Python正则表达式中的 compile,search,group,groups 函数的简单说明

Python正则表达式中的 compile,search,group,groups 函数的简单说明

2013年12月04日 ⁄ 综合 ⁄ 共 306字 ⁄ 字号 小 中 大 ⁄ 评论关闭

<iframe id="iframeu1788635_0" src="http://pos.baidu.com/jcsm?rdid=1788635&dc=2&di=u1788635&dri=0&dis=0&dai=2&ps=236x1186&dcb=BAIDU_SSP_define&dtm=BAIDU_DUP_SETJSONADSLOT&dvi=0.0&dci=-1&dpt=none&tsr=0&tpr=1467184976401&ti=Python%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E4%B8%AD%E7%9A%84%20compile%2Csearch%2Cgroup%2Cgroups%20%E5%87%BD%E6%95%B0%E7%9A%84%E7%AE%80%E5%8D%95%E8%AF%B4%E6%98%8E%20%7C%20%E5%AD%A6%E6%AD%A5%E5%9B%AD&ari=1&dbv=2&drs=1&pcs=1920x951&pss=1920x256&cfv=0&cpl=5&chi=1&cce=true&cec=UTF-8&tlm=1467184976&rw=951&ltu=http%3A%2F%2Fwww.xuebuyuan.com%2F1537257.html&ltr=https%3A%2F%2Fwww.baidu.com%2Flink%3Furl%3DaaaHCH3u7r9fXco4zM4XsXI2KahntPv1RSIgpVetbomxPI6ajFWN6xXpIKVpc3KL%26wd%3D%26eqid%3Dac43dd07000636af0000000357737746&ecd=1&psr=1920x1080&par=1920x1080&pis=-1x-1&ccd=24&cja=false&cmi=7&col=zh-CN&cdo=-1&tcn=1467184977&qn=b71d7763a4d1d7a1&tt=1467184976361.159.359.361" width="336" height="280" align="center,center" vspace="0" hspace="0" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" allowtransparency="true" style="margin: 0px; padding: 0px; border-width: 0px; border-style: initial; vertical-align: bottom; background: transparent;"></iframe>

以此为例：regex = re.compile('\((.*)\)')

里面嵌套的那对括号是用于识别group的，所以至多有group(1)；

compile是编译正则表达式，生成pattern对象；

pattern.search(S)就是在字符串S中寻找匹配之前生成pattern的子串；

而group和groups是两个不同的函数：

一般，m.group(N) 返回第N组括号匹配的字符。

而m.group() == m.group(0) == 所有匹配的字符，与括号无关，这个是API规定的。

m.groups() 返回所有括号匹配的字符，以tuple格式。

m.groups() == (m.group(1), m.group(2), ...)

在 http://docs.python.org/library/re.htm...

看到

m = re.match(r"(..)+", "a1b2c3")  # Matches 3 times.
m.group(1)                        # Returns only the last match.
'c3'

m.group(0)
'a1b2c3'

m.groups()
('c3',)

注意到pattern中的+,应该是匹配偶数个字符.

1.首先是match的问题.match是从开头匹配,为什么会匹配到c3呢?

2.group(0)是整个匹配项,为什么groups()中没有呢?

2011年09月11日提问
评论

邀请回答

默认排序时间排序

3 个回答

答案对人有帮助，有参考价值
1
答案没帮助，是错误的答案，答非所问

采纳

1) 从group的角度考虑，整个表达式应该写作((..)+)。所以最高一层group(0)匹配整个字符串。

2) 先说第二个问题，按照文档的描述的行为，group()是列出从编号1开始的所有group，而给定的表达式只有一个group，所以自然就是c3了

3) 好，最后是为什么group(1)是c3。如果你的正则表达式没有那个“+”，那么它就只匹配a1。而有了“+”之后，每匹配到一个“(..)”就会放到group(1)中。所以跑完整个字符串，group(1)就存进了c3
我猜你其实想问“字符串中明明有三个符合(..)的，但为什么只出现了最后一个呢？”原因是，group说的是正则表达式中的括号，而不是字符串中符合括号内pattern的子串。

encode 函数

def py_encode_basestring_ascii(s):

"""Return an ASCII-only JSON representation of a Python string

"""

if isinstance(s, str) and HAS_UTF8.search(s) is not None:

s = s.decode('utf-8')

def replace(match):

s = match.group(0)

try:

return ESCAPE_DCT[s]

except KeyError:

n = ord(s)

if n < 0x10000:

return '\\u{0:04x}'.format(n)

#return '\\u%04x' % (n,)

else:

# surrogate pair

n -= 0x10000

s1 = 0xd800 | ((n >> 10) & 0x3ff)

s2 = 0xdc00 | (n & 0x3ff)

return '\\u{0:04x}\\u{1:04x}'.format(s1, s2)

#return '\\u%04x\\u%04x' % (s1, s2)

return '"' + str(ESCAPE_ASCII.sub(replace, s)) + '"'

可见输出json_dumps(ensure_asscii=false)输出的是utf-16形式的字符串

python 中

类似 直接先转换成utf-16 全部显示成\\u格式 (包括<=127）区别php

php中(json.c)文件

首先转换为utf-16编码 unsigned short *a[]

如果某个元素<=127 则直接append到output中

否则 一律\\u..输出 意味着 utf-16字符集存储编码中 单个word可能输出\u 或者 asscii字符，两个word（110110 110111后跟10位）一定大于127 必然输出 \\u格式