Python入門篇之正則表達式

更新時間：2014年10月20日 10:16:00 投稿：hebedich

正則表達式是一個很有用的工具，可處理復(fù)雜的字符匹配和替換工作。在Python中內(nèi)置了一個re模塊以支持正則表達式。本文我們就來詳細(xì)探討下Python中正則表達式。

正則表達式有兩種基本的操作，分別是匹配和替換。

匹配就是在一個文本字符串中搜索匹配一特殊表達式；

替換就是在一個字符串中查找并替換匹配一特殊表達式的字符串。

1.基本元素

正則表達式定義了一系列的特殊字符元素以執(zhí)行匹配動作。

正則表達式基本字符

字符	描述
text	匹配text字符串
.	匹配除換行符之外的任意一個單個字符
^	匹配一個字符串的開頭
$	匹配一個字符串的末尾

在正則表達式中，我們還可用匹配限定符來約束匹配的次數(shù)。

匹配限定符

最大匹配	最小匹配	描述
*	*	重復(fù)匹配前表達式零次或多次
+	+	重復(fù)匹配前表達式一次或多次
		重復(fù)匹配前表達式零次或一次
{m}	{m}	精確重復(fù)匹配前表達式m次
{m,}	{m,}	至少重復(fù)匹配前表達式m次
{m,n}	{m,n}	至少重復(fù)匹配前表達式m次，至多重復(fù)匹配前表達式n次

據(jù)上所述，".*"為最大匹配，能匹配源字符串所有能匹配的字符串。".* "為最小匹配，只匹配第一次出現(xiàn)的字符串。如：d.*g能匹配任意以d開頭，以g結(jié)尾的字符串，如"debug"和"debugging"，甚至"dog is walking"。而d.* g只能匹配"debug"，在"dog is walking"字符串中，則只匹配到"dog "。

在一些更復(fù)雜的匹配中，我們可用到組和運算符。

組和運算符

組	描述
[...]	匹配集合內(nèi)的字符，如[a-z],[1-9]或[,./;']
[^...]	匹配除集合外的所有字符，相當(dāng)于取反操作
A\|B	匹配表達式A或B，相當(dāng)于OR操作
(...)	表達式分組，每對括號為一組，如([a-b]+)([A-Z]+)([1-9]+)
\number	匹配在number表達式組內(nèi)的文本

有一組特殊的字符序列，用來匹配具體的字符類型或字符環(huán)境。如\b匹配字符邊界，food\b匹配"food"、"zoofood"，而和"foodies"不匹配。

特殊字符序列

字符	描述
\A	只匹配字符串的開始
\b	匹配一個單詞邊界
\B	匹配一個單詞的非邊界
\d	匹配任意十進制數(shù)字字符，等價于r'[0-9]'
\D	匹配任意非十進制數(shù)字字符，等價于r'[^0-9]'
\s	匹配任意空格字符（空格符、tab制表符、換行符、回車、換頁符、垂直線符號）
\S	匹配任意非空格字符
\w	匹配任意字母數(shù)字字符
\W	匹配任意非字母數(shù)字字符
\Z	僅匹配字符串的尾部
\\	匹配反斜線字符

有一套聲明(assertion)對具體事件進行聲明。

正則表達式聲明

聲明	描述
( iLmsux)	匹配空字符串，iLmsux字符對應(yīng)下表的正則表達式修飾符。
( :...)	匹配圓括號內(nèi)定義的表達式，但不填充字符組表。
( P<name>)	匹配圓括號內(nèi)定義的表達式，但匹配的表達式還可用作name標(biāo)識的符號組。
( P=name)	匹配所有與前面命名的字符組相匹配的文本。
( #...)	引入注釋，忽略圓括號內(nèi)的內(nèi)容。
( =...)	如果所提供的文本與下一個正則表達式元素匹配，這之間沒有多余的文本就匹配。這允許在一個表達式中進行超前操作，而不影響正則表達式其余部分的分析。如"Martin"其后緊跟"Brown"，則"Martin( =Brown)"就只與"Martin"匹配。
( !...)	僅當(dāng)指定表達式與下一個正則表達式元素不匹配時匹配，是( =...)的反操作。
( <=...)	如果字符串當(dāng)前位置的前綴字符串是給定文本，就匹配，整個表達式就在當(dāng)前位置終止。如( <=abc)def表達式與"abcdef"匹配。這種匹配是對前綴字符數(shù)量的精確匹配。
( <!...)	如果字符串當(dāng)前位置的前綴字符串不是給定的正文，就匹配，是( <=...)的反操作。

正則表達式還支持一些處理標(biāo)志，它會影響正則式的執(zhí)行方法。

處理標(biāo)志

標(biāo)志	描述
I或IGNORECASE	忽略表達式的大小寫來匹配文本。

2.操作

通過re模塊，我們就可在python中利用正則式對字符串進行搜索、抽取和替換操作。如：re.search()函數(shù)能執(zhí)行一個基本的搜索操作，它能返回一個MatchObject對象。re.findall()函數(shù)能返回匹配列表。

復(fù)制代碼代碼如下:

>>> import re

>>> a="this is my re module test"

>>> obj = re.search(r'.*is',a)

>>> print obj

<_sre.SRE_Match object at 0xb7d7a218>

>>> obj.group()

'this is'

>>> re.findall(r'.*is',a)

['this is']

MatchObject對象方法

方法	描述
expand(template)	展開模板中用反斜線定義的內(nèi)容。
m.group([group,...])	返回匹配的文本，是個元組。此文本是與給定group或由其索引數(shù)字定義的組匹配的文本，如果沒有組定組名，則返回所有匹配項。
m.groups([default])	返回一個元組，該元組包含模式中與所有組匹配的文本。如果給出default參數(shù)，default參數(shù)值就是與給定表達式不匹配的組的返回值。default參數(shù)的默認(rèn)取值為None。
m.groupdict([default])	返回一個字典，該字典包含匹配的所有子組。如果給出default參數(shù)，其值就是那些不匹配組的返回值。default參數(shù)的默認(rèn)取值為None。
m.start([group])	返回指定group的開始位置，或返回全部匹配的開始位置。
m.end([group])	返回指定group的結(jié)束位置，或返回全部匹配的結(jié)束位置。
m.span([group])	返回兩元素組，此元組等價于關(guān)于一給定組或一個完整匹配表達式的(m.start(group),m.end(group)))列表
m.pos	傳遞給match()或search()函數(shù)的pos值。
m.endpos	傳遞給match()或search()函數(shù)的endpos值。
m.lastindex
m.lastgroup
m.re	創(chuàng)建這個MatchObject對象的正則式對象
m.string	提供給match()或search()函數(shù)的字符串。

使用sub()或subn()函數(shù)可在字符串上執(zhí)行替換操作。sub()函數(shù)的基本格式如下：
sub(pattern,replace,string[,count])

示例

復(fù)制代碼代碼如下:

>>> str = 'The dog on my bed'

>>> rep = re.sub('dog','cat',str)

>>> print rep

The cat on my bed

replace參數(shù)可接受函數(shù)。要獲得替換的次數(shù)，可使用subn()函數(shù)。subn()函數(shù)返回一個元組，此元組包含替換了的文本和替換的次數(shù)。

如果需用同一個正則式進行多次匹配操作，我們可把正則式編譯成內(nèi)部語言，提高處理速度。編譯正則式用compile()函數(shù)來實現(xiàn)。compile()函數(shù)的基本格式如下：
compile(str[,flags])

str表示需編譯的正則式串，flags是修飾標(biāo)志符。正則式被編譯后生成一個對象，該對象有多種方法和屬性。

正則式對象方法/屬性

方法/屬性	描述
r.search(string[,pos[,endpos]])	同search()函數(shù)，但此函數(shù)允許指定搜索的起點和終點
r.match(string[,pos[,endpos]])	同match()函數(shù)，但此函數(shù)允許指定搜索的起點和終點
r.split(string[,max])	同split()函數(shù)
r.findall(string)	同findall()函數(shù)
r.sub(replace,string[,count])	同sub()函數(shù)
r.subn(replace,string[,count])	同subn()函數(shù)
r.flags	創(chuàng)建對象時定義的標(biāo)志
r.groupindex	將r'( Pid)'定義的符號組名字映射為組序號的字典
r.pattern	在創(chuàng)建對象時使用的模式

轉(zhuǎn)義字符串用re.escape()函數(shù)。

通過getattr獲取對象引用

復(fù)制代碼代碼如下:

>>> li=['a','b']

>>> getattr(li,'append')

>>> getattr(li,'append')('c')          #相當(dāng)于li.append('c')

>>> li

['a', 'b', 'c']

>>> handler=getattr(li,'append',None)

>>> handler

<built-in method append of list object at 0xb7d4a52c>

>>> handler('cc')                      #相當(dāng)于li.append('cc')

>>> li

['a','b','c','cc']

>>>result = handler('bb')

>>>li

['a','b','c','cc','bb']

>>>print result

None