Python正则表达式
2015-11-14 10:56
736 查看
正则表达式的大致匹配过程是:依次拿出表达式和文本中的字符比较,如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。
贪婪模式和非贪婪模式。
主要是*和?的区别。前者匹配尽可能多,后者匹配尽可能少
常用方法
(1) 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。随后通过re.match(str)或者re.search(str)
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'$'。
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;
若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None。
pos和endpos的默认值分别为0和len(string));re.search()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。
findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜索string,以列表形式返回全部能匹配的子串。
finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。
finditer函数和findall函数的区别是,findall返回所有匹配的字符串,并存为一个列表,而finditer则并不直接返回这些字符串,而是返回一个迭代器。
关于迭代器,解释起来有点复杂,还是看看例子把:
简单的说吧,就是finditer返回了一个可调用的对象,使用 for i in finditer()的形式,可以一个一个的得到匹配返回的 Match对象。对每次返回的对象进行比较复杂的操作时比较有用。
sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
使用repl替换string中每一个匹配的子串后返回替换后的字符串。
当repl是一个字符串时,可以使用\id或\g<id>、\g<name>引用分组,但不能使用编号0。
当repl是一个方法时,这个方法应当只接受一个参数(Match对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。
count用于指定最多替换次数,不指定时全部替换。
subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。
re.compile(Pattern[, flag])
这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为Pattern对象。
第二个参数flag是匹配模式,取值可以使用按位或运算符'|'表示同时生效,比如re.I | re.M。
可选值有:
re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
M(MULTILINE): 多行模式,改变'^'和'$'的行为
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:
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:
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。
贪婪模式和非贪婪模式。
主要是*和?的区别。前者匹配尽可能多,后者匹配尽可能少
>>> import re >>> a = "abbbb" >>> pattern = re.compile('ab*') >>> match = pattern.match(a) >>> print match.group() abbbb >>> pattern = re.compile('ab?') >>> match = pattern.match(a) >>> print match.group() ab >>> pattern = re.compile('ab*?') >>> match = pattern.match(a) >>> print match.group() a
常用方法
(1) 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。随后通过re.match(str)或者re.search(str)
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'$'。
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。
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。
>>> p = re.compile(r'\d+') >>> print p.split('one1two2three3four4') ['one', 'two', 'three', 'four', '']
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。
>>> print p.findall("'one1two2three3four4'") ['1', '2', '3', '4']
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。
>>> for m in p.finditer('one1two2three3four4'): print m.group(), 1 2 3 4
finditer函数和findall函数的区别是,findall返回所有匹配的字符串,并存为一个列表,而finditer则并不直接返回这些字符串,而是返回一个迭代器。
关于迭代器,解释起来有点复杂,还是看看例子把:
>>> for m in p.finditer('one1two2three3four4'): print m.group(),m.span() #打印每次得到的字符和起始结束位置 1 (3, 4) 2 (7, 8) 3 (13, 14) 4 (18, 19)
简单的说吧,就是finditer返回了一个可调用的对象,使用 for i in finditer()的形式,可以一个一个的得到匹配返回的 Match对象。对每次返回的对象进行比较复杂的操作时比较有用。
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。
subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。
>>> p = re.compile(r'(\w+) (\w+)')<span style="white-space:pre"> #匹配每个单词 >>> s = 'i say, hello world!' >>> print p.subn(r'\2 \1', s)<span style="white-space:pre"> #\number表示引用number分组分配到的字符串 ('say i, world hello!', 2) >>> def func(m): return m.group(1).title() + ' ' + m.group(2).title() >>> print p.subn(func, s) ('I Say, Hello World!', 2)
re.compile(Pattern[, 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。
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
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:
a = re.compile(r"""\d + # the integral part \. # the decimal point \d * # some fractional digits""", re.X) b = re.compile(r"\d+\.\d*")
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:
m = re.match(r'hello', 'hello world!') print m.group()
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。
>>> m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!') >>> print m.string hello world! >>> print m.re <_sre.SRE_Pattern object at 0x0000000002E7EE00> >>> print m.pos #正则表达式开始搜索的索引 0 >>> print m.endpos #正则表达式结束搜索的索引 12 >>> print m.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。 3 >>> print m.group(1,2) #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。默认编号0代表整个匹配的子串;没有截获返回None ('hello', 'world') >>> print m.groups() #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)。没有截获字符串的组以括号内值替代,默认None。</span> ('hello', 'world', '!') >>> print m.groupdict() #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。 {'sign': '!'} >>> print m.start(2) #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。 6 >>> print m.end(2) #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。</span> 11 >>> print m.span(2) #返回(start(group), end(group))。 (6, 11) >>> print m.expand(r'\2 \1\3') #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。 world hello! >>>
相关文章推荐
- Python之旅(二)
- Python编写微信打飞机小游戏(七)
- 第三篇 python进阶 二
- PYTHON之路DAY3
- Python 基础内容 三
- Python字典分别按键值排序
- struct打包模块加强版!支持任意长度字符串解包
- python 中的unicode详解
- python实现mysql的单引号字符串过滤方法
- shutil.move的目标文件夹不存在
- Python脚本:清理桌面
- Python核心编程读笔 8: 文件和输入输出
- Python核心编程读笔 7: 条件和循环
- Python学习笔记004_字典_集合
- python笔记-lambda函数、sorted函数、map函数
- 输入密码或用户名判断是否正确
- Python 学习中遇到的各种问题
- 扑克程序 Python
- Python编写微信打飞机小游戏(六)
- Python excel 画图