Python入门篇之正则表达式
正则表达式有两种基本的操作，分别是匹配和替换。
匹配就是在一个文本字符串中搜索匹配一特殊表达式；
替换就是在一个字符串中查找并替换匹配一特殊表达式的字符串。
1.基本元素
正则表达式定义了一系列的特殊字符元素以执行匹配动作。
正则表达式基本字符
| 字符 | 描述 |
|---|---|
| text | 匹配text字符串 |
| . | 匹配除换行符之外的任意一个单个字符 |
| ^ | 匹配一个字符串的开头 |
| $ | 匹配一个字符串的末尾 |
在正则表达式中，我们还可用匹配限定符来约束匹配的次数。
匹配限定符
| 最大匹配 | 最小匹配 | 描述 |
|---|---|---|
| * | * | 重复匹配前表达式零次或多次 |
| + | + | 重复匹配前表达式一次或多次 |
| 重复匹配前表达式零次或一次 | ||
| {m} | {m} | 精确重复匹配前表达式m次 |
| {m,} | {m,} | 至少重复匹配前表达式m次 |
| {m,n} | {m,n} | 至少重复匹配前表达式m次，至多重复匹配前表达式n次 |
据上所述，".*"为最大匹配，能匹配源字符串所有能匹配的字符串。".* "为最小匹配，只匹配第一次出现的字符串。如：d.*g能匹配任意以d开头，以g结尾的字符串，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，则只匹配到"dog "。
在一些更复杂的匹配中，我们可用到组和运算符。
组和运算符
| 组 | 描述 |
|---|---|
| [...] | 匹配集合内的字符，如[a-z],[1-9]或[,./;'] |
| [^...] | 匹配除集合外的所有字符，相当于取反操作 |
| A|B | 匹配表达式A或B，相当于OR操作 |
| (...) | 表达式分组，每对括号为一组，如([a-b]+)([A-Z]+)([1-9]+) |
| \number | 匹配在number表达式组内的文本 |
有一组特殊的字符序列，用来匹配具体的字符类型或字符环境。如\b匹配字符边界，food\b匹配"food"、"zoofood"，而和"foodies"不匹配。
特殊字符序列
| 字符 | 描述 |
|---|---|
| \A | 只匹配字符串的开始 |
| \b | 匹配一个单词边界 |
| \B | 匹配一个单词的非边界 |
| \d | 匹配任意十进制数字字符，等价于r'[0-9]' |
| \D | 匹配任意非十进制数字字符，等价于r'[^0-9]' |
| \s | 匹配任意空格字符（空格符、tab制表符、换行符、回车、换页符、垂直线符号） |
| \S | 匹配任意非空格字符 |
| \w | 匹配任意字母数字字符 |
| \W | 匹配任意非字母数字字符 |
| \Z | 仅匹配字符串的尾部 |
| \\ | 匹配反斜线字符 |
有一套声明(assertion)对具体事件进行声明。
正则表达式声明
| 声明 | 描述 |
|---|---|
| ( iLmsux) | 匹配空字符串，iLmsux字符对应下表的正则表达式修饰符。 |
| ( :...) | 匹配圆括号内定义的表达式，但不填充字符组表。 |
| ( P<name>) | 匹配圆括号内定义的表达式，但匹配的表达式还可用作name标识的符号组。 |
| ( P=name) | 匹配所有与前面命名的字符组相匹配的文本。 |
| ( #...) | 引入注释，忽略圆括号内的内容。 |
| ( =...) | 如果所提供的文本与下一个正则表达式元素匹配，这之间没有多余的文本就匹配。这允许在一个表达式中进行超前操作，而不影响正则表达式其余部分的分析。如"Martin"其后紧跟"Brown"，则"Martin( =Brown)"就只与"Martin"匹配。 |
| ( !...) | 仅当指定表达式与下一个正则表达式元素不匹配时匹配，是( =...)的反操作。 |
| ( <=...) | 如果字符串当前位置的前缀字符串是给定文本，就匹配，整个表达式就在当前位置终止。如( <=abc)def表达式与"abcdef"匹配。这种匹配是对前缀字符数量的精确匹配。 |
| ( <!...) | 如果字符串当前位置的前缀字符串不是给定的正文，就匹配，是( <=...)的反操作。 |
正则表达式还支持一些处理标志，它会影响正则式的执行方法。
处理标志
| 标志 | 描述 |
|---|---|
| I或IGNORECASE | 忽略表达式的大小写来匹配文本。 |
2.操作
通过re模块，我们就可在python中利用正则式对字符串进行搜索、抽取和替换操作。如：re.search()函数能执行一个基本的搜索操作，它能返回一个MatchObject对象。re.findall()函数能返回匹配列表。
>>> 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对象方法
| 方法 | 描述 |
|---|---|
| expand(template) | 展开模板中用反斜线定义的内容。 |
| m.group([group,...]) | 返回匹配的文本，是个元组。此文本是与给定group或由其索引数字定义的组匹配的文本，如果没有组定组名，则返回所有匹配项。 |
| m.groups([default]) | 返回一个元组，该元组包含模式中与所有组匹配的文本。如果给出default参数，default参数值就是与给定表达式不匹配的组的返回值。default参数的默认取值为None。 |
| m.groupdict([default]) | 返回一个字典，该字典包含匹配的所有子组。如果给出default参数，其值就是那些不匹配组的返回值。default参数的默认取值为None。 |
| m.start([group]) | 返回指定group的开始位置，或返回全部匹配的开始位置。 |
| m.end([group]) | 返回指定group的结束位置，或返回全部匹配的结束位置。 |
| m.span([group]) | 返回两元素组，此元组等价于关于一给定组或一个完整匹配表达式的(m.start(group),m.end(group)))列表 |
| m.pos | 传递给match()或search()函数的pos值。 |
| m.endpos | 传递给match()或search()函数的endpos值。 |
| m.lastindex | |
| m.lastgroup | |
| m.re | 创建这个MatchObject对象的正则式对象 |
| m.string | 提供给match()或search()函数的字符串。 |
使用sub()或subn()函数可在字符串上执行替换操作。sub()函数的基本格式如下：
sub(pattern,replace,string[,count])
示例
>>> str = 'The dog on my bed'
>>> rep = re.sub('dog','cat',str)
>>> print rep
The cat on my bed
replace参数可接受函数。要获得替换的次数，可使用subn()函数。subn()函数返回一个元组，此元组包含替换了的文本和替换的次数。
如果需用同一个正则式进行多次匹配操作，我们可把正则式编译成内部语言，提高处理速度。编译正则式用compile()函数来实现。compile()函数的基本格式如下：
compile(str[,flags])
str表示需编译的正则式串，flags是修饰标志符。正则式被编译后生成一个对象，该对象有多种方法和属性。
正则式对象方法/属性
| 方法/属性 | 描述 |
|---|---|
| r.search(string[,pos[,endpos]]) | 同search()函数，但此函数允许指定搜索的起点和终点 |
| r.match(string[,pos[,endpos]]) | 同match()函数，但此函数允许指定搜索的起点和终点 |
| r.split(string[,max]) | 同split()函数 |
| r.findall(string) | 同findall()函数 |
| r.sub(replace,string[,count]) | 同sub()函数 |
| r.subn(replace,string[,count]) | 同subn()函数 |
| r.flags | 创建对象时定义的标志 |
| r.groupindex | 将r'( Pid)'定义的符号组名字映射为组序号的字典 |
| r.pattern | 在创建对象时使用的模式 |
转义字符串用re.escape()函数。
通过getattr获取对象引用
>>> li=['a','b']
>>> getattr(li,'append')
>>> getattr(li,'append')('c') #相当于li.append('c')
>>> li
['a', 'b', 'c']
>>> handler=getattr(li,'append',None)
>>> handler
<built-in method append of list object at 0xb7d4a52c>
>>> handler('cc') #相当于li.append('cc')
>>> li
['a','b','c','cc']
>>>result = handler('bb')
>>>li
['a','b','c','cc','bb']
>>>print result
None
相关推荐
-
在Python中实现贪婪排名算法的教程
在较早的一遍文章中,我曾经提到过我已经写了一个属于自己的排序算法,并且认为需要通过一些代码来重新回顾一下这个排序算法. 对于我所完成的工作,我核实并且保证微处理器的安全.对非常复杂的CPU进行测试的一个方法就是创建该芯片的另一个模型,其可以用来产生在CPU上运行的伪随机指令流.这所谓的ISG(指令流产生器)能够在很短的时间内创建几千(甚至几百万)个这样的测试,通过某种方式,使其可以巧妙地给出一些对将在CPU上执行的指令流的控制或操纵. 现在对这些指令流进行模拟,可以通过每一个测试实例花费的时间获
-
Python 中文正则表达式笔记
从字符串的角度来说,中文不如英文整齐.规范,这是不可避免的现实.本文结合网上资料以及个人经验,以 python 语言为例,稍作总结.欢迎补充或挑错. 一点经验 可以使用 repr()函数查看字串的原始格式.这对于写正则表达式有所帮助. Python 的 re模块有两个相似的函数:re.match(), re.search .两个函数的匹配过程完全一致,只是起点不同.match只从字串的开始位置进行匹配,如果失败,它就此放弃:而search则会锲而不舍地完全遍历整个字串中所有可能的位置,直到成功地
-
python中如何使用正则表达式的非贪婪模式示例
前言 本文主要给大家介绍了关于python使用正则表达式的非贪婪模式的相关内容,分享出来供大家参考学习,下面话不多说了,来一起详细的介绍吧. 在正则表达式里,什么是正则表达式的贪婪与非贪婪匹配 如:String str="abcaxc"; Patter p="ab*c"; 贪婪匹配:正则表达式一般趋向于最大长度匹配,也就是所谓的贪婪匹配.如上面使用模式p匹配字符串str,结果就是匹配到:abcaxc(ab*c). 非贪婪匹配:就是匹配到结果就好,就少的匹配字符.如上
-
python正则表达式re模块详细介绍
本模块提供了和Perl里的正则表达式类似的功能,不关是正则表达式本身还是被搜索的字符串,都可以是Unicode字符,这点不用担心,python会处理地和Ascii字符一样漂亮. 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.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\\. 你也可以在字符串前加上
-
PYTHON正则表达式 re模块使用说明
首先,运行 Python 解释器,导入 re 模块并编译一个 RE: #!python Python 2.2.2 (#1, Feb 10 2003, 12:57:01) >>> import re >>> p = re.compile('[a-z]+') >>> p <_sre.SRE_Pattern object at 80c3c28> 现在,你可以试着用 RE 的 [a-z]+ 去匹配不同的字符串.一个空字符串将根本不能匹配,因为 +
-
python的正则表达式re模块的常用方法
1.re的简介 使用python的re模块,尽管不能满足所有复杂的匹配情况,但足够在绝大多数情况下能够有效地实现对复杂字符串的分析并提取出相关信息.python 会将正则表达式转化为字节码,利用 C 语言的匹配引擎进行深度优先的匹配. 复制代码 代码如下: import re print re.__doc__ 可以查询re模块的功能信息,下面会结合几个例子说明. 2.re的正则表达式语法 正则表达式语法表如下: 语法 意义 说明 "." 任意字符 "^" 字符串开始
-
Python正则表达式教程之三：贪婪/非贪婪特性
之前已经简单介绍了Python正则表达式的基础与捕获,那么在这一篇文章里,我将总结一下正则表达式的贪婪/非贪婪特性. 贪婪 默认情况下,正则表达式将进行贪婪匹配.所谓"贪婪",其实就是在多种长度的匹配字符串中,选择较长的那一个.例如,如下正则表达式本意是选出人物所说的话,但是却由于"贪婪"特性,出现了匹配不当: >>> sentence = """You said "why?" and I say
-
Python正则表达式非贪婪、多行匹配功能示例
本文实例讲述了Python正则表达式非贪婪.多行匹配功能.分享给大家供大家参考,具体如下: 一些regular的tips: 1 非贪婪flag >>> re.findall(r"a(\d+?)","a23b") # 非贪婪模式 ['2'] >>> re.findall(r"a(\d+)","a23b") ['23'] 注意比较这种情况: >>> re.findall(r&q
-
零基础写python爬虫之神器正则表达式
接下来准备用糗百做一个爬虫的小例子. 但是在这之前,先详细的整理一下Python中的正则表达式的相关内容. 正则表达式在Python爬虫中的作用就像是老师点名时用的花名册一样,是必不可少的神兵利器. 一. 正则表达式基础 1.1.概念介绍 正则表达式是用于处理字符串的强大工具,它并不是Python的一部分. 其他编程语言中也有正则表达式的概念,区别只在于不同的编程语言实现支持的语法数量不同. 它拥有自己独特的语法以及一个独立的处理引擎,在提供了正则表达式的语言里,正则表达式的语法都是一样的. 下
-
Python 匹配任意字符（包括换行符）的正则表达式写法
想使用正则表达式来获取一段文本中的任意字符,写出如下匹配规则: (.*) 结果运行之后才发现,无法获得换行之后的文本.于是查了一下手册,才发现正则表达式中,"."(点符号)匹配的是除了换行符"\n"以外的所有字符. 以下为正确的正则表达式匹配规则: ([\s\S]*) 同时,也可以用 "([\d\D]*)"."([\w\W]*)" 来表示. Web技术之家_www.waweb.cn 在文本文件里, 这个表达式可以匹配所有的英文