一篇搞定Python正則表達式

1. 正則表達式語法

1.1 字符與字符類
1 特殊字符:.^$?+*{}[]()|
以上特殊字符要想使用字面值,必須使用進行轉義
2 字符類
1. 包含在[]中的一個或者多個字符被稱為字符類,字符類在匹配時如果沒有指定量詞則只會匹配其中的一個。
2. 字符類內可以指定范圍,比如[a-zA-Z0-9]表示a到z,A到Z,0到9之間的任何一個字符
3. 左方括號后跟隨一個^,表示否定一個字符類,比如[^0-9]表示可以匹配一個任意非數字的字符。
4. 字符類內部,除了之外,其他特殊字符不再具備特殊意義,都表示字面值。^放在第一個位置表示否定,放在其他位置表示^本身,-放在中間表示范圍,放在字符類中的第一個字符,則表示-本身。

5. 字符類內部可以使用速記法,比如d s w
3 速記法
. 可以匹配除換行符之外的任何字符,如果有re.DOTALL標志,則匹配任意字符包括換行
d匹配一個Unicode數字,如果帶re.ASCII,則匹配0-9
D 匹配Unicode非數字
s匹配Unicode空白,如果帶有re.ASCII,則匹配 中的一個
S 匹配Unicode非空白
w匹配Unicode單詞字符,如果帶有re.ascii,則匹配[a-zA-Z0-9_]中的一個
W 匹配Unicode非單子字符

1.2 量詞
1. ?匹配前面的字符0次或1次
2. *匹配前面的字符0次或多次
3. +匹配前面的字符1次或者多次
4. {m}匹配前面表達式m次
5. {m,}匹配前面表達式至少m次
6. {,n}匹配前面的正則表達式最多n次
7. {m,n}匹配前面的正則表達式至少m次,最多n次
注意點:
以上量詞都是貪婪模式,會盡可能多的匹配,如果要改為非貪婪模式,通過在量詞后面跟隨一個?來實現

1.3 組與捕獲
1 ()的作用:
1. 捕獲()中正則表達式的內容以備進一步利用處理,可以通過在左括號后面跟隨?:來關閉這個括號的捕獲功能
2. 將正則表達式的一部分內容進行組合,以便使用量詞或者|
2 反響引用前面()內捕獲的內容:
1. 通過組號反向引用
每一個沒有使用?:的小括號都會分配一個組好,從1開始,從左到右遞增,可以通過i引用前面()內表達式捕獲的內容
2. 通過組名反向引用前面小括號內捕獲的內容
可以通過在左括號后面跟隨?P<name>,尖括號中放入組名來為一個組起一個別名,后面通過(?P=name)來引用 前面捕獲的內容。如(? P<word>w+)s+(?P=word)來匹配重復的單詞。
3 注意點:
反向引用不能放在字符類[]中使用。

1.4 斷言與標記
斷言不會匹配任何文本,只是對斷言所在的文本施加某些約束
1 常用斷言:
1. 匹配單詞的邊界,放在字符類[]中則表示backspace
2. B 匹配非單詞邊界,受ASCII標記影響
3. A 在起始處匹配
4. ^在起始處匹配,如果有MULTILINE標志,則在每個換行符后匹配
5. Z 在結尾處匹配
6. $在結尾處匹配,如果有MULTILINE標志,則在每個換行符前匹配
7. (?=e)正前瞻
8. (?!e)負前瞻
9. (?<=e)正回顧
10.(?<!e)負回顧
2 前瞻回顧的解釋
前瞻: exp1(?=exp2) exp1后面的內容要匹配exp2
負前瞻: exp1(?!exp2) exp1后面的內容不能匹配exp2
后顧: (?<=exp2)exp1 exp1前面的內容要匹配exp2
負后顧: (?<!exp2)exp1 exp1前面的內容不能匹配exp2
例如:我們要查找hello,但是hello后面必須是world,正則表達式可以這樣寫:”(hello)s+(?=world)”,用來匹配”hello wangxing”和”hello world”只能匹配到后者的hello

1.5 條件匹配
(?(id)yes_exp|no_exp):對應id的子表達式如果匹配到內容,則這里匹配yes_exp,否則匹配no_exp

1.6 正則表達式的標志
1. 正則表達式的標志有兩種使用方法
1. 通過給compile方法傳入標志參數,多個標志使用|分割的方法,如re.compile(r”#[da-f]{6}”, re.IGNORECASE|re.MULTILINE)
2. 通過在正則表達式前面添加(?標志)的方法給正則表達式添加標志,如(?ms)#[da-z]{6}
2. 常用的標志
re.A或者re.ASCII, 使 B s S w W d D都假定字符串為假定字符串為ASCII
re.I或者re.IGNORECASE使正則表達式忽略大小寫
re.M或者re.MULTILINE 多行匹配,使每個^在每個回車后,每個$在每個回車前匹配
re.S或者re.DOTALL 使.能匹配任意字符,包括回車
re.X或者re.VERBOSE 這樣可以在正則表達式跨越多行,也可以添加注釋,但是空白需要使用s或者[ ]來表示,因為默認的空白不再解釋。如:
re.compile(r”””
<imgs +)#標簽的開始
[^>]*?#不是src的屬性
src=#src屬性的開始
(?:
(?P<quote>[“‘])#左引號
(?P<image_name>[^>]+?)#圖片名字
(?P=quote)#右括號
“””,re.VERBOSE|re.IGNORECASE)

2. Python正則表達式模塊
 2.1 正則表達式處理字符串主要有四大功能
1. 匹配 查看一個字符串是否符合正則表達式的語法,一般返回true或者false
2. 獲取正則表達式來提取字符串中符合要求的文本
3. 替換查找字符串中符合正則表達式的文本,并用相應的字符串替換
4. 分割使用正則表達式對字符串進行分割。
2.2 Python中re模塊使用正則表達式的兩種方法
1. 使用re.compile(r, f)方法生成正則表達式對象,然后調用正則表達式對象的相應方法。這種做法的好處是生成正則對象之后可以多次使用。
2. re模塊中對正則表達式對象的每個對象方法都有一個對應的模塊方法,唯一不同的是傳入的第一個參數是正則表達式字符串。此種方法適合于只使用一次的正則表達式。
2.3 正則表達式對象的常用方法
1. rx.findall(s,start, end):
返回一個列表,如果正則表達式中沒有分組,則列表中包含的是所有匹配的內容,
如果正則表達式中有分組,則列表中的每個元素是一個元組,元組中包含子分組中匹配到的內容,但是沒有返回整個正則表達式匹配的內容
2. rx.finditer(s, start, end):
返回一個可迭代對象
對可迭代對象進行迭代,每一次返回一個匹配對象,可以調用匹配對象的group()方法查看指定組匹配到的內容,0表示整個正則表達式匹配到的內容
3. rx.search(s, start, end):
返回一個匹配對象,倘若沒匹配到,就返回None
search方法只匹配一次就停止,不會繼續往后匹配
4. rx.match(s, start, end):
如果正則表達式在字符串的起始處匹配,就返回一個匹配對象,否則返回None
5. rx.sub(x, s, m):
返回一個字符串。每一個匹配的地方用x進行替換,返回替換后的字符串,如果指定m,則最多替換m次。對于x可以使用/i或者/g<id>id可以是組名或者編號來引用捕獲到的內容。
模塊方法re.sub(r, x, s, m)中的x可以使用一個函數。此時我們就可以對捕獲到的內容推過這個函數進行處理后再替換匹配到的文本。
6. rx.subn(x, s, m):
與re.sub()方法相同,區別在于返回的是二元組,其中一項是結果字符串,一項是做替換的個數。
7. rx.split(s, m):分割字符串
返回一個列表
用正則表達式匹配到的內容對字符串進行分割
如果正則表達式中存在分組,則把分組匹配到的內容放在列表中每兩個分割的中間作為列表的一部分,如:
rx = re.compile(r”(d)[a-z]+(d)”)
s = “ab12dk3klj8jk9jks5”
result = rx.split(s)
返回[‘ab1’, ‘2’, ‘3’, ‘klj’, ‘8’, ‘9’, ‘jks5’]
8. rx.flags():正則表達式編譯時設置的標志
9. rx.pattern():正則表達式編譯時使用的字符串
 2.4 匹配對象的屬性與方法
01. m.group(g, …)
返回編號或者組名匹配到的內容,默認或者0表示整個表達式匹配到的內容,如果指定多個,就返回一個元組
02. m.groupdict(default)
返回一個字典。字典的鍵是所有命名的組的組名,值為命名組捕獲到的內容
如果有default參數,則將其作為那些沒有參與匹配的組的默認值。
03. m.groups(default)
返回一個元組。包含所有捕獲到內容的子分組,從1開始,如果指定了default值,則這個值作為那些沒有捕獲到內容的組的值
04. m.lastgroup()
匹配到內容的編號最高的捕獲組的名稱,如果沒有或者沒有使用名稱則返回None(不常用)
05. m.lastindex()
匹配到內容的編號最高的捕獲組的編號,如果沒有就返回None。
06. m.start(g):
當前匹配對象的子分組是從字符串的那個位置開始匹配的,如果當前組沒有參與匹配就返回-1
07. m.end(g)
當前匹配對象的子分組是從字符串的那個位置匹配結束的,如果當前組沒有參與匹配就返回-1
08. m.span()
返回一個二元組,內容分別是m.start(g)和m.end(g)的返回值
09. m.re()
產生這一匹配對象的正則表達式
10. m.string()
傳遞給match或者search用于匹配的字符串
11. m.pos()
搜索的起始位置。即字符串的開頭,或者start指定的位置(不常用)
12. m.endpos()
搜索的結束位置。即字符串的末尾位置,或者end指定的位置(不常用)
2.5 總結
1. 對于正則表達式的匹配功能,Python沒有返回true和false的方法,但可以通過對match或者search方法的返回值是否是None來判斷
2. 對于正則表達式的搜索功能,如果只搜索一次可以使用search或者match方法返回的匹配對象得到,對于搜索多次可以使用finditer方法返回的可迭代對象來迭代訪問
3. 對于正則表達式的替換功能,可以使用正則表達式對象的sub或者subn方法來實現,也可以通過re模塊方法sub或者subn來實現,區別在于模塊的sub方法的替換文本可以使用一個函數來生成
4. 對于正則表達式的分割功能,可以使用正則表達式對象的split方法,需要注意如果正則表達式對象有分組的話,分組捕獲的內容也會放到返回的列表中

作者:GreatAnt

來源:http://www.cnblogs.com/greatfish/p/7572131.html

相關新聞

聯系我們

400-080-6560

在線咨詢:點擊這里給我發消息

郵件:[email protected]

工作時間:周一至周日,09:00-18:30

QR code
云南快乐10分开奖直播