Python之re模块 - 正则表达式操作

Posted

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之re模块 - 正则表达式操作相关的知识,希望对你有一定的参考价值。

一、前言

    字符串是编程时涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在。而正则表达式就是一种用来描述字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。

    学习本章知识,你需要有了解正则表达式基础, 网上快速入门教程一抓一大把,这里就不再叙述了。


二、re 模块

    Python 的 re 模块提供了与 Perl 相似的正则表达式匹配操作, Unicode 字符串也同样适用。

    正则表达式使用反斜杠" \ "来代表特殊形式或用作转义字符,不幸的是 Python 也是使用反斜杠"\"来转义。这里跟Python的语法冲突,因此,Python用" \\\\ "表示正则表达式中真正意义的" \ ",因为正则表达式中如果要匹配" \ ",需要用\来转义,变成" \\ ",而Python语法中又需要对字符串中每一个\进行转义,所以就变成了" \\\\ "。

    上面的写法是不是觉得很麻烦,而且难以理解,为了使正则表达式具有更好的可读性,Python特别设计了原始字符串(raw string),需要提醒你的是,在写文件路径的时候就不要使用raw string了,这里存在陷阱。raw string就是用‘r‘作为字符串的前缀,如 r"\n":表示两个字符"\"和"n",而不是代表转义序列(换行符)了。Python中写正则表达式时推荐使用这种形式。

    正则表达式也是用 \ 来转义元字符, 而 Python的字符串本身也用 转义, 因此我们强烈建议,对于要使用正则表达式的字符串,全部使用 r 前缀。

s = ‘ABC\\-001‘ # Python的字符串
# 对应的正则表达式字符串变成:
# ‘ABC\-001‘

因此我们强烈建议使用Python的r前缀,就不用考虑转义的问题了:
s = r‘ABC\-001‘ # Python的字符串
# 对应的正则表达式字符串不变:
# ‘ABC\-001‘

re.match (仅能从字符串开头匹配)

re.match(pattern, string, flags)

re.match(r‘regex‘, string)

match()方法判断是否匹配,如果匹配成功,返回一个Match对象,否则返回None

>>> import re
>>> re.match(r‘^\d{3}\-\d{3,8}‘, ‘010-12345‘)
<_sre.SRE_Match object at 0x7fb49aaf7648>
>>> m = re.match(r‘^\d{3}\-\d{3,8}‘, ‘010-12345‘)
>>> if m:
...     print ‘match‘
... else:
...     print ‘No match‘
... 
match

re.search  (匹配)

re.search(pattern, string, flags)

match()方法判断是否匹配,如果匹配成功,返回一个Match对象,否则返回None


re.match与re.search的区别:

re.match只有当且仅当从字符串的开头进行匹配,如果字符串开头不匹配正则表达式,则匹配失败,函数返回None;而re.search从字符串任意位置进行,直到找到一个匹配。


re.split    (切分)

re.split(r‘regex‘, string)

# 用正则表达式切分字符串比用固定的字符更加灵活
>>> ‘a b    c‘.split(‘ ‘)
[‘a‘, ‘b‘, ‘‘, ‘‘, ‘‘, ‘c‘]

# 看到了么,无法识别连续的空格,用正则表达式试试:
>>> re.split(r‘\s+‘, ‘a b   c‘)
[‘a‘, ‘b‘, ‘c‘]

# 很完美, 加入 “,” 试试
>>> re.split(r‘[\s,]+‘, ‘a,b,,c   d‘)
[‘a‘, ‘b‘, ‘c‘, ‘d‘]


re.group   (分组)

re.group(index)

用 () 表示的就是要提取的分组(Group)。

>>> m = re.match(r‘^(\d{3})-(\d{3,8})$‘, ‘010-12345‘)
>>> m
<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
‘010-12345‘
>>> m.group(1)
‘010‘
>>> m.group(2)
‘12345‘

如果正则表达式中定义了组,就可以在Match对象上用group()方法提取出子串来。

注意到group(0)永远是原始字符串,group(1)group(2)……表示提取第1个括号的子串、提取第2个、……个子串。


re.sub    (替换)

re.sub(r‘regex‘, repl, string, count)

其中第二个参数是替换后的字符串;

第四个参数指替换第几次匹配的项。默认为0,表示每个匹配项都替换。


re.compile    (编译)

当我们在Python中使用正则表达式时,re模块内部会干两件事情:

  1. 编译正则表达式,如果正则表达式的字符串本身不合法,会报错;

  2. 用编译后的正则表达式去匹配字符串。

如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:

>>> import re
# 编译:>>> re_telephone = re.compile(r‘^(\d{3})-(\d{3,8})$‘)
# 使用:>>> re_telephone.match(‘010-12345‘).groups()
(‘010‘, ‘12345‘)
>>> re_telephone.match(‘010-8086‘).groups()
(‘010‘, ‘8086‘)

编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。


最后:如果能用字符串的方法,就不要选择正则表达式,因为字符串方法更简单快速。


本文出自 “Share your knowledge” 博客,请务必保留此出处http://skypegnu1.blog.51cto.com/8991766/1791680

以上是关于Python之re模块 - 正则表达式操作的主要内容,如果未能解决你的问题,请参考以下文章

Python之re模块实现正则表达式

Python之re模块实现正则表达式

Python之re模块 - 正则表达式操作

python之re模块

python模块之re正则表达式

学不会的python之正则表达式详解(re模块)