Python入门篇之正则表达式
作者:hebedich 发布时间:2021-10-20 09:01:34
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。
>>> 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
>>> 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
>>> 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
猜你喜欢
- 简介Simon Willison来自英国,是一名经验丰富的开发人员。曾工作于Yahoo,是Web开发框架Django的创始人之一,也是Ope
- juypter notebook中直接使用log_device_placement=True打印不出来device信息# Creates a
- 1.为什么需要创建虚拟环境?虚拟环境是隔离应用确切依赖项的好办法。此类隔离避免了全局 Python 环境中的冲突,有助于进行测试和协作。随着
- asp函数实现把数字格式化为每3个数字时以逗号间隔的数字见下:<%Function Comma(str)If No
- 上篇文章讲了js中的传值和传址 和 函数的作用域.这章我们来探讨js中的变量,表达式,和运算符 还有一些 js 语句。升级中……1, 表达式
- 本文实例讲述了Python使用itchat模块实现简单的微信控制电脑功能。分享给大家供大家参考,具体如下:#!/usr/bin/python
- 很久没有更新blog了,这段时间实在是发生了很多的事,累身累心。但还是有很多想做的事,比如更新merceCSS、把一直以来所总结的有关模块化
- 本文实例讲述了python通过BF算法实现关键词匹配的方法。分享给大家供大家参考。具体实现方法如下:#!/usr/bin/python# -
- 天下武功,唯快不破。编程也不例外,你的代码跑的快,你能快速找出代码慢的原因,你的码功就高。安装pip install pyinstrumen
- Windows•安装lxml最好的安装方式是通过wheel文件来安装,http://www.lfd.uci.edu/~gohlke/pyth
- 时间序列是指在一段时间内发生的任何可量化的度量或事件。尽管这听起来微不足道,但几乎任何东西都可以被认为是时间序列。一个月里你每小时的平均心率
- 前言数据驱动是一种思想,让数据和代码进行分离,比如爬虫时,我们需要分页爬取数据时,我们往往把页数 page 参数化,放在 for 循环 ra
- 一旦被黑客获取到webshell,黑客就知道了你的sqlserver管理员密码,如果sqlserver再没有经过安全设置那么黑客很容易就提权
- PHP策略模式(Strategy Pattern)策略模式是一种行为设计模式,它允许在运行时选择算法行为的方法。该模式定义了一组算法,将每个
- 前面我们简单的了解Django的一些工作原理,其中关于页面展示的内容,也全部都是视图(Views)返回的内容,那么我们也知道前端包括很多内容
- 实际参数在函数中我们可以使用 arguments 对象获得 (注:形参可通过 arguments.callee 获得),虽然 argumen
- 这是网站制作很流行的下拉列表两级连动的代码,也是很多人使用的代码。下面,先来看这段代码:<%dim countset&nbs
- 在对于时间准确度的把握上,为了使操作的更加细化,很多人习惯把时间精确到秒。但在实际程序操作中,虽然秒数方便我们的查阅,但是计算机并不能直接的
- 来与大家分享。稍加改造就可以实现更强大的功能了。用下面的代码就可以简单的批量导出picasa相册的外链了。代码如下:<%@LANGUA
- GitPython 是一个用于操作 Git 版本库的 python 包,它提供了一系列的对象模型(库 - Repo、树 - Tree、提交