如re.compile(‘pattern’, re.I | re.M)与re.compile(‘(?im)pattern’)是等价的。

  可选值有:

  • 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): 使预定字符类 w W b B s S 取决于当前区域设定
  • U(UNICODE): 使预定字符类 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可以是多行,忽略空白字符,并可以加入注释。以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。这些方法可以使用Pattern实例的相应方法替代,唯一的好处是少写一行re.compile()代码,但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为:

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*/+/?等之前加上转义符再返回,在需要大量匹配元字符时有那么一点用。

  1.4. 匹配模式

  正则表达式提供了一些可用的匹配模式,比如忽略大小写、多行匹配等,这部分内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。

  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””作为转义字符,这就可能造成反斜杠困扰。假如你需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需要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以使用r”\”表示。同样,匹配一个数字的”\d”可以写成r”d”。有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。

  1.1. 简单介绍

  正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具,拥有自己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一样的,区别只在于不同的编程语言实现支持的语法数量不同;但不用担心,不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式,只需要简单看一看就可以上手了。

下图展示了使用正则表达式进行匹配的流程:

图片 1

  正则表达式的大致匹配过程是:依次拿出表达式和文本中的字符比较,如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界,这个过程会稍微有一些不同,但也是很好理解的,看下图中的示例以及自己多使用几次就能明白。

下图列出了Python支持的正则表达式元字符和语法:

图片 2

 1. 正则表达式基础

  2.2. Match

  Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。

  属性:

  方法:

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 13'):", m.expand(r'2 13')   ### 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 13'): world hello!

本文由js06金沙官网登录-js06.com-欢迎您发布于计算机,转载请注明出处:Python正则表达式指南,python正则表达式

关键词: