python筆記(2) 正規表示式

1

正規表示式在Python中最好以r'xx'這樣的形式作為輸入，這能避免反斜槓()使用混亂。以r開頭的字串，在python中是原始字串(raw string)的意思。

特殊字元	解釋	例子
.	匹配所有字元不包括換行（如果DOTALL沒有設定的話）
^	匹配字串的開頭，在MULTILINE模式下匹配每行的開頭
$	匹配字串的結尾，在MULTILINE模式下匹配每個新行的開頭
*	匹配0或者多個前置正規表示式
+	匹配1或者多個前置正規表示式
?	匹配0或者1個前置正規表示式
*?, +?, ??	*,+,?都是貪婪的，加了？能改變著模式
m	匹配m個前置表示式
{m,n}	匹配m到n個前置表示式
{m,n}？	改變 {m,n}貪婪模式
\	轉義特殊字元
[]	定義匹配集合，特殊字元（例如(+*)）在集合中失去特殊意義，使用-可以匹配一個序列，如果-放在集合的開頭或者轉義就能匹配-，^放在開頭可以翻轉整個匹配，匹配]要麼放在開頭要麼轉義
豎線	或匹配
(...)	匹配括號中的字串，形成一個組(````)
(?:...)	只匹配字串但是不記錄匹配的內容
(?P<name>...)	匹配之後形成一個組，組名為name
(?=...)	超前匹配
(?!...)	超前不匹配
(?<=...)	滯後匹配
(?<!...)	滯後不匹配
\number	引用一個組
\A	字串的開頭匹配
\b	匹配空字元，在開始和結束處
\B	匹配空字元，不在開始和結束處
\d	匹配數字0-9
\D	匹配非數字
\s	匹配空字元，相當於[ \t\n\r\f\v]
\S	與\s相反
\w	[a-zA-Z0-9_]
\W	與\w相反
\Z	匹配字串的結尾
\u	Unicode字元

貪婪模式

正規表示式預設的情況是貪婪的，所謂貪婪就是儘量多匹配也可以叫最長匹配，但是有時候這又是不合適的.

2

正規表示式的使用，可以先編譯正規表示式然後呼叫方法，也可以直接從re模組呼叫方法。

pattern = re.compile(r'dongge')
m = pattern.match('dongge zeus')
#或者
m = re.match(r'dongge','dongge zeus')

match,search,fullmatch

這三個函式返回值都是match物件，match從頭開始匹配，fullmatch匹配整個，search匹配第一個。

import re

test_str = 'abcd 1234 dongge'

pattern = re.compile(r'1234')

pattern.match(test_str)

pattern.search(test_str)

<_sre.SRE_Match object; span=(5, 9), match='1234'>

pattern.fullmatch(test_str)

p1 = re.compile(r'abcd')

p1.match(test_str)

<_sre.SRE_Match object; span=(0, 4), match='abcd'>

p1.search(test_str)

<_sre.SRE_Match object; span=(0, 4), match='abcd'>

p1.fullmatch(test_str)

p1.fullmatch(test_str,0,4)

<_sre.SRE_Match object; span=(0, 4), match='abcd'>

（注：上面的程式碼來自jupyter notebook）

split findall finditer

這三個函式都返回一個列表。

• 分割字串split

re.split('\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
re.split('(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']

注意程式碼中的第三行，在正規表示式中加了分組之後，那個分割元素也成了返回值。

• 查詢所有匹配的元素findall

test_str = 'dongge , dongge ,zeus'
re.findall(r'dongge',test_str)
['dongge', 'dongge']

• 迭代查詢元素finditer

sub subn

sub(pattern, repl, string, count=0, flags=0)
這兩個函式有查詢和替換功能，repl這個引數既可以是字串也可以是一個函式，函式接收一個match object。

3

Match Object這在上面多次提到，如果一個函式返回這個物件，那麼判斷值肯定就是True。
這個物件最重要的概念就是group，相關函式作用在下面截圖中。

• start([group]) end([group]) span([group])
  這裡三個函式都是用來計算group的位置，span返回的一個元組（start，end），group預設值是0。