国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

Python 正則表達式 re 模塊簡明筆記

lastSeries / 3480人閱讀

摘要:假設現在想把字符串你好,,世界中的中文提取出來,可以這么做你好,,世界注意到,我們在正則表達式前面加上了兩個前綴,其中表示使用原始字符串,表示是字符串。本文標題為正則表達式模塊簡明筆記本文鏈接為參考資料正則表達式

簡介

正則表達式(regular expression)是可以匹配文本片段的模式。最簡單的正則表達式就是普通字符串,可以匹配其自身。比如,正則表達式 "hello" 可以匹配字符串 "hello"。

要注意的是,正則表達式并不是一個程序,而是用于處理字符串的一種模式,如果你想用它來處理字符串,就必須使用支持正則表達式的工具,比如 Linux 中的 awk, sed, grep,或者編程語言 Perl, Python, Java 等等。

正則表達式有多種不同的風格,下表列出了適用于 Python 或 Perl 等編程語言的部分元字符以及說明:

re 模塊

在 Python 中,我們可以使用內置的 re 模塊來使用正則表達式。

有一點需要特別注意的是,正則表達式使用 ` 對特殊字符進行轉義,比如,為了匹配字符串 "python.org",我們需要使用正則表達式 "python.org",而 Python 的字符串本身也用 ` 轉義,所以上面的正則表達式在 Python 中應該寫成 "python.org",這會很容易陷入 `` 的困擾中,因此,我們建議使用 Python 的原始字符串,只需加一個 r 前綴,上面的正則表達式可以寫成:

r"python.org"

re 模塊提供了不少有用的函數,用以匹配字符串,比如:

compile 函數

match 函數

search 函數

findall 函數

finditer 函數

split 函數

sub 函數

subn 函數

re 模塊的一般使用步驟如下:

使用 compile 函數將正則表達式的字符串形式編譯為一個 Pattern 對象

通過 Pattern 對象提供的一系列方法對文本進行匹配查找,獲得匹配結果(一個 Match 對象)

最后使用 Match 對象提供的屬性和方法獲得信息,根據需要進行其他的操作

compile 函數

compile 函數用于編譯正則表達式,生成一個 Pattern 對象,它的一般使用形式如下:

re.compile(pattern[, flag])

其中,pattern 是一個字符串形式的正則表達式,flag 是一個可選參數,表示匹配模式,比如忽略大小寫,多行模式等。

下面,讓我們看看例子。

import re

# 將正則表達式編譯成 Pattern 對象 
pattern = re.compile(r"d+")

在上面,我們已將一個正則表達式編譯成 Pattern 對象,接下來,我們就可以利用 pattern 的一系列方法對文本進行匹配查找了。Pattern 對象的一些常用方法主要有:

match 方法

search 方法

findall 方法

finditer 方法

split 方法

sub 方法

subn 方法

match 方法

match 方法用于查找字符串的頭部(也可以指定起始位置),它是一次匹配,只要找到了一個匹配的結果就返回,而不是查找所有匹配的結果。它的一般使用形式如下:

match(string[, pos[, endpos]])

其中,string 是待匹配的字符串,pos 和 endpos 是可選參數,指定字符串的起始和終點位置,默認值分別是 0 和 len (字符串長度)。因此,當你不指定 pos 和 endpos 時,match 方法默認匹配字符串的頭部。

當匹配成功時,返回一個 Match 對象,如果沒有匹配上,則返回 None。

看看例子。

>>> import re
>>> pattern = re.compile(r"d+")                    # 用于匹配至少一個數字
>>> m = pattern.match("one12twothree34four")        # 查找頭部,沒有匹配
>>> print m
None
>>> m = pattern.match("one12twothree34four", 2, 10) # 從"e"的位置開始匹配,沒有匹配
>>> print m
None
>>> m = pattern.match("one12twothree34four", 3, 10) # 從"1"的位置開始匹配,正好匹配
>>> print m                                         # 返回一個 Match 對象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0)   # 可省略 0
"12"
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0
5
>>> m.span(0)    # 可省略 0
(3, 5)

在上面,當匹配成功時返回一個 Match 對象,其中:

group([group1, …]) 方法用于獲得一個或多個分組匹配的字符串,當要獲得整個匹配的子串時,可直接使用 group()group(0)

start([group]) 方法用于獲取分組匹配的子串在整個字符串中的起始位置(子串第一個字符的索引),參數默認值為 0;

end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結束位置(子串最后一個字符的索引+1),參數默認值為 0;

span([group]) 方法返回 (start(group), end(group))。

再看看一個例子:

>>> import re
>>> pattern = re.compile(r"([a-z]+) ([a-z]+)", re.I)   # re.I 表示忽略大小寫
>>> m = pattern.match("Hello World Wide Web")
>>> print m                               # 匹配成功,返回一個 Match 對象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0)                            # 返回匹配成功的整個子串
"Hello World"
>>> m.span(0)                             # 返回匹配成功的整個子串的索引
(0, 11)
>>> m.group(1)                            # 返回第一個分組匹配成功的子串
"Hello"
>>> m.span(1)                             # 返回第一個分組匹配成功的子串的索引
(0, 5)
>>> m.group(2)                            # 返回第二個分組匹配成功的子串
"World"
>>> m.span(2)                             # 返回第二個分組匹配成功的子串
(6, 11)
>>> m.groups()                            # 等價于 (m.group(1), m.group(2), ...)
("Hello", "World")
>>> m.group(3)                            # 不存在第三個分組
Traceback (most recent call last):
  File "", line 1, in 
IndexError: no such group
search 方法

search 方法用于查找字符串的任何位置,它也是一次匹配,只要找到了一個匹配的結果就返回,而不是查找所有匹配的結果,它的一般使用形式如下:

search(string[, pos[, endpos]])

其中,string 是待匹配的字符串,pos 和 endpos 是可選參數,指定字符串的起始和終點位置,默認值分別是 0 和 len (字符串長度)。

當匹配成功時,返回一個 Match 對象,如果沒有匹配上,則返回 None。

讓我們看看例子:

>>> import re
>>> pattern = re.compile("d+")
>>> m = pattern.search("one12twothree34four")  # 這里如果使用 match 方法則不匹配
>>> m
<_sre.SRE_Match object at 0x10cc03ac0>
>>> m.group()
"12"
>>> m = pattern.search("one12twothree34four", 10, 30)  # 指定字符串區間
>>> m
<_sre.SRE_Match object at 0x10cc03b28>
>>> m.group()
"34"
>>> m.span()
(13, 15)

再來看一個例子:

# -*- coding: utf-8 -*-

import re
 
# 將正則表達式編譯成 Pattern 對象
pattern = re.compile(r"d+") 
 
# 使用 search() 查找匹配的子串,不存在匹配的子串時將返回 None 
# 這里使用 match() 無法成功匹配 
m = pattern.search("hello 123456 789") 
 
if m: 
    # 使用 Match 獲得分組信息 
    print "matching string:",m.group()
    print "position:",m.span()

執行結果:

matching string: 123456
position: (6, 12)
findall 方法

上面的 match 和 search 方法都是一次匹配,只要找到了一個匹配的結果就返回。然而,在大多數時候,我們需要搜索整個字符串,獲得所有匹配的結果。

findall 方法的使用形式如下:

findall(string[, pos[, endpos]])

其中,string 是待匹配的字符串,pos 和 endpos 是可選參數,指定字符串的起始和終點位置,默認值分別是 0 和 len (字符串長度)。

findall 以列表形式返回全部能匹配的子串,如果沒有匹配,則返回一個空列表。

看看例子:

import re
 
pattern = re.compile(r"d+")   # 查找數字
result1 = pattern.findall("hello 123456 789")
result2 = pattern.findall("one1two2three3four4", 0, 10)
 
print result1
print result2

執行結果:

["123456", "789"]
["1", "2"]
finditer 方法

finditer 方法的行為跟 findall 的行為類似,也是搜索整個字符串,獲得所有匹配的結果。但它返回一個順序訪問每一個匹配結果(Match 對象)的迭代器。

看看例子:

# -*- coding: utf-8 -*-

import re
 
pattern = re.compile(r"d+")

result_iter1 = pattern.finditer("hello 123456 789")
result_iter2 = pattern.finditer("one1two2three3four4", 0, 10)

print type(result_iter1)
print type(result_iter2)

print "result1..."
for m1 in result_iter1:   # m1 是 Match 對象
    print "matching string: {}, position: {}".format(m1.group(), m1.span())

print "result2..."
for m2 in result_iter2:
    print "matching string: {}, position: {}".format(m2.group(), m2.span())

執行結果:



result1...
matching string: 123456, position: (6, 12)
matching string: 789, position: (13, 16)
result2...
matching string: 1, position: (3, 4)
matching string: 2, position: (7, 8)
split 方法

split 方法按照能夠匹配的子串將字符串分割后返回列表,它的使用形式如下:

split(string[, maxsplit])

其中,maxsplit 用于指定最大分割次數,不指定將全部分割。

看看例子:

import re
 
p = re.compile(r"[s,;]+")
print p.split("a,b;; c   d")

執行結果:

["a", "b", "c", "d"]
sub 方法

sub 方法用于替換。它的使用形式如下:

sub(repl, string[, count])

其中,repl 可以是字符串也可以是一個函數:

如果 repl 是字符串,則會使用 repl 去替換字符串每一個匹配的子串,并返回替換后的字符串,另外,repl 還可以使用 id 的形式來引用分組,但不能使用編號 0;

如果 repl 是函數,這個方法應當只接受一個參數(Match 對象),并返回一個字符串用于替換(返回的字符串中不能再引用分組)。

count 用于指定最多替換次數,不指定時全部替換。

看看例子:

import re
 
p = re.compile(r"(w+) (w+)")
s = "hello 123, hello 456"

def func(m):
    return "hi" + " " + m.group(2)

print p.sub(r"hello world", s)  # 使用 "hello world" 替換 "hello 123" 和 "hello 456"
print p.sub(r"2 1", s)        # 引用分組
print p.sub(func, s)
print p.sub(func, s, 1)         # 最多替換一次

執行結果:

hello world, hello world
123 hello, 456 hello
hi 123, hi 456
hi 123, hello 456
subn 方法

subn 方法跟 sub 方法的行為類似,也用于替換。它的使用形式如下:

subn(repl, string[, count])

它返回一個元組:

(sub(repl, string[, count]), 替換次數)

元組有兩個元素,第一個元素是使用 sub 方法的結果,第二個元素返回原字符串被替換的次數。

看看例子:

import re
 
p = re.compile(r"(w+) (w+)")
s = "hello 123, hello 456"

def func(m):
    return "hi" + " " + m.group(2)

print p.subn(r"hello world", s)
print p.subn(r"2 1", s)
print p.subn(func, s)
print p.subn(func, s, 1)

執行結果:

("hello world, hello world", 2)
("123 hello, 456 hello", 2)
("hi 123, hi 456", 2)
("hi 123, hello 456", 1)
其他函數

事實上,使用 compile 函數生成的 Pattern 對象的一系列方法跟 re 模塊的多數函數是對應的,但在使用上有細微差別。

match 函數

match 函數的使用形式如下:

re.match(pattern, string[, flags]):

其中,pattern 是正則表達式的字符串形式,比如 d+, [a-z]+。

而 Pattern 對象的 match 方法使用形式是:

match(string[, pos[, endpos]])

可以看到,match 函數不能指定字符串的區間,它只能搜索頭部,看看例子:

import re

m1 = re.match(r"d+", "One12twothree34four")
if m1:
    print "matching string:",m1.group()
else:
    print "m1 is:",m1
    
m2 = re.match(r"d+", "12twothree34four")
if m2:
    print "matching string:", m2.group()
else:
    print "m2 is:",m2

執行結果:

m1 is: None
matching string: 12
search 函數

search 函數的使用形式如下:

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

search 函數不能指定字符串的搜索區間,用法跟 Pattern 對象的 search 方法類似。

findall 函數

findall 函數的使用形式如下:

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

findall 函數不能指定字符串的搜索區間,用法跟 Pattern 對象的 findall 方法類似。

看看例子:

import re

print re.findall(r"d+", "hello 12345 789")

# 輸出
["12345", "789"]
finditer 函數

finditer 函數的使用方法跟 Pattern 的 finditer 方法類似,形式如下:

re.finditer(pattern, string[, flags])
split 函數

split 函數的使用形式如下:

re.split(pattern, string[, maxsplit])
sub 函數

sub 函數的使用形式如下:

re.sub(pattern, repl, string[, count])
subn 函數

subn 函數的使用形式如下:

re.subn(pattern, repl, string[, count])
到底用哪種方式

從上文可以看到,使用 re 模塊有兩種方式:

使用 re.compile 函數生成一個 Pattern 對象,然后使用 Pattern 對象的一系列方法對文本進行匹配查找;

直接使用 re.match, re.search 和 re.findall 等函數直接對文本匹配查找;

下面,我們用一個例子展示這兩種方法。

先看第 1 種用法:

import re

# 將正則表達式先編譯成 Pattern 對象
pattern = re.compile(r"d+")

print pattern.match("123, 123")
print pattern.search("234, 234")
print pattern.findall("345, 345")

再看第 2 種用法:

import re

print re.match(r"d+", "123, 123")
print re.search(r"d+", "234, 234")
print re.findall(r"d+", "345, 345")

如果一個正則表達式需要用到多次(比如上面的 d+),在多種場合經常需要被用到,出于效率的考慮,我們應該預先編譯該正則表達式,生成一個 Pattern 對象,再使用該對象的一系列方法對需要匹配的文件進行匹配;而如果直接使用 re.match, re.search 等函數,每次傳入一個正則表達式,它都會被編譯一次,效率就會大打折扣。

因此,我們推薦使用第 1 種用法。

匹配中文

在某些情況下,我們想匹配文本中的漢字,有一點需要注意的是,中文的 unicode 編碼范圍 主要在 [u4e00-u9fa5],這里說主要是因為這個范圍并不完整,比如沒有包括全角(中文)標點,不過,在大部分情況下,應該是夠用的。

假設現在想把字符串 title = u"你好,hello,世界" 中的中文提取出來,可以這么做:

# -*- coding: utf-8 -*-

import re

title = u"你好,hello,世界"
pattern = re.compile(ur"[u4e00-u9fa5]+")
result = pattern.findall(title)

print result

注意到,我們在正則表達式前面加上了兩個前綴 ur,其中 r 表示使用原始字符串,u 表示是 unicode 字符串。

執行結果:

[u"u4f60u597d", u"u4e16u754c"]
貪婪匹配

在 Python 中,正則匹配默認是貪婪匹配(在少數語言中可能是非貪婪),也就是匹配盡可能多的字符。

比如,我們想找出字符串中的所有 div 塊:

import re

content = "aa
test1
bb
test2
cc" pattern = re.compile(r"
.*
") result = pattern.findall(content) print result

執行結果:

["
test1
bb
test2
"]

由于正則匹配是貪婪匹配,也就是盡可能多的匹配,因此,在成功匹配到第一個

時,它還會向右嘗試匹配,查看是否還有更長的可以成功匹配的子串。

如果我們想非貪婪匹配,可以加一個 ?,如下:

import re

content = "aa
test1
bb
test2
cc" pattern = re.compile(r"
.*?
") # 加上 ? result = pattern.findall(content) print result

結果:

["
test1
", "
test2
"]
小結

re 模塊的一般使用步驟如下:

使用 compile 函數將正則表達式的字符串形式編譯為一個 Pattern 對象;

通過 Pattern 對象提供的一系列方法對文本進行匹配查找,獲得匹配結果(一個 Match 對象);

最后使用 Match 對象提供的屬性和方法獲得信息,根據需要進行其他的操作;

Python 的正則匹配默認是貪婪匹配。

本文由 funhacks 發表于個人博客,采用 Creative Commons BY-NC-ND 4.0(自由轉載-保持署名-非商用-禁止演繹)協議發布。
非商業轉載請注明作者及出處。商業轉載請聯系作者本人。
本文標題為: Python 正則表達式 re 模塊簡明筆記
本文鏈接為: https://funhacks.net/2016/12/...

參考資料

正則表達式 - 維基百科

Python正則表達式指南

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/38297.html

相關文章

  • Python 從零開始爬蟲(四)——強大的正則達式,re模塊

    摘要:為了逮住某個目標,你可能要寫一條長長的,看到自己都頭暈的正則表達式,看上去就像亂碼一樣。屁,學正則還不是遲早的事模塊自帶模塊,直接導入即可。匹配規則規則其實是一個原字符串如表達式表達式,較正式的叫法是模式字符串。 如果把BeautifulSopu比喻成通過線索一步步接近目標的偵探的話,那么正則表達式就是牛逼哄哄的天眼系統,只要提供一些目標的特征,無論搜索范圍多大,只要存在那么一兩個符合...

    novo 評論0 收藏0
  • Python基礎教程:-正則達式基本語法以及re模塊

    摘要:正則表達式關閉或可選標志。如果所含正則表達式,以表示,在當前位置成功匹配時成功,否則失敗。否則指的是八進制字符碼的表達式。 正則表達式是個很牛逼的東西,不管是在javascript,還是在Python web開發(http://www.maiziedu.com/course/python-px...)中,我們都會遇到正則表達式,雖然javascript和Python的正則表達式區別不大...

    y1chuan 評論0 收藏0
  • Python爬蟲筆記4-BeautifulSoup使用

    摘要:方法作用查找所有符合條件的元素,返回的是列表形式參數可以根據節點名來查找元素。示例查詢第一個標簽查找第一個節點內容中有字符串的節點內容運行結果關于的使用就這樣吧,常用個人就覺得用好即可參考鏈接崔慶才網絡爬蟲開發實戰使用 BeautifulSoup介紹 與lxml一樣,BeautifulSoup也是一個HTML/XML的解析器,主要功能也是如何解析和提取HTML/XML數據。 幾種解析工...

    fobnn 評論0 收藏0
  • Python正則達式保姆式教學,帶你精通大名鼎鼎的正則!

    摘要:今天來給大家分享一份關于比較詳細的正則表達式寶典,學會之后你將對正則表達式達到精通的狀態。正則表達式是用在方法當中,大多數的字符串檢索都可以通過來完成。導入模塊在使用正則表達式之前,需要導入模塊。 ...

    tulayang 評論0 收藏0
  • Python正則達式很難?一篇文章搞定他,不是我吹!

    摘要:正則表達式語法字符與字符類特殊字符以上特殊字符要想使用字面值,必須使用進行轉義字符類包含在中的一個或者多個字符被稱為字符類,字符類在匹配時如果沒有指定量詞則只會匹配其中的一個。 1. 正則表達式語法 1.1 字符與字符類 1 特殊字符:.^$?+*{}| 以上特殊字符要想使用字面值,必須使用進行轉義 2 字符類 1. 包含在[]中的一個或者多個字符被稱為字符類,字符類在匹配時如果沒有指...

    dcr309duan 評論0 收藏0

發表評論

0條評論

lastSeries

|高級講師

TA的文章

閱讀更多
最新活動
閱讀需要支付1元查看
<