Python 正则表达式指南
2015-06-02 10:11
573 查看
本文转载
作者:AstralWind
链接:http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
本文介绍了Python对于正则表达式的支持,包括正则表达式基础以及Python正则表达式标准库的完整介绍及使用示例。本文的内容不包括如何编写高效的正则表达式、如何优化正则表达式,这些主题请查看其他教程。
注意:本文基于Python2.4完成;如果看到不明白的词汇请记得百度谷歌或维基,whatever。
1. 正则表达式基础
1.1. 简单介绍
正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具,拥有自己独特的语法以及一个独立的处理引擎,效率上可能不如str自带的方法,但功能十分强大。得益于这一点,在提供了正则表达式的语言里,正则表达式的语法都是一样的,区别只在于不同的编程语言实现支持的语法数量不同;但不用担心,不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式,只需要简单看一看就可以上手了。下图展示了使用正则表达式进行匹配的流程:
正则表达式的大致匹配过程是:依次拿出表达式和文本中的字符比较,如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界,这个过程会稍微有一些不同,但也是很好理解的,看下图中的示例以及自己多使用几次就能明白。
下图列出了Python支持的正则表达式元字符和语法:
1.2. 数量词的贪婪模式与非贪婪模式
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式”ab*”如果用于查找”abbbc”,将找到”abbb”。而如果使用非贪婪的数量词”ab*?”,将找到”a”。
1.3. 反斜杠的困扰
与大多数编程语言相同,正则表达式里使用”\”作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”,那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\\\”:前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里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使用r”\\”表示。同样,匹配一个数字的”\\d”可以写成r”\d”。有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。
1.4. 匹配模式
正则表达式提供了一些可用的匹配模式,比如忽略大小写、多行匹配等,这部分内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。
2. re模块
2.1. 开始使用re
Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例,然后使用Pattern实例处理文本并获得匹配结果(一个Match实例),最后使用Match实例获得信息,进行其他的操作。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为Pattern对象。 第二个参数flag是匹配模式,取值可以使用按位或运算符’|'表示同时生效,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)与re.compile(‘(?im)pattern’)是等价的。
可选值有:
re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
M(MULTILINE): 多行模式,改变’^'和’$'的行为(参见上图)
S(DOTALL): 点任意匹配模式,改变’.'的行为
L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。以下两个正则表达式是等价的:
2.2. Match
Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。属性:
string: 匹配时使用的文本。
re: 匹配时使用的Pattern对象。
pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。
方法:
group([group1, …]):
获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。
groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。
groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典,没有别名的组不包含在内。default含义同上。
start([group]):
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。
end([group]):
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0。
span([group]):
返回(start(group), end(group))。
expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组,但不能使用编号0。\id与\g<id>是等价的;但\10将被认为是第10个分组,如果你想表达\1之后是字符’0′,只能使用\g<1>0。
2.3. Pattern
Pattern对象是一个编译好的正则表达式,通过Pattern提供的一系列方法可以对文本进行匹配查找。Pattern不能直接实例化,必须使用re.compile()进行构造。
Pattern提供了几个可读属性用于获取表达式的相关信息:
pattern: 编译时用的表达式字符串。
flags: 编译时用的匹配模式。数字形式。
groups: 表达式中分组的数量。
groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。
1.match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
这个方法将从string的pos下标处起尝试匹配pattern;如果pattern结束时仍可匹配,则返回一个Match对象;如果匹配过程中pattern无法匹配,或者匹配未结束就已到达endpos,则返回None。
pos和endpos的默认值分别为0和len(string);re.match()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
注意:这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符’$'。
示例参见2.1小节。
2.search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None。
pos和endpos的默认值分别为0和len(string));re.search()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。
搜索string,以列表形式返回全部能匹配的子串。
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器 。
使用repl替换string中每一个匹配的子串后返回替换后的字符串。
当repl是一个字符串时,可以使用\id或\g<id>、\g<name>引用分组,但不能使用编号0。
当repl是一个方法时,这个方法应当只接受一个参数(Match对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。
count用于指定最多替换次数,不指定时全部替换。
返回 (sub(repl, string[, count]), 替换次数)。
另外,图中的特殊构造部分没有举出例子,用到这些的正则表达式是具有一定难度的。有兴趣可以思考一下,如何匹配不是以abc开头的单词,^_^
本文转载
链接:http://www.yiibai.com/python/python_reg_expressions.html
正则表达式是字符一个特殊的序列,可帮助匹配或者寻找其他的字符串或一组字符串,用一个模式支持一个专门的语法。正则表达式被广泛应用于UNIX世界中。
模块re在Python提供类似Perl的正则表达式全面支持。 re模块引发异常re.error如果在编译或使用正则表达式时发生错误。
我们将涉及两个重要的功能,这将被用于处理的正则表达式。但是首先:有各种各样的字符,当它们在正则表达式中使用,将有特殊的意义。为了避免在处理正则表达式的任何困惑,将使用原始字符串作为r'expression“。
match函数
此函数会尝试重新模式匹配字符串可选标志。下面是此函数的语法:
re.match(pattern, sring, flags=0)
这里的参数的说明:
参数 | 描述 |
---|---|
pattern | 这是正则表达式来进行匹配。 |
string | 这是字符串,这将被搜索匹配的模式,在字符串的开头。 |
flags | 可以指定使用位的不同的标志OR (|)。这些改性剂,其列于下表中。 |
匹配对象的方法 | 描述 |
---|---|
group(num=0) | 此方法返回整个匹配(或指定分组num) |
groups() | 此方法返回所有元组匹配的子组(空,如果没有) |
例子:
#!/usr/bin/python import re line = "Cats are smrter than dogs" matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I) if matchObj: print "matchObj.group() : ", matchObj.group() print "matchObj.group(1) : ", matchObj.group(1) print "matchObj.group(2) : ", matchObj.group(2) else: print "No match!!"
当执行上面的代码,它产生以下结果:
matchObj.group() : Cats are smarter than dogs matchObj.group(1) : Cats matchObj.group(2) : smarter
search函数
此函数将搜索字符串中使用可选的标志第一次出现的RE模式。下面是此函数语法:
re.search(pattern, string, flags=0)
这里的参数说明:
参数 | 描述 |
---|---|
pattern | 这是正则表达式来进行匹配。 |
string | 这是字符串,这将被搜索到的字符串中的任何位置匹配的模式。 |
flags | 可以指定使用位的不同的标志OR (|)。这些改性剂,其列于下表中。 |
匹配对象的方法 | 描述 |
---|---|
group(num=0) | 此方法返回整个匹配(或指定分组num) |
groups() | 此方法返回所有元组匹配的子组(空,如果没有) |
例子:
#!/usr/bin/python import re line = "Cats are smrter than dogs"; searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I) if searchObj: print "searchObj.group() : ", searchObj.group() print "searchObj.group(1) : ", searchObj.group(1) print "searchObj.group(2) : ", searchObj.group(2) else: print "Nothing found!!"
当执行上面的代码,它产生以下结果:
matchObj.group() : Cats are smarter than dogs matchObj.group(1) : Cats matchObj.group(2) : smarter
匹配VS搜索:
python提供基于正则表达式两种不同的基本操作:只在字符串的开头匹配检查的匹配,而对于一个匹配字符串中的任何位置搜索检查(这是Perl并在默认情况下)。
例子:
#!/usr/bin/python import re line = "Cats are smrter than dogs"; matchObj = re.match( r'dogs', line, re.M|re.I) if matchObj: print "match --> matchObj.group() : ", matchObj.group() else: print "No match!!" searchObj = re.search( r'dogs', line, re.M|re.I) if searchObj: print "search --> searchObj.group() : ", searchObj.group() else: print "Nothing found!!"
当执行上面的代码,产生以下结果:
No match!! search --> matchObj.group() : dogs
搜索和替换:
一些最重要的re方法,使用正则表达式sub。
语法
re.sub(pattern, rep, string, max=0)
这种方法取代了RE模式字符串中使用的Perl所有匹配,替换所有出现如果提供最大匹配。这个方法将返回修改后的字符串。
例子
下面是一个例子:#!/usr/bin/python import re phone = "2004-959-559 # This is Phone Number" # Delete Python-style comments num = re.sub(r'#.*$', "", phone) print "Phone Num : ", num # Remove anything other than digits num = re.sub(r'\D', "", phone) print "Phone Num : ", num
当执行上面的代码,产生以下结果:
Phone Num : 2004-959-559 Phone Num : 2004959559
正则表达式修饰符 - 选项标志
正则表达式字面可以包含一个可选的修饰符来控制匹配的各个方面。修饰符被指定为一个可选的标志。可以使用异或提供多个修饰符(|),如先前所示,并且可以由这些中的一个来表示:修辞符 | 描述 |
---|---|
re.I | 执行不区分大小写的匹配。 |
re.L | 根据当前的语言环境解释词组。这种解释影响字母组(\w和\W),以及单词边界的行为(\b和\B) |
re.M | 使$匹配一行(串的不只是端部)的尾部,使^匹配的行(串不只是开始)的开始 |
re.S | 使一个句号(点)匹配任何字符,包括换行符 |
re.U | 根据Unicode字符集解释的字母。这个标志会影响\w, \W, \b, \B的行为。 |
re.X | 许可证“cuter”正则表达式语法。它忽略空格(除了一组[]或当用一个反斜杠转义内),并把转义#作为注释标记 |
正则表达式模式:
除了控制字符(+ ? . * ^ $ ( ) [ ] { } | \),所有字符匹配自己。可以通过用反斜杠前就转义控制字符。下表列出了Python中可用正则表达式语法:
模式 | 描述 |
---|---|
^ | 匹配的开始的 |
$ | 匹配行尾 |
. | 匹配除换行符的任何单个字符。使用-m选项允许其匹配换行符也是如此。 |
[...] | 匹配括号内任何单个字符 |
[^...] | 匹配任何单个字符不在括号中 |
re* | 匹配0个或多个匹配前面表达式。 |
re+ | 匹配1个或多个先前出现的表达式。 |
re? | 匹配0或1前面出现的表达式。 |
re{ n} | 精确匹配n个前面表达式的数量。 |
re{ n,} | 匹配n或多次出现上述表达式。 |
re{ n, m} | 匹配至少n次和前面表达式的大多数出现m次。 |
a| b | 匹配a或b。 |
(re) | 组正则表达式并记住匹配的文本。 |
(?imx) | 暂时切换上 i, m 或 x正则表达式的选项。如果括号中,仅该区域受到影响。 |
(?-imx) | 暂时关闭切换 i, m, 或 x 正则表达式的选项。如果括号中,仅该区域受到影响。 |
(?: re) | 组正则表达式而不匹配的记住文字。 |
(?imx: re) | 暂时切换上i, m, 或 x 括号内的选项。 |
(?-imx: re) | 暂时关闭切换i, m, 或 x 括号内的选项。 |
(?#...) | 注释 |
(?= re) | 指定使用的模式位置,没有一个范围。 |
(?! re) | 指定使用模式取反位置,没有一个范围。 |
(?> re) | 匹配独立的模式而不反向追踪。 |
\w | 匹配单词字符。 |
\W | 匹配非单词字符 |
\s | 匹配的空白,等价于[\ t\ñ\ r\ F] |
\S | 匹配非空白 |
\d | 匹配的数字。等价于[0-9] |
\D | 匹配非数字 |
\A | 匹配字符串的开始 |
\Z | 匹配字符串的结尾。如果一个换行符的存在,它只是换行之前匹配 |
\z | 匹配字符串的结尾 |
\G | 匹配点,最后一次匹配结束 |
\b | 匹配单词边界之外时,括号内。匹配退格键(0×08),括号里面的时候 |
\B | 匹配非单词边界 |
\n, \t, etc. | 匹配换行符,回车符,制表符等 |
\1...\9 | 匹配第n个分组的子表达式。 |
\10 | 匹配,如果它已经匹配第n个分组的子表达式。否则指的是一个字符码的八进制表示。 |
正则表达式的例子
文字字符:
示例 | 描述 |
---|---|
python | 匹配 "python". |
字符类:
示例 | 描述 |
---|---|
[Pp]ython | 匹配 "Python" 或 "python" |
rub[ye] | 匹配 "ruby" 或 "rube" |
[aeiou] | 匹配任何一个小写元音 |
[0-9] | 匹配任何数字;如果[0123456789] |
[a-z] | 匹配任何小写ASCII的字母 |
[A-Z] | 匹配任何大写的ASCII字母 |
[a-zA-Z0-9] | 匹配任何上述的 |
[^aeiou] | 匹配任何不是小写元音 |
[^0-9] | 匹配任何非数字 |
特殊字符类:
示例 | 描述 |
---|---|
. | 匹配除换行符外的任何字符 |
\d | 匹配一个数字:[0-9] |
\D | 匹配一个非数字:[^0-9] |
\s | 匹配一个空白字符:[\ t\ r\ñ\ F] |
\S | 匹配非空白:[^\ t\ r\ñ\ F] |
\w | 匹配一个单词字符:[A-ZA-Z0-9 _] |
\W | 匹配非单词字符:[^ A-ZA-Z0-9 _] |
重复案例:
示例 | 描述 |
---|---|
ruby? | 匹配“rub”或“ruby”:y是可选的 |
ruby* | 匹配“rub”加上0个或多个ys |
ruby+ | 匹配“rub”加上1个或多个ys |
\d{3} | 完全匹配3个数字 |
\d{3,} | 完全匹配3个及以上的数字 |
\d{3,5} | 匹配3,4或5个数字 |
非贪婪的重复:
匹配最小重复次数:示例 | 描述 |
---|---|
<.*> | 贪婪的重复:匹配“<python>perl>” |
<.*?> | 非贪婪:匹配“<python>”,在“<python>perl>” |
分组使用括号:
示例 | 描述 |
---|---|
\D\d+ | 不分组:+重复\d |
(\D\d)+ | 分组:+重复\D\d对 |
([Pp]ython(, )?)+ | 匹配“Python”,“Python, python, python”等。 |
反向引用:
再次匹配先前匹配的组:示例 | 描述 |
---|---|
([Pp])ython&\1ails | 匹配python&pails或Python&Pails |
(['"])[^\1]*\1 | 单或双引号字符串。 \1匹配第一组匹配。 \2匹配第二组匹配等等。 |
替代方案:
示例 | 描述 |
---|---|
python|perl | 匹配"python" 或 "perl" |
rub(y|le)) | 匹配 "ruby" 或 "ruble" |
Python(!+|\?) | “Python”后跟一个或多个!或者一个? |
锚点:
需要指定匹配位置示例 | 描述 |
---|---|
^Python | 匹配“Python”在一个字符串或内部行的开始 |
Python$ | 匹配“巨蟒”的字符串或行尾 |
\APython | 匹配“Python”在字符串的开始 |
Python\Z | 匹配“Python”在字符串的结尾 |
\bPython\b | 匹配“Python”在字边界 |
\brub\B | \B非单词的边界:匹配“rub”,“rube”和“ruby”,但并不单独 |
Python(?=!) | 匹配“Python”,如果后面的感叹号 |
Python(?!!) | 匹配“Python”,如果后面不是感叹号 |
特殊的语法用圆括号:
示例 | 描述 |
---|---|
R(?#comment) | 符合“R”。其余全是注释 |
R(?i)uby | 当匹配“uby”时,不区分大小写 |
R(?i:uby) | 与上述相同 |
rub(?:y|le)) | 只有组,而无需创建\1反向引用 |
本站文章除注明转载外,均为本站原创或编译
欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创优秀实例教程
转载请注明:文章转载自:易百教程 [http:/www.yiibai.com]
本文标题:Python正则表达式
本文地址:http://www.yiibai.com/python/python_reg_expressions.html
相关文章推荐
- python 相关操作
- JS+Python(ajax+json)例子
- 用Python写一个乒乓球类的游戏
- Python中for循环控制语句用法实例
- python2.7.8在windows下安装numpy,scipy,matplotlib
- Python学习系列(三 )--- 全局变量
- python的GUI编程之Tkinter
- Scikit Learn: 在python中机器学习
- python读取中文字符编码问题
- python 保存ipython的内存中的变量以便下次启动时使用
- python中如何定义类
- Python游戏编程笔记_BGDwPaP_0301
- python xy
- python学习笔记
- Python文件之----XML
- 从底层理解Python的执行
- Kivy UrlRequest 与 Python unicode 以及 json
- Python Show-Me-the-Code 第 0021题 密码加密
- Python中for循环控制语句用法实例
- python实现的文件同步服务器实例