Python正則表達(dá)式總結(jié)分享
注意:本文基于Python2.4完成;如果看到不明白的詞匯請(qǐng)記得百度谷歌或維基,whatever。
1. 正則表達(dá)式基礎(chǔ)
1.1. 簡(jiǎn)單介紹
正則表達(dá)式并不是Python的一部分。正則表達(dá)式是用于處理字符串的強(qiáng)大工具,擁有自己獨(dú)特的語(yǔ)法以及一個(gè)獨(dú)立的處理引擎,效率上可能不如str自帶的方法,但功能十分強(qiáng)大。得益于這一點(diǎn),在提供了正則表達(dá)式的語(yǔ)言里,正則表達(dá)式的語(yǔ)法都是一樣的,區(qū)別只在于不同的編程語(yǔ)言實(shí)現(xiàn)支持的語(yǔ)法數(shù)量不同;但不用擔(dān)心,不被支持的語(yǔ)法通常是不常用的部分。如果已經(jīng)在其他語(yǔ)言里使用過正則表達(dá)式,只需要簡(jiǎn)單看一看就可以上手了。
下圖展示了使用正則表達(dá)式進(jìn)行匹配的流程:
正則表達(dá)式的大致匹配過程是:依次拿出表達(dá)式和文本中的字符比較,如果每一個(gè)字符都能匹配,則匹配成功;一旦有匹配不成功的字符則匹配失敗。如果表達(dá)式中有量詞或邊界,這個(gè)過程會(huì)稍微有一些不同,但也是很好理解的,看下圖中的示例以及自己多使用幾次就能明白。
下圖列出了Python支持的正則表達(dá)式元字符和語(yǔ)法:
1.2. 數(shù)量詞的貪婪模式與非貪婪模式
正則表達(dá)式通常用于在文本中查找匹配的字符串。Python里數(shù)量詞默認(rèn)是貪婪的(在少數(shù)語(yǔ)言里也可能是默認(rèn)非貪婪),總是嘗試匹配盡可能多的字符;非貪婪的則相反,總是嘗試匹配盡可能少的字符。例如:正則表達(dá)式"ab*"如果用于查找"abbbc",將找到"abbb"。而如果使用非貪婪的數(shù)量詞"ab*?",將找到"a"。
1.3. 反斜杠的困擾
與大多數(shù)編程語(yǔ)言相同,正則表達(dá)式里使用"\"作為轉(zhuǎn)義字符,這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"\",那么使用編程語(yǔ)言表示的正則表達(dá)式里將需要4個(gè)反斜杠"\\\\":前兩個(gè)和后兩個(gè)分別用于在編程語(yǔ)言里轉(zhuǎn)義成反斜杠,轉(zhuǎn)換成兩個(gè)反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個(gè)反斜杠。Python里的原生字符串很好地解決了這個(gè)問題,這個(gè)例子中的正則表達(dá)式可以使用r"\\"表示。同樣,匹配一個(gè)數(shù)字的"\\d"可以寫成r"\d"。有了原生字符串,你再也不用擔(dān)心是不是漏寫了反斜杠,寫出來的表達(dá)式也更直觀。
1.4. 匹配模式
正則表達(dá)式提供了一些可用的匹配模式,比如忽略大小寫、多行匹配等,這部分內(nèi)容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。
2. re模塊
2.1. 開始使用re
Python通過re模塊提供對(duì)正則表達(dá)式的支持。使用re的一般步驟是先將正則表達(dá)式的字符串形式編譯為Pattern實(shí)例,然后使用Pattern實(shí)例處理文本并獲得匹配結(jié)果(一個(gè)Match實(shí)例),最后使用Match實(shí)例獲得信息,進(jìn)行其他的操作。
# encoding: UTF-8 import re ? # 將正則表達(dá)式編譯成Pattern對(duì)象 pattern = re.compile(r'hello') ? # 使用Pattern匹配文本,獲得匹配結(jié)果,無法匹配時(shí)將返回None match = pattern.match('hello world!') ? if match: ? ? # 使用Match獲得分組信息 ? ? print match.group() ? ### 輸出 ### # hello
re.compile(strPattern[, flag]):
這個(gè)方法是Pattern
類的工廠方法,用于將字符串形式的正則表達(dá)式編譯為Pattern對(duì)象。 第二個(gè)參數(shù)flag是匹配模式,取值可以使用按位或運(yùn)算符'|'表示同時(shí)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)與re.compile('(?im)pattern')是等價(jià)的。
可選值有:
- re.I(re.IGNORECASE): 忽略大小寫(括號(hào)內(nèi)是完整寫法,下同)
- M(MULTILINE): 多行模式,改變'^'和'$'的行為(參見上圖)
- S(DOTALL): 點(diǎn)任意匹配模式,改變'.'的行為
- L(LOCALE): 使預(yù)定字符類 \w \W \b \B \s \S 取決于當(dāng)前區(qū)域設(shè)定
- U(UNICODE): 使預(yù)定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
- X(VERBOSE): 詳細(xì)模式。這個(gè)模式下正則表達(dá)式可以是多行,忽略空白字符,并可以加入注釋。
以下兩個(gè)正則表達(dá)式是等價(jià)的:
a = re.compile(r"""\d + ?# the integral part ? ? ? ? ? ? ? ? ? ?\. ? ?# the decimal point ? ? ? ? ? ? ? ? ? ?\d * ?# some fractional digits""", re.X) b = re.compile(r"\d+\.\d*")
re提供了眾多模塊方法用于完成正則表達(dá)式的功能。這些方法可以使用Pattern實(shí)例的相應(yīng)方法替代,唯一的好處是少寫一行re.compile()
代碼,但同時(shí)也無法復(fù)用編譯后的Pattern對(duì)象。這些方法將在Pattern類的實(shí)例方法部分一起介紹。
如上面這個(gè)例子可以簡(jiǎn)寫為:
m = re.match(r'hello', 'hello world!') print m.group()
re模塊還提供了一個(gè)方法escape(string),用于將string中的正則表達(dá)式元字符如*/+/?等之前加上轉(zhuǎn)義符再返回,在需要大量匹配元字符時(shí)有那么一點(diǎn)用。
2.2. Match
Match對(duì)象是一次匹配的結(jié)果,包含了很多關(guān)于此次匹配的信息,可以使用Match提供的可讀屬性或方法來獲取這些信息。
屬性:
- string: 匹配時(shí)使用的文本。
- re: 匹配時(shí)使用的Pattern對(duì)象。
- pos: 文本中正則表達(dá)式開始搜索的索引。值與
Pattern.match()
和Pattern.seach()
方法的同名參數(shù)相同。 - endpos: 文本中正則表達(dá)式結(jié)束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
- lastindex: 最后一個(gè)被捕獲的分組在文本中的索引。如果沒有被捕獲的分組,將為None。
- lastgroup: 最后一個(gè)被捕獲的分組的別名。如果這個(gè)分組沒有別名或者沒有被捕獲的分組,將為None。
方法:
group([group1, …]):
獲得一個(gè)或多個(gè)分組截獲的字符串;指定多個(gè)參數(shù)時(shí)將以元組形式返回。group1可以使用編號(hào)也可以使用別名;編號(hào)0代表整個(gè)匹配的子串;不填寫參數(shù)時(shí),返回group(0);沒有截獲字符串的組返回None;截獲了多次的組返回最后一次截獲的子串。
groups([default]):
以元組形式返回全部分組截獲的字符串。相當(dāng)于調(diào)用group(1,2,…last)。default表示沒有截獲字符串的組以這個(gè)值替代,默認(rèn)為None。
groupdict([default]):
返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典,沒有別名的組不包含在內(nèi)。default含義同上。
start([group]):
返回指定的組截獲的子串在string中的起始索引(子串第一個(gè)字符的索引)。group默認(rèn)值為0。
end([group]):
返回指定的組截獲的子串在string中的結(jié)束索引(子串最后一個(gè)字符的索引+1)。group默認(rèn)值為0。
span([group]):
返回(start(group), end(group))。
expand(template):
將匹配到的分組代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分組,但不能使用編號(hào)0。\id與\g<id>是等價(jià)的;但\10將被認(rèn)為是第10個(gè)分組,如果你想表達(dá)\1之后是字符'0',只能使用\g<1>0。
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
對(duì)象是一個(gè)編譯好的正則表達(dá)式,通過Pattern提供的一系列方法可以對(duì)文本進(jìn)行匹配查找。
Pattern
不能直接實(shí)例化,必須使用re.compile()進(jìn)行構(gòu)造。
Pattern提供了幾個(gè)可讀屬性用于獲取表達(dá)式的相關(guān)信息:
- pattern: 編譯時(shí)用的表達(dá)式字符串。
- flags: 編譯時(shí)用的匹配模式。數(shù)字形式。
- groups: 表達(dá)式中分組的數(shù)量。
- groupindex: 以表達(dá)式中有別名的組的別名為鍵、以該組對(duì)應(yīng)的編號(hào)為值的字典,沒有別名的組不包含在內(nèi)。
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}
實(shí)例方法[ | re模塊方法]:
match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
這個(gè)方法將從string的pos下標(biāo)處起嘗試匹配pattern;如果pattern結(jié)束時(shí)仍可匹配,則返回一個(gè)Match對(duì)象;如果匹配過程中pattern無法匹配,或者匹配未結(jié)束就已到達(dá)endpos,則返回None。
pos和endpos的默認(rèn)值分別為0和len(string);re.match()無法指定這兩個(gè)參數(shù),參數(shù)flags用于編譯pattern時(shí)指定匹配模式。
注意:這個(gè)方法并不是完全匹配。當(dāng)pattern結(jié)束時(shí)若string還有剩余字符,仍然視為成功。想要完全匹配,可以在表達(dá)式末尾加上邊界匹配符'$'。
示例參見2.1小節(jié)。
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
這個(gè)方法用于查找字符串中可以匹配成功的子串。從string的pos下標(biāo)處起嘗試匹配pattern,如果pattern結(jié)束時(shí)仍可匹配,則返回一個(gè)Match對(duì)象;若無法匹配,則將pos加1后重新嘗試匹配;直到pos=endpos時(shí)仍無法匹配則返回None。
pos和endpos的默認(rèn)值分別為0和len(string));re.search()無法指定這兩個(gè)參數(shù),參數(shù)flags用于編譯pattern時(shí)指定匹配模式。
# encoding: UTF-8? import re? ? # 將正則表達(dá)式編譯成Pattern對(duì)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時(shí)將返回None? # 這個(gè)例子中使用match()無法成功匹配? match = pattern.search('hello world!')? ? if match:? ? ? # 使用Match獲得分組信息? ? ? print match.group()? ? ### 輸出 ###? # world
split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數(shù),不指定將全部分割。
import re ? p = re.compile(r'\d+') print p.split('one1two2three3four4') ? ### output ### # ['one', 'two', 'three', 'four', '']
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。
import re ? p = re.compile(r'\d+') print p.findall('one1two2three3four4') ? ### output ### # ['1', '2', '3', '4']
finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string
,返回一個(gè)順序訪問每一個(gè)匹配結(jié)果(Match對(duì)象)的迭代器。
import re ? p = re.compile(r'\d+') for m in p.finditer('one1two2three3four4'): ? ? print m.group(), ? ### output ### # 1 2 3 4
sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
使用repl替換string中每一個(gè)匹配的子串后返回替換后的字符串。
當(dāng)repl是一個(gè)字符串時(shí),可以使用\id或\g<id>、\g<name>引用分組,但不能使用編號(hào)0。
當(dāng)repl是一個(gè)方法時(shí),這個(gè)方法應(yīng)當(dāng)只接受一個(gè)參數(shù)(Match對(duì)象),并返回一個(gè)字符串用于替換(返回的字符串中不能再引用分組)。
count用于指定最多替換次數(shù),不指定時(shí)全部替換。
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!
subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替換次數(shù))。
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對(duì)于正則表達(dá)式的支持。熟練掌握正則表達(dá)式是每一個(gè)程序員必須具備的技能,這年頭沒有不與字符串打交道的程序了。筆者也處于初級(jí)階段,與君共勉,
另外,圖中的特殊構(gòu)造部分沒有舉出例子,用到這些的正則表達(dá)式是具有一定難度的。有興趣可以思考一下,如何匹配不是以abc開頭的單詞,
到此這篇關(guān)于Python正則表達(dá)式總結(jié)分享的文章就介紹到這了,更多相關(guān)Python正則表達(dá)式內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python同時(shí)給兩個(gè)收件人發(fā)送郵件的方法
這篇文章主要介紹了python同時(shí)給兩個(gè)收件人發(fā)送郵件的方法,涉及Python使用smtplib包發(fā)送郵件的相關(guān)技巧,需要的朋友可以參考下2015-04-04python進(jìn)程間通信的項(xiàng)目實(shí)踐
本文主要介紹了python進(jìn)程間通信的項(xiàng)目實(shí)踐,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03Python基于多線程實(shí)現(xiàn)抓取數(shù)據(jù)存入數(shù)據(jù)庫(kù)的方法
這篇文章主要介紹了Python基于多線程實(shí)現(xiàn)抓取數(shù)據(jù)存入數(shù)據(jù)庫(kù)的方法,結(jié)合實(shí)例形式分析了Python使用數(shù)據(jù)庫(kù)類與多線程類進(jìn)行數(shù)據(jù)抓取與寫入數(shù)據(jù)庫(kù)操作的具體使用技巧,需要的朋友可以參考下2018-06-06python tkinter實(shí)現(xiàn)連連看游戲
這篇文章主要介紹了python tkinter實(shí)現(xiàn)連連看游戲的示例,幫助大家更好的理解和使用python,感興趣的朋友可以了解下2020-11-11如何將python中的List轉(zhuǎn)化成dictionary
這篇文章主要介紹在python中如何將list轉(zhuǎn)化成dictionary,通過提出兩個(gè)問題來告訴大家如何解決,有需要的可以參考借鑒。2016-08-08