python 正则表达式
2015-12-16 21:53
495 查看
. 匹配任意除换行符"\n"外的字符。在DOTALL模式中也能匹配换行符
\b 匹配\w和\W之间
\B [^\b]
非贪婪模式:
*? 重复任意次,但尽可能少重复
+? 重复1次或者更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n次到m次,但尽可能少重复
{n,}? 重复n次以上但尽可能少重复
(?P<name>..) 分组,除了原有的编号外再指定一个额外的别名
\number 引用编号为number的分组匹配到的字符串
(?P=name) 引用别名为name的分组匹配到的字符串
(?:...) 不分组版本
(?=...)
(?!...)
(?<=...)
(?<!....)
Pattern对象:
import re
pattern = re.compile(r'\d+')
Pattern对象的方法有:
match(string) 或者re.match(pattern, string)
search(string) 或者 re.match(pattern, string)
上面两个方法返回Match对象。
split(string) | re.split(pattern, string)
findall(string) | re.findall(pattern, string)
finditer(string) | re.finditer(pattern, string) 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
sub(repl, string) | re.sub(pattern, repl, string)
Match对象:
方法有:
group()
groups()
groupdict()
re.findall(r'^.*(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #['ing']
re.findall(r'^.*(?:ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #['precessing']
re.findall(r'^(.*)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #[('precess', 'ing')]
re.findall(r'^(.*)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'processes') # [('processe', 's')] *是贪婪的 贪婪模式
re.findall(r'^(.*?)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'processes') # [('process', 'es')] 使用非贪婪的*操作符 *?
很多单词里包含hi这两个连续的字符。比如him,history,high等等,用hi来查找的话,这里边的hi也会被找出来。如果要精确地查找hi这个单词的话,我们应该使用
\bhi\b
\b是正则表达式规定的一个特殊代码,代表着单词的开头或结尾。虽然通常英文的单词是由空格,标点符号或者换行来分割,但是\b并不匹配这些单词分隔符中的任何一个,它只匹配一个位置。
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:
1.string: 匹配时使用的文本。
2.re: 匹配时使用的Pattern对象。
3.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。
4.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。
5.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。
6.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:
1.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。
2.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。
3.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。
4.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。
5.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。
6.span([group]):
返回(start(group),
end(group))。
7.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、\g引用分组,但不能使用编号0。\id与\g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\g0。
# 匹配如下内容:单词+空格+单词+任意字符
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():", m.group()
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'\g \g\g'):", m.expand(r'\2 \1\3')
### output ###
# m.string: hello world!
# m.re:
# 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 \1\3'): world hello!
search方法与match()方法极其类似,区别在于match()函数只检测re是不是在string的开始位置匹配,search()会扫描整个string查找,match()只有在0位置匹配成功的话才有返回,如果不是开始位置匹配成功的话,match()就返回None。
pattern = re.compile(r'world')
match = re.search(pattern, 'hello world!')
if match:
print match.group()
re.split(pattern, string[, maxsplit])
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
pattern = re.compile(r'\d+')
print re.split(pattern, 'one1two2three3four4')
re.findall(pattern, string[,flags]) 搜索string,以列表形式返回全部能匹配的子串。
re.finditer(pattern, string[, flags]) 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。
for m in re.finditer(pattern, 'one1two2three3four4'):
print m.group()
re.sub(pattern, repl, string[, count])
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(返回的字符串不能再引用分组)
print re.sub(pattern, r'\2 \1', s)
def func(m):
return m.group(1).title() + ' '+m.group(2).title()
print re.sub(pattern, func, s)
re.subn(pattern, repl, string[, counts])
返回(sub(pattern, repl, string[, count]), 替换次数)
print re.subn(pattern, r'\2 \1', s)
def func(m):
return m.group(1).title() + ' '+m.group(2).title()
print re.subn(pattern, func, s)
\b 匹配\w和\W之间
\B [^\b]
非贪婪模式:
*? 重复任意次,但尽可能少重复
+? 重复1次或者更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n次到m次,但尽可能少重复
{n,}? 重复n次以上但尽可能少重复
(?P<name>..) 分组,除了原有的编号外再指定一个额外的别名
\number 引用编号为number的分组匹配到的字符串
(?P=name) 引用别名为name的分组匹配到的字符串
(?:...) 不分组版本
(?=...)
(?!...)
(?<=...)
(?<!....)
Pattern对象:
import re
pattern = re.compile(r'\d+')
Pattern对象的方法有:
match(string) 或者re.match(pattern, string)
search(string) 或者 re.match(pattern, string)
上面两个方法返回Match对象。
split(string) | re.split(pattern, string)
findall(string) | re.findall(pattern, string)
finditer(string) | re.finditer(pattern, string) 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
sub(repl, string) | re.sub(pattern, repl, string)
Match对象:
方法有:
group()
groups()
groupdict()
re.findall(r'^.*(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #['ing']
re.findall(r'^.*(?:ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #['precessing']
re.findall(r'^(.*)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #[('precess', 'ing')]
re.findall(r'^(.*)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'processes') # [('processe', 's')] *是贪婪的 贪婪模式
re.findall(r'^(.*?)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'processes') # [('process', 'es')] 使用非贪婪的*操作符 *?
很多单词里包含hi这两个连续的字符。比如him,history,high等等,用hi来查找的话,这里边的hi也会被找出来。如果要精确地查找hi这个单词的话,我们应该使用
\bhi\b
\b是正则表达式规定的一个特殊代码,代表着单词的开头或结尾。虽然通常英文的单词是由空格,标点符号或者换行来分割,但是\b并不匹配这些单词分隔符中的任何一个,它只匹配一个位置。
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:
1.string: 匹配时使用的文本。
2.re: 匹配时使用的Pattern对象。
3.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。
4.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。
5.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。
6.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:
1.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。
2.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。
3.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。
4.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。
5.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。
6.span([group]):
返回(start(group),
end(group))。
7.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、\g引用分组,但不能使用编号0。\id与\g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\g0。
# 匹配如下内容:单词+空格+单词+任意字符
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():", m.group()
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'\g \g\g'):", m.expand(r'\2 \1\3')
### output ###
# m.string: hello world!
# m.re:
# 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 \1\3'): world hello!
search方法与match()方法极其类似,区别在于match()函数只检测re是不是在string的开始位置匹配,search()会扫描整个string查找,match()只有在0位置匹配成功的话才有返回,如果不是开始位置匹配成功的话,match()就返回None。
pattern = re.compile(r'world')
match = re.search(pattern, 'hello world!')
if match:
print match.group()
re.split(pattern, string[, maxsplit])
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
pattern = re.compile(r'\d+')
print re.split(pattern, 'one1two2three3four4')
re.findall(pattern, string[,flags]) 搜索string,以列表形式返回全部能匹配的子串。
re.finditer(pattern, string[, flags]) 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。
for m in re.finditer(pattern, 'one1two2three3four4'):
print m.group()
re.sub(pattern, repl, string[, count])
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(返回的字符串不能再引用分组)
print re.sub(pattern, r'\2 \1', s)
def func(m):
return m.group(1).title() + ' '+m.group(2).title()
print re.sub(pattern, func, s)
re.subn(pattern, repl, string[, counts])
返回(sub(pattern, repl, string[, count]), 替换次数)
print re.subn(pattern, r'\2 \1', s)
def func(m):
return m.group(1).title() + ' '+m.group(2).title()
print re.subn(pattern, func, s)
相关文章推荐
- Python Excel操作之一
- python外部模块安装
- python 汉子转拼音库
- python爬虫实战之爬取知乎帖子
- python scrapy安装中的一点问题
- 电子邮件发送-python
- udp单播-广播-组播-python例子
- python-简单的makefile生成程序-没有注释
- 聚类算法(一):k-均值 (k-means)算法
- python(1)
- python之字符串格式化
- Python入门-1
- python --正则学习
- python函数的属性
- XGBoost:在Python中使用XGBoost
- 解决python3使用cx_Freeze打包成exe后不能运行
- Python基础教程 第5章: 条件、循环和其他语句 学习笔记
- python 日志记录
- 【Python 3】持久存储
- 用Python写的一个多线程机器人聊天程序