re模块

Posted 七天&七天

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re模块相关的知识,希望对你有一定的参考价值。

一、简述

  就其本质而言,正则表达式(或 RE)是一种小型的、高度专业化的编程语言,(在Python中)它内嵌在Python中,并通过 re 模块实现。你可以为想要匹配的相应字符串集指定规则;该字符串集可能包含英文语句、e-mail地址、TeX命令或任何你想搞定的东西。然后你可以问诸如“这个字符串匹配该模式吗?”或“在这个字符串中是否有部分匹配该模式呢?”。你也可以使用 RE 以各种方式来修改或分割字符串。所以今天就来讲讲这个模块:re模块。

二、常用的正在表达式符号

.     默认匹配除\n之外的任意一个字符,若指定flag DOTALL,则匹配任意字符,包括换行
^     匹配字符开头,若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
$     匹配字符结尾,或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
*     匹配*号前的字符0次或多次,re.findall("ab*","cabb3abcbbac")  结果为[abb, ab, a]
+     匹配前一个字符1次或多次,re.findall("ab+","ab+cd+abb+bba") 结果[ab, abb]
?     匹配前一个字符1次或0次
{m}   匹配前一个字符m次
{n,m} 匹配前一个字符n到m次,re.findall("ab{1,3}","abb abc abbcbbb") 结果abb, ab, abb]
|     匹配|左或|右的字符,re.search("abc|ABC","ABCBabcCD").group() 结果ABC
(...) 分组匹配,re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
\‘     转义
 
[a-z]   匹配[a-z]
[A-Z]   匹配[A-Z]
[0-9]   匹配数字0-9
\A    只从字符开头匹配,re.search("\Aabc","alexabc") 是匹配不到的
\Z    匹配字符结尾,同$
\d    匹配数字0-9
\D    匹配非数字
\w    匹配[A-Za-z0-9]
\W    匹配非[A-Za-z0-9]
s     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 \t
(?P<name>...) 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city")
结果:{province: 3714, city: 81, birthday: 1993}

三、常用的匹配方法

1、re.match(pattern, string, flags=0)

说明:在string的开始处匹配模式

>>> import re
>>> a = re.match(in,"inet addr:10.161.146.134")  #从头开始匹配in字符
>>> a.group()
in
 
>>> a = re.match(addr,"inet addr:10.161.146.134")   #开头匹配不到,所以返回none
>>> print(a)
None

2、re.search(pattern, string, flags=0)

说明:在string中寻找模式

>>> import re
>>> a = re.search(addr,"inet addr:10.161.146.134")  #在字符串中寻找
>>> a.group()
addr

3、re.findall(pattern, string, flags=0)

说明:把匹配到的字符以列表的形式返回

>>> import re
>>> re.findall([0-9]{1,3},"inet addri:10.161.146.134")
[10, 161, 146, 134]   #符合条件的以列表的形式返回

4、re.split(pattern, string, maxsplit=0, flags=0)

说明:匹配到的字符被当做列表分割符

>>> import re
>>> re.split(\.,"inet addri:10.161.146.134")
[inet addri:10, 161, 146, 134]

 5、re.sub(pattern, repl, string, count=0, flags=0)

说明:匹配字符并替换

>>> import re
>>> re.sub(\.,-,"inet addri:10.161.146.134")
inet addri:10-161-146-134  #默认全部替换
 
>>> re.sub(\.,-,"inet addri:10.161.146.134",count=2)
inet addri:10-161-146.134  #用count控制替换次数

6、finditer(pattern, string)

说明:返回迭代器

>>> import re
>>> re.finditer(addr,"inet addr:10.161.146.134")
<callable_iterator object at 0x00000000030C4BE0>  #返回一个迭代器

四、常用方法

1、group([group1, ...])

说明: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。

>>> import re
>>> a = re.search(addr,"inet addr:10.161.146.134")
>>> a.group()
addr
>>> a.group(0)
addr

 2、groups(default=None)

说明: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。这个要跟分组匹配结合起来使用‘(...)‘

>>> import re
>>> a = re.search("(\d{2})(\d{2})(\d{2})(\d{4})","320922199508083319") #一个小括号表示一个组,有4个括号,就是4个组
>>> a.groups()
(32, 09, 22, 1995)

3、groupdict(default=None)

说明: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。这个是跟另外一个分组匹配结合起来用的,即:‘(?P<name>...)‘

>>> import re
>>> a = re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242")
#以下两种情况获取的值都是一样的
>>> a.groupdict()
{birthday: 1993, city: 81, province: 3714}
>>> a.groupdict("city")
{birthday: 1993, city: 81, province: 3714}

4、span([group])

说明:返回(start(group), end(group))

>>> import re
>>> a = re.search(addr,"inet addr:10.161.146.134")
>>> a.group()
addr
>>> a.span() #获取‘addr‘在字符串中的开始位置和结束位置
(5, 9)

5、start([group])

说明: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。

>>> import re
>>> a = re.search(addr,"inet addr:10.161.146.134")
>>> a.group()
addr
>>> a.span()
(5, 9)
>>> a.start() #获取字符串的起始索引
5

6、end([group])

说明: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。

>>> import re
>>> a = re.search(addr,"inet addr:10.161.146.134")
>>> a.group()
addr
>>> a.span()
(5, 9)
>>> a.end()  #获取string中的结束索引
9

 7、compile(pattern[, flags])

说明:根据包含正则表达式的字符串创建模式对象

>>> import re
>>> m = re.compile("addr") #创建正则模式对象
>>> n = m.search("inet addr:10.161.146.134")  #通过模式对象去匹配
>>> n.group()
addr

五、反斜杠的困扰

  与大多数编程语言相同,正则表达式里使用"\"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"\",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。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"。有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。 

>>> import re
>>> a = re.split("\\\\","C:\ \zhangqigao\yhd_settings")
>>> a
[C:,  , zhangqigao, yhd_settings]
 
>>> re.findall(\\,abc\com)
Traceback (most recent call last)
  
>>> re.findall(\\\\,abc\com)
[\\]
 
>>> re.findall(r\\,abc\com)
[\\]

六、其他匹配模式

1、re.I(re.IGNORECASE)

说明:忽略大小写(括号内是完整的写法,下同)

>>> import re
>>> a = re.search(addr,"inet Addr:10.161.146.134",flags=re.I)
>>> a.group()
Addr  #忽略大小写

2、re.M(MULTILINE)

说明:多行模式,改变‘^‘和‘$‘的行为,详细请见第2点

>>> import re
>>> a = re.search(^a,"inet\naddr:10.161.146.134",flags=re.M)
>>> a.group()
a

3、re.S(DOTALL)

说明:点任意匹配模式,改变‘.‘的行为

>>> import re
>>> a = re.search(.+,"inet\naddr:10.161.146.134",flags=re.S)
>>> a.group()
inet\naddr:10.161.146.134

注意:上面这三种匹配模式,知道就行。

七、总结

1、用r‘‘的方式表示的字符串叫做raw字符串,用于抑制转义。
2、正则表达式使用反斜杆(\)来转义特殊字符,使其可以匹配字符本身,而不是指定其他特殊的含义。
3、这可能会和python字面意义上的字符串转义相冲突,这也许有些令人费解,比如,要匹配一个反斜杆本身,你也许要用‘\\\\‘来做为正则表达式的字符串,因为正则表达式要是\\,而字符串里,每个反斜杆都要写成\\。
4、你也可以在字符串前加上 r 这个前缀来避免部分疑惑,因为 r 开头的python字符串是 raw 字符串,所以里面的所有字符都不会被转义,比如r‘\n‘这个字符串就是一个反斜杆加上一字母n,而‘\n‘我们知道这是个换行符。因此,上面的‘\\\\‘你也可以写成r‘\\‘,这样,应该就好理解很多了。

 

以上是关于re模块的主要内容,如果未能解决你的问题,请参考以下文章

python 正则表达式 re模块基础

如何使用模块化代码片段中的LeakCanary检测内存泄漏?

Python基础之re模块

如何有条件地将 C 代码片段编译到我的 Perl 模块?

python re模块findall()详解

Node.js JavaScript 片段中的跳过代码