摘要:反斜杠的困擾與大多數(shù)編程語言相同,正則表達式里使用作為轉(zhuǎn)義字符,這就可能造成反斜杠困擾。文本中正則表達式結(jié)束搜索的索引。以元組形式返回全部分組截獲的字符串。用于指定最大分割次數(shù),不指定將全部分割。
1. 正則表達式基礎(chǔ) 1.1. 簡單介紹
正則表達式并不是Python的一部分。正則表達式是用于處理字符串的強大工具,擁有自己獨特的語法以及一個獨立的處理引擎,效率上可能不如str自帶的方法,但功能十分強大。得益于這一點,在提供了正則表達式的語言里,正則表達式的語法都是一樣的,區(qū)別只在于不同的編程語言實現(xiàn)支持的語法數(shù)量不同;但不用擔心,不被支持的語法通常是不常用的部分。如果已經(jīng)在其他語言里使用過正則表達式,只需要簡單看一看就可以上手了。
下圖展示了使用正則表達式進行匹配的流程:?
正則表達式的大致匹配過程是:依次拿出表達式和文本中的字符比較,如果每一個字符都能匹配,則匹配成功;一旦有匹配不成功的字符則匹配失敗。如果表達式中有量詞或邊界,這個過程會稍微有一些不同,但也是很好理解的,看下圖中的示例以及自己多使用幾次就能明白。
下圖列出了Python支持的正則表達式元字符和語法:???
1.2. 數(shù)量詞的貪婪模式與非貪婪模式正則表達式通常用于在文本中查找匹配的字符串。Python里數(shù)量詞默認是貪婪的(在少數(shù)語言里也可能是默認非貪婪),總是嘗試匹配盡可能多的字符;非貪婪的則相反,總是嘗試匹配盡可能少的字符。例如:正則表達式"ab"如果用于查找"abbbc",將找到"abbb"。而如果使用非貪婪的數(shù)量詞"ab?",將找到"a"。
1.3. 反斜杠的困擾與大多數(shù)編程語言相同,正則表達式里使用""作為轉(zhuǎn)義字符,這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"",那么使用編程語言表示的正則表達式里將需要4個反斜杠"":前兩個和后兩個分別用于在編程語言里轉(zhuǎn)義成反斜杠,轉(zhuǎn)換成兩個反斜杠后再在正則表達式里轉(zhuǎn)義成一個反斜杠。Python里的原生字符串很好地解決了這個問題,這個例子中的正則表達式可以使用r""表示。同樣,匹配一個數(shù)字的"d"可以寫成r"d"。有了原生字符串,你再也不用擔心是不是漏寫了反斜杠,寫出來的表達式也更直觀。
1.4. 匹配模式正則表達式提供了一些可用的匹配模式,比如忽略大小寫、多行匹配等,這部分內(nèi)容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。
2. re模塊 2.1. 開始使用rePython通過re模塊提供對正則表達式的支持。使用re的一般步驟是先將正則表達式的字符串形式編譯為Pattern實例,然后使用Pattern實例處理文本并獲得匹配結(jié)果(一個Match實例),最后使用Match實例獲得信息,進行其他的操作。
# encoding: UTF-8 import re # 將正則表達式編譯成Pattern對象 pattern = re.compile(r"hello") # 使用Pattern匹配文本,獲得匹配結(jié)果,無法匹配時將返回None match = pattern.match("hello world!") if match: # 使用Match獲得分組信息 print match.group() ### 輸出 ### # hello
# encoding: UTF-8
import re # 將正則表達式編譯成Pattern對象
pattern = re.compile(r"hello") # 使用Pattern匹配文本,獲得匹配結(jié)果,無法匹配時將返回None
match = pattern.match("hello world!") if match: # 使用Match獲得分組信息print match.group() ### 輸出 ### # hello
a = re.compile(r"""d + # the integral part . # the decimal point d * # some fractional digits""", re.X) b = re.compile(r"d+.d*")
re.compile(strPattern[, flag]):
這個方法是Pattern類的工廠方法,用于將字符串形式的正則表達式編譯為Pattern對象。 第二個參數(shù)flag是匹配模式,取值可以使用按位或運算符"|"表示同時生效,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)與re.compile("(?im)pattern")是等價的。?
可選值有:
re.I(re.IGNORECASE): 忽略大小寫(括號內(nèi)是完整寫法,下同)
M(MULTILINE): 多行模式,改變"^"和"$"的行為(參見上圖)
S(DOTALL): 點任意匹配模式,改變"."的行為
L(LOCALE): 使預定字符類 w W b B s S 取決于當前區(qū)域設(shè)定
U(UNICODE): 使預定字符類 w W b B s S d D 取決于unicode定義的字符屬性
X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行,忽略空白字符,并可以加入注釋。以下兩個正則表達式是等價的:
re提供了眾多模塊方法用于完成正則表達式的功能。這些方法可以使用Pattern實例的相應(yīng)方法替代,唯一的好處是少寫一行re.compile()代碼,但同時也無法復用編譯后的Pattern對象。這些方法將在Pattern類的實例方法部分一起介紹。如上面這個例子可以簡寫為:
re模塊還提供了一個方法escape(string),用于將string中的正則表達式元字符如*/+/?等之前加上轉(zhuǎn)義符再返回,在需要大量匹配元字符時有那么一點用。
2.2. MatchMatch對象是一次匹配的結(jié)果,包含了很多關(guān)于此次匹配的信息,可以使用Match提供的可讀屬性或方法來獲取這些信息。
屬性:
string: 匹配時使用的文本。
re: 匹配時使用的Pattern對象。
pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
endpos: 文本中正則表達式結(jié)束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
lastindex: 最后一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組,將為None。
lastgroup: 最后一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組,將為None。
方法:
group([group1, …]):?
獲得一個或多個分組截獲的字符串;指定多個參數(shù)時將以元組形式返回。group1可以使用編號也可以使用別名;編號0代表整個匹配的子串;不填寫參數(shù)時,返回group(0);沒有截獲字符串的組返回None;截獲了多次的組返回最后一次截獲的子串。
groups([default]):?
以元組形式返回全部分組截獲的字符串。相當于調(diào)用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代,默認為None。
groupdict([default]): 返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典,沒有別名的組不包含在內(nèi)。default含義同上。
start([group]):?
返回指定的組截獲的子串在string中的起始索引(子串第一個字符的索引)。group默認值為0。
end([group]): 返回指定的組截獲的子串在string中的結(jié)束索引(子串最后一個字符的索引+1)。group默認值為0。
span([group]): 返回(start(group), end(group))。
expand(template):?
將匹配到的分組代入template中然后返回。template中可以使用id或g
import re m = re.match(r"(w+) (w+)(?P.*)", "hello world!") print "m.string:", m.string print "m.re:", m.re print "m.pos:", m.pos print "m.endpos:", m.endpos print "m.lastindex:", m.lastindex print "m.lastgroup:", m.lastgroup print "m.group(1,2):", m.group(1, 2) print "m.groups():", m.groups() print "m.groupdict():", m.groupdict() print "m.start(2):", m.start(2) print "m.end(2):", m.end(2) print "m.span(2):", m.span(2) print r"m.expand(r"2 13"):", m.expand(r"2 13") ### output ### # m.string: hello world! # m.re: <_sre.SRE_Pattern object at 0x016E1A38> # m.pos: 0 # m.endpos: 12 # m.lastindex: 3 # m.lastgroup: sign # m.group(1,2): ("hello", "world") # m.groups(): ("hello", "world", "!") # m.groupdict(): {"sign": "!"} # m.start(2): 6 # m.end(2): 11 # m.span(2): (6, 11) # m.expand(r"2 13"): world hello!
??在這里還是要推薦下我自己建的Python開發(fā)學習群:725479218,群里都是學Python開發(fā)的,如果你正在學習Python ,小編歡迎你加入,大家都是軟件開發(fā)黨,不定期分享干貨(只有Python軟件開發(fā)相關(guān)的),包括我自己整理的一份2018最新的Python進階資料和高級開發(fā)教程,歡迎進階中和進想深入Python的小伙伴
2.3. PatternPattern對象是一個編譯好的正則表達式,通過Pattern提供的一系列方法可以對文本進行匹配查找。
Pattern不能直接實例化,必須使用re.compile()進行構(gòu)造。
Pattern提供了幾個可讀屬性用于獲取表達式的相關(guān)信息:
pattern: 編譯時用的表達式字符串。
flags: 編譯時用的匹配模式。數(shù)字形式。
groups: 表達式中分組的數(shù)量。
groupindex: 以表達式中有別名的組的別名為鍵、以該組對應(yīng)的編號為值的字典,沒有別名的組不包含在內(nèi)。
import re p = re.compile(r"(w+) (w+)(?P.*)", re.DOTALL) print "p.pattern:", p.pattern print "p.flags:", p.flags print "p.groups:", p.groups print "p.groupindex:", p.groupindex ### output ### # p.pattern: (w+) (w+)(?P .*) # p.flags: 16 # p.groups: 3 # p.groupindex: {"sign": 3}
實例方法[ | re模塊方法]:
match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]): 這個方法將從string的pos下標處起嘗試匹配pattern;如果pattern結(jié)束時仍可匹配,則返回一個Match對象;如果匹配過程中pattern無法匹配,或者匹配未結(jié)束就已到達endpos,則返回None。?
pos和endpos的默認值分別為0和len(string);re.match()無法指定這兩個參數(shù),參數(shù)flags用于編譯pattern時指定匹配模式。?
注意:這個方法并不是完全匹配。當pattern結(jié)束時若string還有剩余字符,仍然視為成功。想要完全匹配,可以在表達式末尾加上邊界匹配符"$"。?
示例參見2.1小節(jié)。
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]): 這個方法用于查找字符串中可以匹配成功的子串。從string的pos下標處起嘗試匹配pattern,如果pattern結(jié)束時仍可匹配,則返回一個Match對象;若無法匹配,則將pos加1后重新嘗試匹配;直到pos=endpos時仍無法匹配則返回None。?
pos和endpos的默認值分別為0和len(string));re.search()無法指定這兩個參數(shù),參數(shù)flags用于編譯pattern時指定匹配模式。?
# encoding: UTF-8 import re # 將正則表達式編譯成Pattern對象 pattern = re.compile(r"world") # 使用search()查找匹配的子串,不存在能匹配的子串時將返回None # 這個例子中使用match()無法成功匹配 match = pattern.search("hello world!") if match: # 使用Match獲得分組信息 print match.group() ### 輸出 ### # world
3. ? split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]): 按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數(shù),不指定將全部分割。?
import re p = re.compile(r"d+") print p.split("one1two2three3four4") ### output ### # ["one", "two", "three", "four", ""]
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。?
import re p = re.compile(r"d+") print p.findall("one1two2three3four4") ### output ### # ["1", "2", "3", "4"]
5. ?finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]): 搜索string,返回一個順序訪問每一個匹配結(jié)果(Match對象)的迭代器。?
import re p = re.compile(r"d+") for m in p.finditer("one1two2three3four4"): print m.group(), ### output ### # 1 2 3 4
6. ??sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]): 使用repl替換string中每一個匹配的子串后返回替換后的字符串。?
當repl是一個字符串時,可以使用id或g
當repl是一個方法時,這個方法應(yīng)當只接受一個參數(shù)(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(shù),不指定時全部替換。?
import re p = re.compile(r"(w+) (w+)") s = "i say, hello world!" print p.sub(r"2 1", s) def func(m): return m.group(1).title() + " " + m.group(2).title() print p.sub(func, s) ### output ### # say i, world hello! # I Say, Hello World!
7. ?subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]): 返回 (sub(repl, string[, count]), 替換次數(shù))。?
以上就是Python對于正則表達式的支持。熟練掌握正則表達式是每一個程序員必須具備的技能,這年頭沒有不與字符串打交道的程序了。筆者也處于初級階段,與君共勉,^_^
另外,圖中的特殊構(gòu)造部分沒有舉出例子,用到這些的正則表達式是具有一定難度的。有興趣可以思考一下,如何匹配不是以abc開頭的單詞,^_^
文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址:http://specialneedsforspecialkids.com/yun/41870.html
摘要:本文與大家分享一些編程語言的入門書籍,其中不乏經(jīng)典。全書貫穿的主體是如何思考設(shè)計開發(fā)的方法,而具體的編程語言,只是提供一個具體場景方便介紹的媒介。入門入門容易理解而且讀起來幽默風趣,對于編程初學者和語言新手而言是理想的書籍。 本文與大家分享一些Python編程語言的入門書籍,其中不乏經(jīng)典。我在這里分享的,大部分是這些書的英文版,如果有中文版的我也加上了。有關(guān)書籍的介紹,大部分截取自是官...
摘要:正則表達式關(guān)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(fā)(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(qū)別不大...
摘要:正則表達式是一種用來匹配字符串的強有力的武器。正則表達式匹配如果直接給出字符,就是精確匹配。模塊提供模塊,包含所有正則表達式的功能。分組除了簡單地判斷是否匹配之外,正則表達式還有提取子串的強大功能。 正則表達式是一種用來匹配字符串的強有力的武器。它的設(shè)計思想是用一種描述性的語言來給字符串定義一個規(guī)則,凡是符合規(guī)則的字符串,我們就認為它匹配了,否則,該字符串就是不合法的。 showImg...
摘要:作者宋天龍來源科技大本營導語一切都始于年的那個圣誕節(jié),的誕生并不算恰逢其時,它崛起充滿了機遇巧合,也有其必然性。年的圣誕節(jié),開始編寫語言的編譯器。年發(fā)布的標志著的框架基本確定。年月發(fā)布了系列的最后一個版本,主版本號為。 showImg(https://segmentfault.com/img/remote/1460000019862276); 作者 | 宋天龍來源 | AI科技大本營 ...
摘要:今天就專門看看正則表達式。下面是一個正則表達式最簡單的使用例子。這個例子使用了正則表達式模塊的函數(shù),它會返回所有符合模式的列表。查詢標志讓正則表達式具有不同的行為。,按給定正則表達式分割字符串。,正則表達式中捕獲組的數(shù)量。 最近研究Python爬蟲,很多地方用到了正則表達式,但是沒好好研究,每次都得現(xiàn)查文檔。今天就專門看看Python正則表達式。本文參考了官方文檔 re模塊。 模式 首...
閱讀 2975·2021-11-24 10:22
閱讀 3044·2021-11-23 10:10
閱讀 1353·2021-09-28 09:35
閱讀 1752·2019-08-29 13:16
閱讀 1395·2019-08-26 13:29
閱讀 2782·2019-08-26 10:27
閱讀 678·2019-08-26 10:09
閱讀 1436·2019-08-23 18:05