Python 正则表达式提高

来源:转载

re模块的高级用法

re.search(pattern, string[, flags]) 

​ 若string中包含pattern子串,则返回Match对象,否则返回None,注意,如果string中存在多个pattern子串,只返回第一个。

re.search():方法用来精确匹配并提取第一个符合规律的对象,而对象内容的提取则使用search方法的属性group()来实现;

group(0):则是整个匹配的内容,返回一个实体对象;group(1)则是匹配第一个括号里面的内容,取出括号里匹配的实体对象;

group(2):则是匹配第二个括号里面的内容,取出括号里匹配的实体对象;group(0,1,2)则返回一个实体对象的元组;

​ 需求:匹配出文章阅读的次数

#coding=utf-8import re>>> ret = re.search(r"/d+", "阅读次数为 9999")>>> ret.group()'9999'

search两种情况

有分组:

>>> origin = "hello alex alix bcd dsfa lefg abc 199">>> ret= re.search("a(/w+)",origin)>>> ret<_sre.SRE_Match object; span=(6, 10), match='alex'>>>> ret.group()'alex'>>> ret.groups()('lex',)>>> ret = re.search("(?P<key1>a)(?P<key2>(/w+))",origin)>>> ret.groupdict(){'key1': 'a', 'key2': 'lex'}

无分组:

>>> origin = "hello alex alix bcd dsfa lefg abc 199">>> ret = re.search("ali/w+",origin)>>> ret.group()'alix'>>> ret.groups()()>>> ret.groupdict(){}

findall

re.findall(pattern, string[, flags]) 

返回string中所有与pattern相匹配的全部字串,返回形式为数组。

  • group():母串中与模式pattern匹配的子串;
  • group(0):结果与group()一样;
  • groups():所有group组成的一个元组,group(1)是与patttern中第一个group匹配成功的子串,group(2)是第二个,依次类推,如果index超了边界,抛出IndexError;
  • findall():返回的就是所有groups的数组,就是group组成的元组的数组,母串中的这一撮组成一个元组,那一措组成一个元组,这些元组共同构成一个list,就是findall()的返回结果。另,如果groups是只有一个元素的元组,findall的返回结果是子串的list,而不是元组的list了。

需求:统计出python、c、c++相应文章阅读的次数

#coding=utf-8>>> ret = re.findall(r"/d+", "python = 9999, c = 7890, c++ = 12345")>>> ret['9999', '7890', '12345']>>> re.findall("",'abc')['', '', '', '']# 如果正则能有空的匹配的话,那么匹配字符串最后还会匹配到一个空

1.当给出的正则表达式中带有多个括号时,列表的元素为多个字符串组成的tuple,tuple中字符串个数与括号对数相同,字符串内容与每个括号内的正则表达式相对应,并且排放顺序是按括号出现的顺序。

2.当给出的正则表达式中带有一个括号时,列表的元素为字符串,此字符串的内容与括号中的正则表达式相对应(不是整个正则表达式的匹配内容)。

3.当给出的正则表达式中不带括号时,列表的元素为字符串,此字符串为整个正则表达式匹配的内容。

sub 将匹配到的数据进行替换

re.sub(pattern, repl, string, count=0, flags=0)
  • pattern,表示正则中的模式字符串

  • repl,就是replacement,被替换的字符串;repl可以是字符串,也可以是函数。

    • 当repl是字符串时,其中的任何反斜杠转义字符,都会被处理的。/n:会被处理为对应的换行符;

    /r:会被处理为回车符; 反斜杠加g以及中括号内一个名字,即:/g,对应着命了名的组,named group

    • 当repl是函数时,函数会被匹配的对象调用,并且它的返回值会被插入到文本中,如方法2
  • string,即表示要被处理,要被替换的那个string字符串。

  • count,模式匹配后替换的最大次数;count必须是非负整数。缺省值是0表示替换所有的匹配。

    需求:将匹配到的阅读次数加1

方法1:

#coding=utf-8>>> ret = re.sub(r"/d+", '998', "python = 997")>>> ret'python = 998'

方法2:

#coding=utf-8>>> def add(temp): strNum = temp.group() num = int(strNum) + 1 return str(num)... ... ... ... >>> ret = re.sub(r"/d+", add, "python = 997")>>> ret'python = 998'>>> ret = re.sub(r"/d+", add, "python = 99")>>> ret'python = 100'

split 根据匹配进行切割字符串,并返回一个列表

str.split(str="", num=string.count(str))

通过指定分隔符对字符串进行切片,如果参数num 有指定值,则仅分隔 num 个子字符串

  • str – 分隔符,默认为所有的空字符,包括空格、换行(/n)、制表符(/t)等。
  • num – 分割次数。

需求:切割字符串“info:xiaoZhang 33 shandong”

#coding=utf-8>>> ret = re.split(r":| ","info:xiaoZhang 33 shandong")>>> ret['info', 'xiaoZhang', '33', 'shandong']

python贪婪和非贪婪

Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;

非贪婪则相反,总是尝试匹配尽可能少的字符。

在”*”,”?”,”+”,”{m,n}”后面加上?,使贪婪变成非贪婪。

>>> s="This is a number 234-235-22-423">>> r=re.match(".+(/d+-/d+-/d+-/d+)",s)>>> r.group(1)'4-235-22-423'>>> r=re.match(".+?(/d+-/d+-/d+-/d+)",s)>>> r.group(1)'234-235-22-423'

正则表达式模式中使用到通配字,那它在从左到右的顺序求值时,会尽量“抓取”满足匹配最长字符串,在我们上面的例子里面,“.+”会从字符串的启始处抓取满足模式的最长字符,其中包括我们想得到的第一个整型字段的中的大部分,“/d+”只需一位字符就可以匹配,所以它匹配了数字“4”,而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式:非贪婪操作符“?”,这个操作符可以用在”*”,”+”,”?”的后面,要求正则匹配的越少越好。

>>> re.match(r"aa(/d+)","aa2343ddd").group(1)'2343'>>> re.match(r"aa(/d+?)","aa2343ddd").group(1)'2'>>> re.match(r"aa(/d+)ddd","aa2343ddd").group(1) '2343'>>> re.match(r"aa(/d+?)ddd","aa2343ddd").group(1)'2343'

分享给朋友:
您可能感兴趣的文章:
随机阅读: