python的正则表达式

Posted luffyitach

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python的正则表达式相关的知识,希望对你有一定的参考价值。

1.1. 正则表达式的简单介绍

正则表达式并不是python特有的,它在其他编程语言中也有运用到,它不属于任何编程语言,它是独立开来的一种用于处理字符串的强大工具,拥有自己独特的语法。

下面这个图是正则表达式的详细规则

1.2. 正则中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里当用+?*去匹配的时候默认是贪婪的,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,在+?*后面加个?.例如:正则表达式"xy*"如果用于查找"xyyyz",将找到"xyyyy"。而如果使用非贪婪的数量词"xy*?",将找到"x",像"xy+?",将找到"xy",像"xy??",将找到"x"。

1.3. 反斜杠

正则表达式也使用"\\"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python表示的正则表达式里将需要4个反斜杠"\\\\\\\\":前面两个是转义符,后面两个是原义反斜杠,这种格式是python内部的格式要求。而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"。

2. re模块

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

 

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 a = re.compile(r"""\\d +  # the integral part
2                    \\.    # the decimal point
3                    \\d *  # some fractional digits""", re.X)
4 b = re.compile(r"\\d+\\.\\d*")
View Code

 

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

 

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。

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:

  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。如果没有被捕获的分组,将为None。
  6. lastgroup: 最后一个被捕获的分组的别名。如果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, …]):
    获得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可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。
  2. groups([default]):
    以元组形式返回全部分组截获的字符串。相当于调用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中然后返回。template中可以使用\\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,如果你想表达\\1之后是字符\'0\',只能使用\\g<1>0。
 1 import re
 2 m = re.match(r\'(\\w+) (\\w+)(?P<sign>.*)\', \'hello world!\')
 3 
 4 print "m.string:", m.string
 5 print "m.re:", m.re
 6 print "m.pos:", m.pos
 7 print "m.endpos:", m.endpos
 8 print "m.lastindex:", m.lastindex
 9 print "m.lastgroup:", m.lastgroup
10 
11 print "m.group(1,2):", m.group(1, 2)
12 print "m.groups():", m.groups()
13 print "m.groupdict():", m.groupdict()
14 print "m.start(2):", m.start(2)
15 print "m.end(2):", m.end(2)
16 print "m.span(2):", m.span(2)
17 print r"m.expand(r\'\\2 \\1\\3\'):", m.expand(r\'\\2 \\1\\3\')
18 
19 ### output ###
20 # m.string: hello world!
21 # m.re: <_sre.SRE_Pattern object at 0x016E1A38>
22 # m.pos: 0
23 # m.endpos: 12
24 # m.lastindex: 3
25 # m.lastgroup: sign
26 # m.group(1,2): (\'hello\', \'world\')
27 # m.groups(): (\'hello\', \'world\', \'!\')
28 # m.groupdict(): {\'sign\': \'!\'}
29 # m.start(2): 6
30 # m.end(2): 11
31 # m.span(2): (6, 11)
32 # m.expand(r\'\\2 \\1\\3\'): world hello!
View Code

 

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. 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 import re
 2 p = re.compile(r\'(\\w+) (\\w+)(?P<sign>.*)\', re.DOTALL)
 3 
 4 print "p.pattern:", p.pattern
 5 print "p.flags:", p.flags
 6 print "p.groups:", p.groups
 7 print "p.groupindex:", p.groupindex
 8 
 9 ### output ###
10 # p.pattern: (\\w+) (\\w+)(?P<sign>.*)
11 # p.flags: 16
12 # p.groups: 3
13 # p.groupindex: {\'sign\': 3}
View Code

 

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 # encoding: UTF-8 
     2 import re 
     3 
     4 # 将正则表达式编译成Pattern对象 
     5 pattern = re.compile(r\'world\') 
     6 
     7 # 使用search()查找匹配的子串,不存在能匹配的子串时将返回None 
     8 # 这个例子中使用match()无法成功匹配 
     9 match = pattern.search(\'hello world!\') 
    10 
    11 if match: 
    12     # 使用Match获得分组信息 
    13     print match.group() 
    14 
    15 ### 输出 ### 
    16 # world 
    View Code

     

  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 import re
    2 
    3 p = re.compile(r\'\\d+\')
    4 print p.split(\'one1two2three3four4\')
    5 
    6 ### output ###
    7 # [\'one\', \'two\', \'three\', \'four\', \'\']
    View Code

     

  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 import re
    2 
    3 p = re.compile(r\'\\d+\')
    4 print p.findall(\'one1two2three3four4\')
    5 
    6 ### output ###
    7 # [\'1\', \'2\', \'3\', \'4\']
    View Code

     

  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 import re
    2 
    3 p = re.compile(r\'\\d+\')
    4 for m in p.finditer(\'one1two2three3four4\'):
    5     print m.group(),
    6 
    7 ### output ###
    8 # 1 2 3 4
    View Code

     

  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 import re
     2 
     3 p = re.compile(r\'(\\w+) (\\w+)\')
     4 s = \'i say, hello world!\'
     5 
     6 print p.sub(r\'\\2 \\1\', s)
     7 
     8 def func(m):
     9     return m.group(1).title() + \' \' + m.group(2).title()
    10 
    11 print p.sub(func, s)
    12 
    13 ### output ###
    14 # say i, world hello!
    15 # I Say, Hello World!
    View Code

     

  7. subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
    返回 (sub(repl, string[, count]), 替换次数)。
     1 import re
     2 
     3 p = re.compile(r\'(\\w+) (\\w+)\')
     4 s = \'i say, hello world!\'
     5 
     6 print p.subn(r\'\\2 \\1\', s)
     7 
     8 def func(m):
     9     return m.group(1).title() + \' \' + m.group(2).title()
    10 
    11 print p.subn(func, s)
    12 
    13 ### output ###
    14 # (\'say i, world hello!\', 2)
    15 # (\'I Say, Hello World!\', 2)
    View Code

     

以上是关于python的正则表达式的主要内容,如果未能解决你的问题,请参考以下文章

python的re正则表达式模块学习

python re模块 正则表达式

python正则表达式与re模块

正则表达式与Python中re模块的使用

python正则表达式模块re简介

Python基础(13)_python模块之re模块(正则表达式)