python之基础篇(十一)——正则表达式RE模块

来源:转载


防伪码:忘情公子著

正则表达式(RE)是一种小型的、高度专业化的编程语言,在python中,它通过re模块实现。

正则表达式可以实现以下功能:

为想要匹配的相应字符串集指定规则;

能够匹配不定长的字符集;

可以指定正则表达式的一部分的重复次数;

可以使用RE以各种方式来修改或分割字符串

正则表达式模式被编译成一系列的字节码,然后由C编写的匹配引擎执行。

字符匹配:

普通字符:

大多数字母和字符一般都会和自身匹配。

如正则表达式test会和字符串"test"完全匹配

元字符:

[]:

常用来指定一个字符集:[abc]或[a-z]

元字符在字符集中不起作用:[akm$]

补集匹配不在区间范围内的字符:[^a-z]

^:

匹配行首。除非设置MULTILINE标志,它只是匹配字符串的开始

在MULTILINE模式里,它也可以直接匹配字符串中的每个换行

$:

匹配行尾,行尾被定义为要么是字符串尾,要么是一个换行字符后面的任何位置

/:

反斜杠后面可以加不同的字符以表示不同特殊意义

也可以用于取消所有的元字符:/[或//

/d:匹配任何十进制数:它相当于[0-9]

/D:匹配任何非数字字符:它相当于[^0-9]

/s:匹配任何空白字符:它相当于[/t/n/r/f/v]

/S:匹配任何非空白字符:它相当于[^/t/n/r/f/v]

/w:匹配任何字母数字字符:它相当于[a-zA-Z0-9_]

/W:匹配任何非字母数字字符:它相当于[^a-zA-Z0-9_]

*:

指定前一个字符可以被匹配零次或更多次,而不是只有一次。

匹配引擎会试着重复尽可能多的次数(不超过整数界定范围,20亿)

+:

表示匹配至少一次或多次

?:

匹配一次或零次:你可以认为它用于标识某事物是可选的

加在重复(+和*)的后面,可以启用懒惰模式,实现最小匹配

{m,n}:

其中m和n是十进制整数。该限定符的意思是至少有m个重复、至多到n个重复

忽略m会认为下边界是0,而忽略n的结果将是上边界为无穷大(实际上是20亿)

{0,}等同于*,{1}等同于+,而{0,1}则与?相同。若可以的话,最好使用*、+或?

():分组

分组可以把一些数据划分为一个整体

当用findall作匹配时如果有分组则只返回分组中的数据

email = r'/w+@/w+/.(com|cn|com/.cn)'

使用正则表达式:

re模块提供了一个正则表达式引擎的接口re.compile()函数,可将REstring编译成对象并用它们来进行匹配。

编译后的正则要比没编译而直接解释的正则处理速度要快很多。

编译正则表达式:

In[1]:importre

In[2]:phone_number=re.compile('^/d{3,4}-?/d{8}$')

In[3]:printphone_number
<_sre.SRE_Patternobjectat0x7f672ed46300>

In[4]:phone_number.findall('010-12345678')
Out[4]:['010-12345678']

In[5]:phone_number.findall('010-123456789')
Out[5]:[]

In[6]:phone_number.findall('0120-12345678')
Out[6]:['0120-12345678']

re.compile()也接受可选的标志参数,常用来实现不同的特殊功能和语法变更。

p = re.compile(r'ab*',re.IGNORECASE)

编译标志-flags:后面的单个字母可以代替前面的单词,如re.S可以代替re.DOTALL

DOTALL,S:使"."点号匹配包括换行在内的所有字符。

IGNORECASE,I:使匹配对大小写不敏感

LOCALE,L:使本地化识别()匹配.法语等

MULTILINE,M:多行匹配,影响^和$。适用于要匹配的文本分布在多行的情况下。

VERBOSE,X:能够使用REs的verbose状态,使之被组织得更清晰易懂。适用于正则表达式分布在多行的情况下。

反斜杠(/)的麻烦:

字符串前加'r'反斜杠就不会被任何特殊方式处理

/section:要匹配的字符串

//section:为re.compile取消反斜杠的特殊意义

"////section":为"//section"的字符串实值(string literals)取消反斜杠的特殊意义

执行匹配常用的函数:

'RegexObject'实例有一些方法和属性,完整的列表可查阅Python Library Reference

match():决定RE是否在字符串刚开始的位置匹配

search():扫描字符串,找到这个RE匹配的位置,无论在字符串的什么位置均能找到

findall():找到RE匹配的所有子串,并把它们作为一个列表返回

finditer():找到RE匹配的所有子串,并把它们作为一个迭代器返回

注意:若未匹配到则match()和search()将返回None。若匹配成功则返回一个'MatchObject'实例对象

MatchObject实例方法:

group():返回被RE匹配的字符串

start():返回匹配开始的位置

end():返回匹配结束的位置

span():返回一个元组包含匹配(开始,结束)的位置

实际程序中,最常见的方法是将'MatchObject'保存在一个变量里,然后检查它是否为None。

#!/usr/bin/python
p=re.compile(...)
m=p.match('stringgoeshere')
ifm:
print'Matchfound:',m.group()
else:
print'Nomatch'

模块级函数:

re模块也提供了顶级函数调用,如match()、search()、sub()、subn()、split()、findall()等

re.sub(pattern, repl, string):

给定一个正则表达式pattern,将其作用于string字符串,并将匹配的内容修改成repl

如:re.sub(r'w...d','python','hello world'),此句会实现将hello world修改成hello python

re.split(pattern, string):

给定一个正则表达式pattern,将其作用于string实现分割

如:re.split(r'[/+/-/*]','123+456-789*000'),以+-*为分割符分割后面的字符串


分享给朋友:
您可能感兴趣的文章:
随机阅读: