2019獨角獸企業重金招聘Python工程師標準>>>

Python正則表達式指南

今天學習了Python中有關正則表達式的知識。關于正則表達式的語法，不作過多解釋，網上有許多學習的資料。這里主要介紹python中常用的正則表達式處理函數。

方法/屬性	作用
match()	決定 RE 是否在字符串剛開始的位置匹配
search()	掃描字符串，找到這個 RE 匹配的位置
findall()	找到 RE 匹配的所有子串，并把它們作為一個列表返回
finditer()	找到 RE 匹配的所有子串，并把它們作為一個迭代器返回

match() 函數只檢查 RE 是否在字符串開始處匹配，而 search() 則是掃描整個字符串。

match() 只報告一次成功的匹配，它將從 0 處開始；如果匹配不是從 0 開始的，match() 將不會報告它。

search() 將掃描整個字符串，并報告它找到的第一個匹配。

?

match()、seerch（）、finditer（）如果匹配成功則返回一個Match Object對象，該對象有以下屬性、方法：

方法/屬性	作用
group()	返回被 RE 匹配的字符串
start()	返回匹配開始的位置
end()	返回匹配結束的位置
span()	返回一個元組包含匹配 (開始,結束) 的位置

group()?返回re整體匹配的字符串，可以一次輸入多個組號，對應組號匹配的字符串。

1. group（）返回re整體匹配的字符串，

2. group (n,m) 返回組號為n，m所匹配的字符串，如果組號不存在，則返回indexError異常

#!python >>> p = re.compile('(a(b)c)d') >>> m = p.match('abcd') >>> m.group(0) 'abcd' >>> m.group(1) 'abc' >>> m.group(2) 'b'

groups()?方法返回一個包含正則表達式中所有小組字符串的元組，從 1 到 所含的小組號，通常groups（）不需要參數，返回一個元組，元組中的元就是正則表達式中定義的組。

#!python >>> p = re.compile('(a(b)c)d') >>> m = p.match('abcd') >>> m.groups() ('abc', 'b')

使用索引取得相應的組內容，例如：m.groups()[0]

p2=re.compile(r'''(\d)+\w''',re.X)?? >>> p2.match('123a b12123c').group()? ?# re正則表達式 '(\d)+\w匹配的字符串 '123a'>>> p2.match('123a b12123c').group(0) '123a'>>> p2.match('123a b12123c').group(1) ?#返回正則表達式中第一個小組即（\d）所匹配的字符串 '3'>>> p2.match('123a b12 123c').groups()? ('3',)

re.match ，從字符串開頭匹配，返回一個Match Object，或None

　　re.match 嘗試從字符串的開始匹配一個模式，如：下面的例子匹配第一個單詞。

import re text = "JGood is a handsome boy, he is cool, clever, and so on..." m = re.match(r"(\w+)\s", text) if m: print m.group(0), '\n', m.group(1) else: print 'not match'

re.match的函數原型為：re.match(pattern, string, flags)

第一個參數是正則表達式，這里為"(\w+)\s"，如果匹配成功，則返回一個Match，否則返回一個None；

第二個參數表示要匹配的字符串；

第三個參數是標致位，用于控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。

方法/屬性	作用
group()	返回被 RE 匹配的字符串
start()	返回匹配開始的位置
end()	返回匹配結束的位置
span()	返回一個元組包含匹配 (開始,結束) 的位置

re.search??在字符串內查找匹配，找到第一個匹配，返回Match Object，或None

　　re.search函數會在字符串內查找模式匹配,直到找到第一個匹配然后返回，如果字符串沒有匹配，則返回None。

import re text = "JGood is a handsome boy, he is cool, clever, and so on..." m = re.search(r'\shan(ds)ome\s', text) if m: print m.group(0), m.group(1) else: print 'not search'

re.search的函數原型為： re.search(pattern, string, flags)

每個參數的含意與re.match一樣。?

re.match與re.search的區別：re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

re.sub???替換所有的匹配項，返回一個替換后的字符串，如果匹配失敗，返回原字符串

　　re.sub用于替換字符串中的匹配項。下面一個例子將字符串中的空格 ' ' 替換成 '-' :?

import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print re.sub(r'\s+', '-', text)

?re.sub的函數原型為：re.sub(pattern, repl, string, count)

其中第二個函數是替換后的字符串；本例中為'-'

第四個參數指替換個數。默認為0，表示每個匹配項都替換。

re.sub還允許使用函數對匹配項的替換進行復雜的處理。如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；將字符串中的空格' '替換為'[ ]'。

sub() 方法提供一個替換值，可以是字符串或一個函數，和一個要被處理的字符串

當使用模塊級的 re.sub() 函數時，模式作為第一個參數。模式也許是一個字符串或一個 `RegexObject`；如果你需要指定正則表達式標志，你必須要么使用 `RegexObject` 做第一個參數，或用使用模式內嵌修正器，如 sub("(?i)b+", "x", "bbbb BBBB") returns 'x x'。?

?

import re

def hexrepl( match ):
???? "Return the hex string for a decimal number"
???? value = int( match.group() )
???? return hex(value)

p = re.compile(r'\d+')

print p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
#Call 0xffd2 for printing, 0xc000 for user code.

?

import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."

print re.sub(r'\s+', '-', text)
#JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

print re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text)
#JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

?

print re.sub(r'a', lambda m: '[' + m.group(0) + ']', text) #在a的兩邊加[ ]，也可以用string.replace()

#JGood is [a] h[a]ndsome boy, he is cool, clever, [a]nd so on...

?

subn ( )? 與 sub( ) 相同，但返回新的字符串和替換次數

print re.subn('i','I','Paris in the the?spring')? # ('ParIs In the the sprIng', 3)

?

空匹配只有在它們沒有緊挨著前一個匹配時才會被替換掉。

#!python

>>> p = re.compile('x*')

>>> p.sub('-', 'abxd')

'-a-b-d-'

?

re.split???? 以列表形式返回分割的字符串

　　可以使用re.split來分割字符串，如：re.split(r'\s+', text)；將字符串按空格分割成一個單詞列表。

?????

split(string [, maxsplit = 0])

?

你可以通過設置 maxsplit 值來限制分片數。當 maxsplit 非零時，最多只能有 maxsplit 個分片，字符串的其余部分被做為列表的最后部分返回。在下面的例子中，定界符可以是非數字字母字符的任意序列。

#!python >>> p = re.compile(r'\W+') >>> p.split('This is a test, short and sweet, of split().') ['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', ''] >>> p.split('This is a test, short and sweet, of split().', 3) ['This', 'is', 'a', 'test, short and sweet, of split().']

有時，你不僅對定界符之間的文本感興趣，也需要知道定界符是什么。定界符可以是非數字字母字符的任意序列 ，如果捕獲括號在?RE中使用，那么它們（定界符）的值也會當作列表的一部分返回。比較下面的調用：

re.split("([ab])","carbs")? # ? ['c', 'a', 'r', 'b', 's']? ???定界符是a或b，結果返回界定符a、b。

re.split("([ab]#)", "carbs") ?#? ['carbs']???定界符是a#或b#，結果 ['carbs']?
?

#!python >>> p = re.compile(r'\W+') >>> p2 = re.compile(r'(\W+)') >>> p.split('This... is a test.') ['This', 'is', 'a', 'test', ''] >>> p2.split('This... is a test.') ['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']

?

re.findall? 以列表形式返回所有匹配的字符串

　　re.findall可以獲取字符串中所有匹配的字符串。如：re.findall(r'\w*oo\w*', text)；獲取字符串中，包含'oo'的所有單詞。

???????? (pattern)?匹配?pattern并獲取這一匹配

import re text = "JGood is a? handsome boy,he is handsome and cool,clever,and so on ...." print re.findall(r'\w*oo\w*',text) #結果：['JGood', 'cool'] print re.findall(r'(\w)*oo(\w)*',text) # ()表示子表達式 結果：[('G', 'd'), ('c', 'l')]

在 Python 2.2中，也可以用?finditer()?方法。

#!python >>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...') >>> iterator <callable-iterator object at 0x401833ac> >>> for match in iterator: ... print match.group() , match.span() ... 12 (0, 2) 11 (22, 24) 10 (29, 31)

re.compile

　　可以把正則表達式編譯成一個正則表達式對象。可以把那些經常使用的正則表達式編譯成正則表達式對象，這樣可以提高一定的效率。下面是一個正則表達式對象的一個例子：

import re text = "JGood is a handsome boy, he is cool, clever, and so on..." regex = re.compile(r'\w*oo\w*') print regex.findall(text) #查找所有包含'oo'的單詞 print regex.sub(lambda m: '[' + m.group(0) + ']', text) #將字符串中含有'oo'的單詞用[]括起來。

?

python?貪婪和非貪婪、多行匹配正則表達式小結

　　先看一個例子，然后在詳細介紹。有一個這樣的文件1.txt,我要把每個AAA到CCC之間的字段都匹配出來，下面是代碼和注釋。

#!/usr/local/bin/python #coding:GBK import re fopen=open(r'/tmp/1.txt','r') f=fopen.read().strip()print "輸出1.txt文件內容" print f print "---------------------------------------"print "貪婪匹配,re.S('.'匹配字符,包括換行符)" print re.findall(r"AAA(.*)CCC",f,re.S) print "---------------------------------------"print "非貪婪匹配,re.S('.'匹配字符,包括換行符)" list=re.findall(r"AAA(.*?)CCC",f,re.S) print list print "---------------------------------------"print "re.M匹配多行,這里把換行符匹配掉" for i in list:print re.findall(r"(\d+)",i,re.M) print "---------------------------------------"print "把匹配出來的字段放到一個數組" array=[] for lst in list:re_list=re.findall(r"(\d+)",lst,re.M)for i in re_list:array.append(i) for i in array:print i輸出的結果： 輸出1.txt文件內容 AAA 123 314 5246 CCC AAA 32422 CCC --------------------------------------- 貪婪匹配 ['\n123\n314\n5246\nCCC\nAAA\n32422\n'] --------------------------------------- 非貪婪匹配,re.S('.'匹配字符,包括換行符) ['\n123\n314\n5246\n', '\n32422\n'] --------------------------------------- re.M匹配多行,這里把換行符匹配掉 ['123', '314', '5246'] ['32422'] --------------------------------------- 把匹配出來的字段放到一個數組 123 314 5246 32422

python貪婪和非貪婪

　　正則表達式通常用于在文本中查找匹配的字符串。Python里數量詞默認是貪婪的（在少數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；非貪婪則相反，總是嘗試匹配盡可能少的字符。在"*","?","+","{m,n}"后面加上？，使貪婪變成非貪婪。

>>> s="This is a number 234-235-22-423" >>> r=re.match(".+(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '4-235-22-423' >>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '234-235-22-423' >>>

　　正則表達式模式中使用到通配字，那它在從左到右的順序求值時，會盡量“抓取”滿足匹配最長字符串，在我們上面的例子里面，“.+”會從字符 串的啟始處抓取滿足模式的最長字符，其中包括我們想得到的第一個整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了數字“4”，而“.+”則匹配了從字符串起始到這個第一位數字4之前的所有字符。

　　解決方式：非貪婪操作符“？”，這個操作符可以用在"*","+","?"的后面，要求正則匹配的越少越好。

　　下面這個例子仔細體會下

>>> re.match(r"aa(\d+)","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)","aa2343ddd").group(1) '2' >>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1) '2343' >>>

python的多行匹配

r=re.complile(pattern,re.M)

re.M(re.MULTILINE):多行模式，改變'^'和'$'的行為,即^$標志將會匹配每一行。

>>> re.findall(r"^a(\d+)b","a213b\na2345b\na234b") ['213'] >>> re.findall(r"^a(\d+)b","a213b\na2345b\na234b",re.M) ['213', '2345', '234'] >>> re.findall(r"a(\d+)b","a213b\na2345b\na234b") #如果沒有^標志,無需re.M ['213', '2345', '234']

tips:”^”匹配字符串的開始，在MULTILINE模式下，也匹配換行符之后。

re.S(re.DOTALL):點任意匹配模式

元字符“.”在默認模式下，匹配除換行符外的所有字符。在DOTALL模式下，匹配所有字符，包括換行符。

>>> re.findall(r".","\n",re.S) ['\n']

轉載于:https://my.oschina.net/mickelfeng/blog/1491283

總結

以上是生活随笔為你收集整理的Python中re(正则表达式)模块函数学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。