python 正则表达式

本文转自：http://blog.chinaunix.net/uid-29308108-id-3994517.html

Python支持正则表达式功能。正则表达式是一种专门的语言，用来对字符串进行处理。



正则表达式的基本功能是定义字符串模式，在被处理的字符串中识别特定的目标字符串。



正则表达式的语法



语法包含以下几个方面



1. 匹配的对象

. --任意一个字符

[] --字符集合中的任意元素，例：[abce], [a-zA-Z0-9], [^a-z]

[转载自好日子心水http://bct5407.com]

\d -- decimal 数字

\w -- 字母、数字

\s -- any whitespace

\b -- empty string

以上这些字符为大写时，逻辑取反。





2. 出现的位置

^, \A -- 字符串起始位置

$, \Z -- 字符串结束位置



3. 重复的次数

* -- 0 或者任意多次

+ -- 1 或者任意多次

? -- 0 或 1次

{m}, {m,n} -- 指定的次数，m次，或者从m到n次



上面符号默认是greedy模式，会尽可能多的匹配字符。后面增加？后，将使用non-greedy匹配模式，比如：*?, +?, ??, {m}?



4. 群组（group）的定义

对于匹配上的字符串，如果要进行引用，需要使用组。



() -- 定义组

\number -- 引用组

(?P<name>) -- 定义组的名字

(?P=<name>) -- 通过组名字引用组



5. 扩展定义

(?...) -- 这种格式是对正则表达式的各类扩展



(?=...), (?!...) -- lookahead assertion

(?<=...), (?<!...) -- negative lookahead assertion



正则表达式应用举例



[a-z]{5} -- 任意5个字符

(\w+)-?(\w+) -- 匹配这样的字符串：xxx-yyy, 或者xxxyyy



Python的操作



* Python中支持两种查找方式：

match -- 只在字符串开始位置进行匹配

search -- 在字符串任意位置进行匹配



* 两种使用正则表达式的方法：

1) 直接通过re使用

2) compile正则表达式，生成 RegexObject 对象，通过该对象进行查找操作

[http://sevo-e.com]

* 支持的操作：

match

search

split

findall

sub



* 对匹配结果的处理

如果能够搜索到，将反馈 MatchObject 对象，通过该对象可以访问搜索结果信息，主要有：

1) 通过group引用匹配上的字符串；

2) 匹配字符串的位置信息；

本文转自：http://www.cnblogs.com/sevenyuan/archive/2010/12/06/1898075.html

re.match

　　re.match 尝试从字符串的开始匹配一个模式，如：下面的例子匹配第一个单词。

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的函数原型为：re.match(pattern, string, flags)

第一个参数是正则表达式，这里为"(\w+)\s"，如果匹配成功，则返回一个Match，否则返回一个None；
第二个参数表示要匹配的字符串；
第三个参数是标致位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

re.search

　　re.search函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回，如果字符串没有匹配，则返回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的函数原型为： re.search(pattern, string, flags)

每个参数的含意与re.match一样。
re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

re.sub

　　re.sub用于替换字符串中的匹配项。下面一个例子将字符串中的空格 ' ' 替换成 '-' :

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

re.sub的函数原型为：re.sub(pattern, repl, string, count)

其中第二个函数是替换后的字符串；本例中为'-'
第四个参数指替换个数。默认为0，表示每个匹配项都替换。
re.sub还允许使用函数对匹配项的替换进行复杂的处理。如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；将字符串中的空格' '替换为'[ ]'。

re.split

　　可以使用re.split来分割字符串，如：re.split(r'\s+', text)；将字符串按空格分割成一个单词列表。

re.findall

　　re.findall可以获取字符串中所有匹配的字符串。如：re.findall(r'\w*oo\w*', text)；获取字符串中，包含'oo'的所有单词。

re.compile

　　可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。下面是一个正则表达式对象的一个例子：