Python正则表达式简介

注：本文基于Python2.4，如果看到不懂的词，请记住百度、谷歌或维基百科，随便。1.正则表达式基础1.1。简介正则表达式不是Python的一部分。正则表达式是处理字符串的强大工具。它有自己独特的语法和独立的处理引擎。它可能不如str自己的方法高效，但它非常强大。得益于此，在提供正则表达式的语言中，正则表达式的语法都是一样的，唯一的区别就是不同编程语言支持的语法数量不同。但别担心。不支持的语法通常是不常见的部分。如果您已经在其他语言中使用了正则表达式，您只需要简单地看一下就可以开始了。下图显示了使用正则表达式的匹配过程：。

正则表达式的近似匹配过程如下：依次将表达式与文本中的字符进行比较，如果每个字符都能匹配，则匹配成功；一旦出现不成功的字符，匹配就会失败。如果表达中有量词或界限，这个过程会略有不同，但也很容易理解。请看下图中的例子，并多次使用。下图列出了Python支持的正则表达式元字符和语法：。

1.2.量词的贪婪模式和非贪婪模式正则表达式通常用于查找文本中的匹配字符串。在Python中，量词默认是贪婪的(或者在少数语言中默认是非贪婪的)，并且总是试图匹配尽可能多的字符。相反，那些不贪婪的人总是试图匹配尽可能少的字符。例如，如果使用正则表达式“ab*”来查找“abbbc”，将会找到“abbb”。如果使用非贪婪量词“ab*？”。会找到‘一个’。1.3.反斜杠的麻烦和大多数编程语言一样，正则表达式中使用“\”作为转义字符，可能会造成反斜杠的麻烦。如果需要匹配文本中的字符“\”，那么在用编程语言表示的正则表达式中将需要四个反斜杠“\ \ \”:前两个和后两个用于在编程语言中转义成反斜杠，然后在转换成两个反斜杠后在正则表达式中转义成反斜杠。Python中的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以用r'\\ '来表示。类似地，与数字匹配的“\\d”可以写成“r”\ d”。有了原生字符串，就不用再担心缺少反斜杠了，书写的表达式也更加直观。1.4.Pattern matching正则表达式提供了一些可用的匹配模式，如忽略大小写、多行匹配等，这些将在Pattern类的factory方法re.compile(pattern[，flags])中一起介绍。2.关于模块2.1。开始使用re Python，通过re模块提供正则表达式支持。使用re的一般步骤是将正则表达式的字符串形式编译成Pattern实例，然后使用Pattern实例处理文本并获得matching结果(一个Match实例)，最后使用Match实例获取信息并执行其他操作。复制代码如下： #编码： UTF-8导入Re #将正则表达式编译成pattern对象：pattern=re.compile(r'hello') #使用Pattern匹配文本并获得匹配结果。如果无法匹配，它将返回无匹配=模式。Match ('hello world！').)如果Match: #使用Match获取分组信息print match . group()# # # output # # # hellore.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成Pattern对象。第二个参数标志是匹配模式，它的值可以用按位or运算符“|”表示，如re。我| re。m此外，还可以在正则表达式字符串中指定模式，比如re.compile('pattern '，re。我| re。m)并重新编译('(？im)pattern’)是等效的。可选值为：re。我(re。IGNORECASE):忽略大小写(括号内完整书写，下同)M(MULTILINE):多行模式，更改“”和“$”的行为(见上图)S(DOTALL):任意匹配模式，并更改l’的行为。W \W \b \B \s \S取决于当前区域设置U(UNICODE):因此预定的字符类\ w \ w \ b \ s \ s \ d \ d取决于由UNICODE定义的字符属性x (verbose) 3360的详细模式。在这种模式下，正则表达式可以是多行的，空白字符可以忽略，并且可以添加注释。以下两个正则表达式是等价的：复制代码如下： a=re.compile(r ' ' \ d #整数部分\。#小数点\ d * #某些小数位数''，re.x) b=re.compile (r' \ d \。这些方法可以被模式实例的相应方法替换。唯一的优点是节省了一行re.compile()代码，但是编译后的Pattern对象不能同时重用。这些方法将在Pattern类的实例方法部分一起介绍。上面的例子可以缩写为：复制代码如下：m=re.match (r' hello '，' hello world！)print m.group() re模块还提供了一个方法escape(string)，用于转换正则表达式元字符，如*//？返回前添加转义字符，这在需要大量匹配元字符时非常有用。2.2.Matchmatch对象是匹配的结果，它包含了很多关于这个匹配的信息，这些信息可以通过使用match提供的可读属性或方法来获取。

属性：string:匹配时使用的文本。Re:匹配时使用的模式对象。Pos:文本中正则表达式开始搜索的索引。与值Pattern.match()和Pattern.seach()方法同名的参数相同。Endpos:文本中结束搜索的正则表达式的索引。与值Pattern.match()和Pattern.seach()方法同名的参数相同。Lastindex:文本中最后捕获的数据包的索引。如果没有捕获到数据包，则为无。Lastgroup:上次捕获的数据包的别名。如果此数据包没有别名或没有捕获的数据包，它将为无。方法：group([group1，…]):获取一个或多个被组截获的字符串；当指定多个参数时，它们将作为元组返回。Group1可以使用数字或别名；0表示整个匹配的子字符串；未填写参数时，返回组(0)；没有截获字符串的组返回无；多次截取的组返回最后截取的子串。group([default]):以元组的形式返回所有组截取的字符串。相当于主叫组(1，2，…最后)。Default表示未截取字符串的组被该值替换，默认值为None。Groupdict([default]):返回字典，其中别名组的别名作为关键字，该组截取的子字符串作为值。不包括没有别名的组。Default和上面的意思一样。Start([group]):返回字符串中指定组截取的子字符串的开始索引(子字符串第一个字符的索引)。组默认值为0。End([group]):返回字符串中指定组截取的子字符串的结束索引(子字符串最后一个字符的索引1)。组默认值为0。Span([group]):返回(开始(group)，结束(group))。Expand(template):将匹配的数据包替换到模板中并返回。您可以在模板中使用\id或\gid或\gname引用分组，但不能使用数字0。\id相当于\ gid但是，10将被视为第10组。如果要在\1后表示字符“0”，只能使用\g10。复制代码如下：导入re m=re.match (r' (\ w) (\ w)(？Psign。*)’，‘你好世界！’)print 'm.string: '，m.string print 'm.re: '，m . re print ' m . poss : '，m . pos print ' m . end poss : '，m.endpos print 'm.lastindex: '，m . last index print ' m . last group : '，m.group(1，2)print ' m . group():# m.re: _sre。0x016 E1 a 38 # m . poss : 0 # m . end poss : 12 # m . last index : 3 # m . last group :符号# m.group(1，2): ('hello '，' world') # m.groups(): ('hello '，' world '，'！)# m . group dict(): { ' sign ' : '！} # m . start(2): 6 # m . end(2): 11 # m . span(2):(6，11)# m . expand(r ' \ 2 \ 1 \ 3 '): world hello！2.3.Patternpattern对象是一个编译好的正则表达式，文本可以通过pattern提供的一系列方法进行匹配和搜索。模式不能直接实例化，必须使用re.compile()构造。Pattern为获取表达式信息提供了几个可读的属性：pattern:用于编译的表达式字符串。标志：编译的匹配模式。数字形式。Groups:表达式中的组数。Groupindex:字典，其关键字是表达式中带有别名的组的别名，其值是对应于该组的数字。不包括没有别名的组。

复制代码如下：导入re p=re.compile (r' (\ w) (\ w)(？Psign。*)’，re。DOTALL)打印“p.pattern n :”，p . pattern打印“p.flags:”，p.flags打印“p.groups s 3360”，p . group打印“p.groupindex:”，p . group index # # # output # # # # p . pattern n :(\ w)(\ w)(？Psign。*)# p . flags : 16 # p . group : 3 # p . group index : { ' sign ' : 3 }示例方法[| re module方法]: 1。匹配(字符串[，位置[，结束位置]]) | re。匹配(模式)。字符串[，标志]):此方法将尝试匹配模式；从字符串的下标位置；如果模式在最后仍然可以匹配，则返回一个匹配对象。如果模式在匹配过程中无法匹配，或者匹配在结束前已经到达终点，则返回无。pos和endpos的默认值分别为0和len(字符串)；Re.match()不能指定这两个参数，参数标志用于在编译模式时指定匹配模式。注意：此方法不完全匹配。在模式结束时，如果字符串中还有字符，仍然会被视为成功。为了精确匹配，可以在表达式的末尾添加一个边界匹配器“$”。示例见第2.1小节。2.Search (string [，pos [，end pos]]) | re.search (pattern，string [，flags]) :此方法用于在可以成功匹配的字符串中查找子字符串。尝试从字符串的位置下标匹配模式，如果模式在末尾仍然可以匹配，则返回匹配对象；如果无法匹配，则在pos中添加1，然后再次尝试匹配；如果在pos=endpos之前没有匹配，则返回None。而pos和endpos的默认值是0和len(string))；分别)；Re.search()不能指定这两个参数，参数标志用于在编译模式时指定匹配的模式。复制代码的代码如下： #编码： utf-8导入re #将正则表达式编译成Pattern对象Pattern=re.compile(r ' world)' #使用search()查找匹配的子串，如果没有匹配的子串则返回none #本例中，match=Pattern . search(' hello world！)无法通过使用match()成功匹配。)如果Match: #使用Match获取分组信息print match . group()# # # output # # # world 3，split (string [，maxsplit]) | re.split (pattern，string [，maxsplit]) :根据可以匹配的子字符串对字符串进行划分，并将其返回到列表中。Maxsplit用于指定拆分的最大数量，并不指定所有拆分。复制代码如下：导入re p=re.compile (r' \ d ')打印p.split('一1二2三3四4') # #输出# # # #['一'，'二'，'三'，'四'，[] 4。查找全部(字符串[，位置[，结束位置]]) | re。全部查找(模式、字符串[、标志]) :搜索字符串并返回列表中所有可以匹配的子字符串。复制代码如下：导入re p=re.compile (r' \ d ')打印p.findall('一1二2三3四4') # #输出# # # ['1 '，' 2 '，' 3 '，' 4'] 5。Finder(。位置[，结束位置]]) | re。整理器(模式，字符串[，标志]) :搜索字符串并返回一个迭代器，该迭代器按顺序访问每个匹配结果(匹配对象)。复制代码如下： import re p=re.compile(r ' \ d ')for m in p . findier('一1二2三四4') : print m.group()，# # # output # # # # 1 2 3 4 6，sub(repl，String [，count]) | re。sub (pattern，repl，string [，count]) :使用repl替换字符串中每个匹配的子字符串，然后返回替换后的字符串。当repl是字符串时，可以使用\id或\gid或\gname来表示分组，但不能使用数字0。当repl是一个方法时，这个方法应该只接受一个参数(Match对象)并返回一个字符串进行替换(返回的字符串不能再引用分组)。计数用于指定最大替换次数。如果未指定，则进行所有替换。复制代码如下： import re p=re.compile(r '(\ w)(\ w ')s='我说，你好世界！打印p.sub(r'\2 \1 '，s)def func(m): return m . group(1)。title() ' ' m.group(2)。title() print p.sub(func，s) ### output ###说我，世界你好！#我说，你好世界！7.Subn (repl，string [，count]) | re.sub (pattern，repl，string [，count]) :返回(sub(repl，string[，count])，替换次数)。

复制代码如下： import re p=re.compile(r '(\ w)(\ w ')s='我说，你好世界！'。打印p.subn(r'\2 \1 '，s) def func(m):返回m.group(1)。title() ' ' m.group(2)。title() print p.subn(func，s) ### output ###(“说我，世界你好！”，2) #('我说，你好世界！'2)以上是Python对正则表达式的支持。掌握正则表达式是每个程序员都必须具备的技能。现在没有不处理字符串的程序。作者也在初级阶段，与大家分享。_ _另外，图中没有特殊结构的例子，所以很难使用这些正则表达式。如果你感兴趣，你可以考虑如何匹配不以abc开头的单词。_结束全文。