当前位置:首页 >> 脚本专栏

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。
 
复制代码 代码如下:
> 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

 复制代码 代码如下:
> 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
 
复制代码 代码如下:
> 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