欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

在Python中使用正則表達式的方法

 更新時間：2015年08月13日 08:57:27   作者：木頭lbj  
這篇文章主要介紹了在Python中使用正則表達式的方法,講到了專門對正則表達式提供支持的擴展庫re,需要的朋友可以參考下

正則表達式(regular expression)是一種用形式化語法描述的文本匹配模式。在需要處理大量文本處理的應(yīng)用中有廣泛的使用，我沒使用的編輯器，IDE中的搜索常用正則表達式作為搜索模式。玩過*nix系統(tǒng)的都知道如sed，grep,awk這類的命令，他們是非常強大的文本處理工具。幾乎所有的語言都有對正則表達式的支持，有的直接在語法中支持，有的使用擴展庫的形式。python使用的就是擴展庫re。

    re.search(pattern,string,flag=0)

    搜索文本中的匹配的模式是最常用的.以模式和文本作為輸入，如果有匹配則返回一個Match對象，反之返回None。
    每個Match對象包括相關(guān)的匹配信息:原字符串、正則表達式和匹配的文本在字符串中的位置。
import re 
pattern = "this" 
text = "Does this text match the pattern?" 
match = re.search(pattern, text) # 返回一個Match對象 
print match.re.pattern # 要匹配的正則表達式"this"
print match.string   # 匹配的文本"Does this match the pattern?" 
print match.start()   # 匹配的開始位置 5
print match.end()    # 匹配的結(jié)束位置 9

    re.compile(pattern,flag=0)
    如果程序中頻繁的使用到同一個正則表達式，每次使用的時候都寫一遍正則表達式不僅不高效而且會大大增加出錯的幾率,re提供了compile函數(shù)將一個表達式字符串編譯為一個RegexObject。
    模塊級函數(shù)會維護已編譯表達式的一個緩存，而這個緩存是的大小是有限制的。直接使用已經(jīng)編譯的表達式可以避免緩存查找的開銷，并且在加載模塊時就會預(yù)編譯所有的表達式。

import re 
regex = re.compile("this") 
text = "Does this text match the pattern?" 
match = regex.search(text) 
if match: 
  print "match" 
  match.group(0)  #返回匹配的字符串  
else:
  print "not match"

    re.findall(pattern, string, flag=0)
    使用search會返回匹配的單個實例，使用findall會返回所有匹配的不重疊的子串。

import re 
pattern = 'ab' 
text = 'abbaaabbbbaaaaaa' 
re.findall(pattern, text)  # 返回['ab', 'ab']

    re.finditer(pattern, string, flag=0)
    finditer會返回一個迭代器，會生成Match實例，不像findall()返回字符串.

import re 
pattern = 'ab' 
text = 'abbaaabbbbaaaaaa' 
match = re.finditer(pattern, text)  
for m in match:
  print m.start() 
  print m.end()

以上的例子會分別輸出兩次匹配結(jié)果的起始位置和結(jié)束位置。

正則匹配默認采用的是貪婪算法，也就是說會re在匹配的時候會利用盡可能多的輸入，而使用？可以關(guān)閉這種貪心行為，只匹配最少的輸入。這之前先說下量詞。

量詞是為了簡化正則表達式的讀寫而定義的，通用的形式是{m,n},這表示匹配的個數(shù)至少是m，最多是n，在','之后不能有空格，否則會出錯，并且均為閉區(qū)間。

  •     {n} 之前的元素必須出現(xiàn)n次
  •     {m,n} 之前元素最少出現(xiàn)m次，最多n次
  •     {m,} 之前的元素最少出現(xiàn)m次，無上限
  •     {0,n} 之前的元素可以不出現(xiàn)，也可以出現(xiàn)，出現(xiàn)的話最多出現(xiàn)n次

除了之上，還有三個常用的量詞*,?和+

  •     * 等價于{0,}
  •     + 等價于{1,}
  •     \? 等價于{0,1}

還有^和$，分別表示段或者字符串的開始與結(jié)束。

import re 
re.search("^travell?er$", "traveler")  # True 
re.search("^travell?er$", "traveller")  # True  
re.search("^ab\*", "abbbbbbb")      # True,返回"abbbbbbb" 
re.search("^ab\*?", "abbbbbbb")     # True,返回"a" 
re.search("^ab+", "abbbbbbb")      # True,返回"abbbbbbb" 
re.search("^ab+?", "abbbbbbb")      # True,返回"ab"

對于一些預(yù)定義的字符集可以使用轉(zhuǎn)義碼可以更加緊湊的表示，re可以識別的轉(zhuǎn)義碼有3對，6個，分別為三個字母的大小寫，他們的意義是相反的。

  •     \d : 一個數(shù)字
  •     \D : 一個非數(shù)字
  •     \w : 字母或者數(shù)字
  •     \W : 非字母，非數(shù)字
  •     \s : 空白符（制表符，空格，換行符等）
  •     \S : 非空白符

如果想指定匹配的內(nèi)容在文本的相對位置，可以使用錨定，跟轉(zhuǎn)義碼類似。

  •     ^ 字符或行的開始
  •     $ 字符或行的結(jié)束
  •     \A 字符串的開始
  •     \Z 字符串結(jié)束
  •     \b 一個單詞開頭或者末尾的空串
  •     \B 不在一個單詞開頭或末尾的空串
import re
the_str = "This is some text -- with punctuation" 
re.search(r'^\w+', the_str).group(0)    # This
re.search(r'\A\w+', the_str).group(0)   # This 
re.search(r'\w+\S*$', the_str).group(0)  # punctuation 
re.search(r'\w+\S*\Z', the_str).group(0)  # punctuation 
re.search(r'\w*t\W*', the_str).group(0)  # text -- 
re.search(r'\bt\w+', the_str).group(0)   # text 
re.search(r'\Bt*\B', the_str).group(0)   # 沒有匹配

用組來解析匹配，簡單的說就是在一個正則表達式中有幾個小括號()將匹配的表達式分成不同的組，使用group()函數(shù)來獲取某個組的匹配，其中0為整個正則表達式所匹配的內(nèi)容，后面從1開始從左往右依次獲取每個組的匹配，即每個小括號中的匹配。使用groups()可以獲取所有的匹配內(nèi)容。

import re 
the_str = "--aabb123bbaa" 
pattern = r'(\W+)([a-z]+)(\d+)(\D+)' 
match = re.search(pattern, the_str)  
match.groups()  # ('--', 'aabb', '123', 'bbaa') 
match.group(0)  # '--aabb123bbaa' 
match.group(1)  # '--' 
match.group(2)  # 'aabb' 
match.group(3)  # '123' 
match.group(4)  # 'bbaa'

python對分組的語法做了擴展，我們可以對每個分組進行命名，這樣便可以使用名稱來調(diào)用。語法:(?P<name>pattern),使用groupdict()可以返回一個包含了組名的字典。

import re 
the_str = "--aabb123bbaa" 
pattern = r'(?P<not_al_and_num>\W+)(?P<al>[a-z]+)(?P<num>\d+)(?P<not_num>\D+)' 
match = re.search(pattern, the_str)  
match.groups()  # ('--', 'aabb', '123', 'bbaa') 
match.groupdict() # {'not_al_and_num': '--', 'not_num': 'bbaa', 'num': '123', 'al': 'aabb'} 
match.group(0)          # '--aabb123bbaa' 
match.group(1)          # '--' 
match.group(2)          # 'aabb' 
match.group(3)          # '123' 
match.group(4)          # 'bbaa'  
match.group('not_al_and_num')  # '--'
match.group('al')         # 'aabb' 
match.group('num')        # '123' '
match.group('not_num')      # 'bbaa'

以上的group()方法在使用的時候需要注意，只有在有匹配的時候才會正常運行，否則會拋錯，所以在不能保證有匹配而又要輸出匹配結(jié)果的時候，必須做校驗。

在re中可以設(shè)置不通的標(biāo)志，也就是search()和compile()等中都包含的缺省變量flag。使用標(biāo)志可以進行完成一些特殊的要求，如忽略大小寫，多行搜索等。

import re 
the_str = "this Text" 
re.findall(r'\bt\w+', the_str)  # ['this'] 
re.findall(r'\bt\w+', the_str, re.IGNORECASE) # ['this', 'Text']

 

相關(guān)文章

最新評論