当前位置:首页 >> 脚本专栏

理解python正则表达式

在python中,对正则表达式的支持是通过re模块来支持的。使用re的步骤是先把表达式字符串编译成pattern实例,然后在使用pattern去匹配文本获取结果。

其实也有另外一种方式,就是直接使用re模块的方法,但是这样就不能使用编译后的pattern实例了。

实例:

#!/usr/bin/python
# -*- coding: utf-8 -*-

import re

pat = re.compile(r'hello')

match = pat.match('hello world!')

if match:
  print match.group()

match1 = re.match(r'hello','hello world!')

if match1:
  print match1.group()

  print match1.pos

返回的结果相同,都是 hello

关于Pattern 对象:

它是由re.complie函数来构造的,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。

Pattern提供了几个可读属性用于获取表达式的相关信息:

  • pattern: 编译时用的表达式字符串。
  • flags: 编译时用的匹配模式。数字形式。
  • groups: 表达式中分组的数量。
  • groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。

关于 re.compile方法

re.compile(strPattern[, 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。另外,你也可以在regex字符串中指定模式,比如re.compile('pattern', re.I | re.M)与re.compile('("color: #333333">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(参见上图)
  • 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
  • 1).关于 match方法:

    Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。

    属性:

    • string: 匹配时使用的文本。
    • re: 匹配时使用的Pattern对象。
    • pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
    • endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
    • 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。
    • lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。

    方法:

    1、group([group1, …]):
    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。
    2、groups([default]):
    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。
    3、groupdict([default]):
    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。
    4、start([group]):
    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。
    5、end([group]):
    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。
    6、span([group]):
    返回(start(group), end(group))。
    7、expand(template):
    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。
    请看例子:

    #!/usr/bin/python
    # -*- coding: utf-8 -*-
    
    import re
    
    m = re.match(r'(\w+)\s(\w+)','aaa bbb ccc')
    
    print m.string
    
    print m.re
    
    print m.pos
    
    print m.endpos
    
    print m.lastindex
    
    print m.lastgroup
    
    print m.group()
    
    print m.start()
    
    print m.end()
    
    print m.span()
    
    print m.expand(r'\2 \1')
    
    

    结果为:

    aaa bbb ccc
    <_sre.SRE_Pattern object at 0x10dbfda08>
    0
    11
    2
    None
    aaa bbb
    0
    7
    (0, 7)
    bbb aaa

    2).关于search方法:

      查找可以匹配的子串,和match 不同的是他不是从开始处开始匹配的。如果没有匹配上,则返回None

    上面的例子中,将match 换成search返回的结果一样

    请看:

    #!/usr/bin/python
    # -*- coding: utf-8 -*-
    
    import re
    
    pat = re.compile(r'hello')
    
    match = pat.match('shello world!')
    
    if match:
      print match.group()
    else:
      print 'not match!'
    
    match1 = re.search(r'hello','shello world!')
    
    if match1:
      print match1.group()
    
    

    结果为:

    not match!
    hello

    这2个函数,没有其他区别,就是一个是从开始匹配的,另外一个不是开始的

    3.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。

    4.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。

    5.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。

    6.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。

    7.subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
    返回 (sub(repl, string[, count]), 替换次数)。

    例子为:

    #!/usr/bin/python
    # -*- coding: utf-8 -*-
    
    import re
    
    p =re.compile(r'\d+')
    
    print p.split('aa1bb2cc3dd4ee5ff6')
    
    print p.findall('aa1bb2cc3dd4ee5ff6')
    
    for m in p.finditer('aa1bb2cc3dd4ee5ff6'):
      print m.group(),
    
    print '\nsub test'
    p1 =re.compile(r'(\w+)\s+(\w+)')
    
    s = 'i am ok'
    
    print p1.sub(r'\2 \1',s)
    print p1.subn(r'\2 \1',s)
    

    结果:

    ['aa', 'bb', 'cc', 'dd', 'ee', 'ff', '']
    ['1', '2', '3', '4', '5', '6']
    1 2 3 4 5 6
    sub test
    am i ok
    ('am i ok', 1)

    以上就是本文的全部内容,希望对大家的学习有所帮助。