Python正则表达式re模块简明笔记.docx
- 文档编号:28838231
- 上传时间:2023-07-20
- 格式:DOCX
- 页数:16
- 大小:405.73KB
Python正则表达式re模块简明笔记.docx
《Python正则表达式re模块简明笔记.docx》由会员分享,可在线阅读,更多相关《Python正则表达式re模块简明笔记.docx(16页珍藏版)》请在冰豆网上搜索。
Python正则表达式re模块简明笔记
Python正则表达式re模块简明笔记
Python正则表达式re模块简明笔记
要注意的是,正则表达式并不是一个程序,而是用于处理字符串的一种模式,如果你想用它来处理字符串,就必须使用支持正则表达式的工具,比如Linux中的awk,sed,grep,或者编程语言Perl,Python,Java等等。
作者:
FunHacks来源:
FunHacks|2016-12-2811:
20
收藏
分享
简介
正则表达式(regularexpression)是可以匹配文本片段的模式。
最简单的正则表达式就是普通字符串,可以匹配其自身。
比如,正则表达式‘hello’可以匹配字符串‘hello’。
要注意的是,正则表达式并不是一个程序,而是用于处理字符串的一种模式,如果你想用它来处理字符串,就必须使用支持正则表达式的工具,比如Linux中的awk,sed,grep,或者编程语言Perl,Python,Java等等。
正则表达式有多种不同的风格,下表列出了适用于Python或Perl等编程语言的部分元字符以及说明:
re模块
在Python中,我们可以使用内置的re模块来使用正则表达式。
有一点需要特别注意的是,正则表达式使用 \ 对特殊字符进行转义,比如,为了匹配字符串‘python.org’,我们需要使用正则表达式 'python\.org',而Python的字符串本身也用 \ 转义,所以上面的正则表达式在Python中应该写成 'python\\.org',这会很容易陷入 \ 的困扰中,因此,我们建议使用Python的原始字符串,只需加一个r前缀,上面的正则表达式可以写成:
r'python\.org'
re模块提供了不少有用的函数,用以匹配字符串,比如:
∙compile函数
∙match函数
∙search函数
∙findall函数
∙finditer函数
∙split函数
∙sub函数
∙subn函数
re模块的一般使用步骤如下:
∙使用compile函数将正则表达式的字符串形式编译为一个Pattern对象
∙通过Pattern对象提供的一系列方法对文本进行匹配查找,获得匹配结果(一个Match对象)
∙最后使用Match对象提供的属性和方法获得信息,根据需要进行其他的操作
compile函数
compile函数用于编译正则表达式,生成一个Pattern对象,它的一般使用形式如下:
pile(pattern[,flag])
其中,pattern是一个字符串形式的正则表达式,flag是一个可选参数,表示匹配模式,比如忽略大小写,多行模式等。
下面,让我们看看例子。
importre
#将正则表达式编译成Pattern对象
pattern=pile(r'\d+')
在上面,我们已将一个正则表达式编译成Pattern对象,接下来,我们就可以利用pattern的一系列方法对文本进行匹配查找了。
Pattern对象的一些常用方法主要有:
∙match方法
∙search方法
∙findall方法
∙finditer方法
∙split方法
∙sub方法
∙subn方法
match方法
>>>m=pattern.search('one12twothree34four') #这里如果使用match方法则不匹配
>>>m
<_sre.SRE_Matchobjectat0x10cc03ac0>
>>>m.group()
'12'
>>>m=pattern.search('one12twothree34four',10,30) #指定字符串区间
>>>m
<_sre.SRE_Matchobjectat0x10cc03b28>
>>>m.group()
'34'
>>>m.span()
(13,15)
再来看一个例子:
#-*-coding:
utf-8-*-
importre
#将正则表达式编译成Pattern对象
pattern=pile(r'\d+')
#使用search()查找匹配的子串,不存在匹配的子串时将返回None
#这里使用match()无法成功匹配
m=pattern.search('hello123456789')
ifm:
#使用Match获得分组信息
print'matchingstring:
',m.group()
print'position:
',m.span()
执行结果:
matchingstring:
123456
position:
(6,12)
findall方法
上面的match和search方法都是一次匹配,只要找到了一个匹配的结果就返回。
然而,在大多数时候,我们需要搜索整个字符串,获得所有匹配的结果。
findall方法的使用形式如下:
findall(string[,pos[,endpos]])
其中,string是待匹配的字符串,pos和endpos是可选参数,指定字符串的起始和终点位置,默认值分别是0和len(字符串长度)。
findall以列表形式返回全部能匹配的子串,如果没有匹配,则返回一个空列表。
看看例子:
importre
pattern=pile(r'\d+') #查找数字
result1=pattern.findall('hello123456789')
result2=pattern.findall('one1two2three3four4',0,10)
printresult1
printresult2
执行结果:
['123456','789']
['1','2']
finditer方法
finditer方法的行为跟findall的行为类似,也是搜索整个字符串,获得所有匹配的结果。
但它返回一个顺序访问每一个匹配结果(Match对象)的迭代器。
看看例子:
#-*-coding:
utf-8-*-
importre
pattern=pile(r'\d+')
result_iter1=pattern.finditer('hello123456789')
result_iter2=pattern.finditer('one1two2three3four4',0,10)
printtype(result_iter1)
printtype(result_iter2)
print'result1...'
form1inresult_iter1:
#m1是Match对象
print'matchingstring:
{},position:
{}'.format(m1.group(),m1.span())
print'result2...'
form2inresult_iter2:
print'matchingstring:
{},position:
{}'.format(m2.group(),m2.span())
执行结果:
result1...
matchingstring:
123456,position:
(6,12)
matchingstring:
789,position:
(13,16)
result2...
matchingstring:
1,position:
(3,4)
matchingstring:
2,position:
(7,8)
split方法
split方法按照能够匹配的子串将字符串分割后返回列表,它的使用形式如下:
split(string[,maxsplit])
其中,maxsplit用于指定最大分割次数,不指定将全部分割。
看看例子:
importre
p=pile(r'[\s\,\;]+')
printp.split('a,b;;c d')
执行结果:
['a','b','c','d']
sub方法
sub方法用于替换。
它的使用形式如下:
sub(repl,string[,count])
其中,repl可以是字符串也可以是一个函数:
∙如果repl是字符串,则会使用repl去替换字符串每一个匹配的子串,并返回替换后的字符串,另外,repl还可以使用 \id 的形式来引用分组,但不能使用编号0;
∙如果repl是函数,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。
看看例子:
importre
p=pile(r'(\w+)(\w+)')
s='hello123,hello456'
deffunc(m):
return'hi'+''+m.group
(2)
printp.sub(r'helloworld',s) #使用'helloworld'替换'hello123'和'hello456'
printp.sub(r'\2\1',s) #引用分组
printp.sub(func,s)
printp.sub(func,s,1) #最多替换一次
执行结果:
helloworld,helloworld
123hello,456hello
hi123,hi456
hi123,hello456
subn方法
subn方法跟sub方法的行为类似,也用于替换。
它的使用形式如下:
subn(repl,string[,count])
它返回一个元组:
(sub(repl,string[,count]),替换次数)
元组有两个元素,第一个元素是使用sub方法的结果,第二个元素返回原字符串被替换的次数。
看看例子:
importre
p=pile(r'(\w+)(\w+)')
s='hello123,hello456'
deffunc(m):
return'hi'+''+m.group
(2)
printp.subn(r'helloworld',s)
printp.subn(r'\2\1',s)
printp.subn(func,s)
printp.subn(func,s,1)
执行结果:
('helloworld,helloworld',2)
('123hello,456hello',2)
('hi123,hi456',2)
('hi123,hello456',1)
其他函数
事实上,使用compile函数生成的Pattern对象的一系列方法跟re模块的多数函数是对应的,但在使用上有细微差别。
match函数
match函数的使用形式如下:
re.match(pattern,string[,flags]):
其中,pattern是正则表达式的字符串形式,比如 \d+, [a-z]+。
而Pattern对象的match方法使用形式是:
match(string[,pos[,endpos]])
可以看到,match函数不能指定字符串的区间,它只能搜索头部,看看例子:
importre
m1=re.match(r'\d+','One12twothree34four')
ifm1:
print'matchingstring:
',m1.group()
else:
print'm1is:
',m1
m2=re.match(r'\d+','12twothree34four')
ifm2:
print'matchingstring:
',m2.group()
else:
print'm2is:
',m2
执行结果:
m1is:
None
matchingstring:
12
search函数
search函数的使用形式如下:
re.search(pattern,string[,flags])
search函数不能指定字符串的搜索区间,用法跟Pattern对象的search方法类似。
findall函数
findall函数的使用形式如下:
re.findall(pattern,string[,flags])
findall函数不能指定字符串的搜索区间,用法跟Pattern对象的findall方法类似。
看看例子:
importre
printre.findall(r'\d+','hello12345789')
#输出
['12345','789']
finditer函数
finditer函数的使用方法跟Pattern的finditer方法类似,形式如下:
re.finditer(pattern,string[,flags])
split函数
split函数的使用形式如下:
re.split(pattern,string[,maxsplit])
sub函数
sub函数的使用形式如下:
re.sub(pattern,repl,string[,count])
subn函数
subn函数的使用形式如下:
re.subn(pattern,repl,string[,count])
到底用哪种方式
从上文可以看到,使用re模块有两种方式:
∙使用pile函数生成一个Pattern对象,然后使用Pattern对象的一系列方法对文本进行匹配查找;
∙直接使用re.match,re.search和re.findall等函数直接对文本匹配查找;
下面,我们用一个例子展示这两种方法。
先看第1种用法:
importre
#将正则表达式先编译成Pattern对象
pattern=pile(r'\d+')
printpattern.match('123,123')
printpattern.search('234,234')
printpattern.findall('345,345')
再看第2种用法:
importre
printre.match(r'\d+','123,123')
printre.search(r'\d+','234,234')
printre.findall(r'\d+','345,345')
如果一个正则表达式需要用到多次(比如上面的 \d+),在多种场合经常需要被用到,出于效率的考虑,我们应该预先编译该正则表达式,生成一个Pattern对象,再使用该对象的一系列方法对需要匹配的文件进行匹配;而如果直接使用re.match,re.search等函数,每次传入一个正则表达式,它都会被编译一次,效率就会大打折扣。
因此,我们推荐使用第1种用法。
匹配中文
在某些情况下,我们想匹配文本中的汉字,有一点需要注意的是,中文的unicode编码范围 主要在 [\u4e00-\u9fa5],这里说主要是因为这个范围并不完整,比如没有包括全角(中文)标点,不过,在大部分情况下,应该是够用的。
假设现在想把字符串 title=u'你好,hello,世界' 中的中文提取出来,可以这么做:
#-*-coding:
utf-8-*-
importre
title=u'你好,hello,世界'
pattern=pile(ur'[\u4e00-\u9fa5]+')
result=pattern.findall(title)
printresult
注意到,我们在正则表达式前面加上了两个前缀 ur,其中 r 表示使用原始字符串,u 表示是unicode字符串。
执行结果:
[u'\u4f60\u597d',u'\u4e16\u754c']
贪婪匹配
在Python中,正则匹配默认是贪婪匹配(在少数语言中可能是非贪婪),也就是匹配尽可能多的字符。
比如,我们想找出字符串中的所有 div 块:
importre
content='aa
pattern=pile(r'
result=pattern.findall(content)
printresult
执行结果:
['
由于正则匹配是贪婪匹配,也就是尽可能多的匹配,因此,在成功匹配到第一个
如果我们想非贪婪匹配,可以加一个 ?
,如下:
importre
content='aa
pattern=pile(r'
result=pattern.findall(content)
printresult
结果:
['
小结
re模块的一般使用步骤如下:
∙使用compile函数将正则表达式的字符串形式编译为一个Pattern对象;
∙通过Pattern对象提供的一系列方法对文本进行匹配查找,获得匹配结果(一个Match对象);
∙最后使用Match对象提供的属性和方法获得信息,根据需要进行其他的操作;
Python的正则匹配默认是贪婪匹配。
【编辑推荐】
1.干货分享:
Python开发的高级技巧
2.Python内存问题:
提示和技巧
3.盘点十大隐藏在Python中的彩蛋
4.Python爬虫爬取美剧网站
5.Python程序员都该用的一个库
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Python 正则 表达式 re 模块 简明 笔记