正規表示式之python實現

九茶發表於2015-03-19
Python

前文：

首先，什麼叫正規表示式（Regular Expression）？
    例如我們要判斷字串"adi_e32fv,Ls"裡面是否含有子串"e32f"，又例如我們在一個含百萬個姓名的txt檔案中找姓“王”，名字以“五”結尾的名字，然後列印出來。結果為：“王五”、“王小五”、“王大五”、“王小小五”……
    以前我們是使用字串函式來查詢的，但是程式碼實現起來會很複雜。如今用正規表示式只需要一句 re.findall('王.*？五',txt1) 就可以了！正規表示式是寫網路爬蟲的最基本的知識，可以用正規表示式在html中搜集滿足某些字串要求的網址。下面是個人對正規表示式基礎知識的一些總結。
（操作環境：32位Win8系統，執行工具：python2.7.9+Eclipse.）

正文：
1、首先要匯入python的re模組。

2、元字元 . ^ $ * + ? {} [] \ | ()
re模組中的findall（str1，str2）方法返回字串str2中匹配str1格式的字串。例如在字串'dit dot det,dct dit dot'中匹配'dit'結果為：    
str1 = 'dit dot det,dct dit dot'
print re.findall('dit',str1)
結果：['dit', 'dit']

|作用：'dit|dct'表示dit或者dct。
<span style="font-family:KaiTi_GB2312;">str1 = 'dit dot det,dct dit dot'
print re.findall('dit|dct',str1)</span>
結果：['dit', 'dct', 'dit']

[]作用：[ic]表示i或c，例如'd[ic]t'表示dit和dct兩者，和'dit|dct'等價：
str1 = 'dit dot det,dct dit dot'
print re.findall('d[ic]t',str1)
結果：['dit', 'dct', 'dit']

^作用一：[^ic]中^表示否定，即除了i和c：
str1 = 'dit dot det,dct dit dot'
print re.findall('d[^ic]t',str1)
結果：['dot', 'det', 'dot']

^作用二：^dit表示子串dit在開頭位置，而dct不是在開頭：
str1 = 'dit dot det,dct dit dot'
print re.findall('^dit',str1)
print re.findall('^dct',str1)
結果：['dit'][]

$作用：dot$表示子串dot要在末尾位置，而dct不是在末尾：
str1 = 'dit dot det,dct dit dot'
print re.findall('dot$',str1)
print re.findall('dct$',str1)
結果：['dot'][]

.作用：d.t表示d與t之間省略了一個任意字元：
str1 = 'dit dot det,dct dit dot'
print re.findall('d.t',str1)
結果：['dit', 'dot', 'det', 'dct', 'dit', 'dot']

+作用：di+t表示d與t之間省略了一個或多個'i'：
str1 = '<span style="font-family: KaiTi_GB2312;">d dt dit diit det</span><span style="font-family: KaiTi_GB2312;">'</span>
print re.findall('d.+t',str1)
結果：['dit', 'diit']

*作用：di*t表示d與t之間省略了零個至多個'i'：
str1 = '<span style="font-family: KaiTi_GB2312;">d dt dit diit det</span><span style="font-family: KaiTi_GB2312;">'</span>
print re.findall('d.*t',str1)
結果：['dt', 'dit', 'diit']

經常，'.'和'+'或者'*'搭配使用。'.+'表示省略了一個至多個任意元素，'.*'表示省略了零個至多個任意元素：
<span style="font-family:KaiTi_GB2312;">str1 = 'd dt dit diit det'
print re.findall('d.+t',str1)
print re.findall('d.*t',str1)</span>
結果：['d dt dit diit det']['d dt dit diit det']

？作用一：看.+的匹配結果，'dit'、'dot'也滿足'd.+t'的匹配條件，而輸出的卻是滿足匹配條件的最長子串'dit dot det,dct dit dot'，這個叫貪婪匹配。如果要輸出最短的匹配字串，只需在'+'後面加上'？'：（注：對於'*'也是一樣，只需在'*'後面加上'？'）
str1 = '<span style="font-family: KaiTi_GB2312;">d dt dit diit det'</span>
print re.findall('d.+?t',str1)
結果：['dit', 'dot', 'det', 'dct', 'dit', 'dot']

？作用二：di?t表示i可有可無，即dt、dit都滿足匹配條件：
str1 = 'd dt dit diit det'
print re.findall('di?t',str1)
結果：['dt', 'dit']

{}作用一：di{n}t表示d和t之間有n個'i'：
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{2}t',str1)
結果：['diit']

{}作用二：di{n,m}t表示d和t之間有n到m個'i'：
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{1,3}t',str1)
結果：['dit', 'diit', 'diiit']
其中，n和m都是可以省略的。{n,}表示n個到任意個；{,m}表示0個到m個；{,}表示任意個，和'*'功能一樣：
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{1,}t',str1)
print re.findall('di{,3}t',str1)
print re.findall('di{,}t',str1)
結果：['dit', 'diit', 'diiit', 'diiiit']
      ['dt', 'dit', 'diit', 'diiit']
      ['dt', 'dit', 'diit', 'diiit', 'diiiit']

\作用一：取消元字元，變成轉義字元：
<span style="font-family:KaiTi_GB2312;">str1 = '^abc ^abc'
print re.findall('^abc',str1)
print re.findall('\^abc',str1)</span>
結果：[]['^abc', '^abc']

\作用二：預定義字元
str1 = '12 abc 345 efgh'
print re.findall('\d+',str1)
print re.findall('\w+',str1)
結果：['12', '345']
      ['12', 'abc', '345', 'efgh']

()作用：在匹配字串後，只輸出匹配字串'()'裡面的內容：
str1 = '12abcd34'
print re.findall('12abcd34',str1)
print re.findall('1(2a)bcd34',str1)
print re.findall('1(2a)bc(d3)4',str1)
結果：['12abcd34']
      ['2a']
      [('2a', 'd3')]


3、re模組裡的主要方法：findall()、finditer()、match()、search()、compile()、split()、sub()、subn()。

re.findall(pattern,string,flags = 0)
作用：在string中從左往右搜尋與pattern匹配的字串，結果以list形式返回。
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
print re.findall('\w+',str1)</span>
結果：['ab', 'cd']

re.finditer(pattern,string,flags = 0)
作用：其功能與re.findall相同，但結果以迭代器的形式返回。
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
iter1 = re.finditer('\w+',str1)
for a in iter1:
    print a.group(),a.span()</span>
結果：ab (0, 2)
      cd (3, 5)
（注：a.group()返回滿足匹配調節的字串，a.span()返回字串的起始位置和末尾位置）

re.search(pattern,string,flags = 0)
作用：在string中從左往右搜尋與pattern匹配的字串，無匹配結果則返回None，否則返回一個search例項。
<pre name="code" class="python"><span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
result = re.search('cd',str1)
if result == None:
    print 'None'
else:
    print result.group(),result.start(),result.end()</span>
結果：cd 3 5

 

re.match(pattern,string,flags = 0)


作用：判斷string的頭部是否與pattern匹配，是則返回match例項，否則返回None。


<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
result = re.match('cd',str1)
if result == None:
    print 'None'
else:
    print result.group(),result.start(),result.end()</span>
結果：None



re.compile(pattern,flags = 0)


作用：對匹配格式pattern進行編譯，返回一個例項物件。對正規表示式先編譯，可以大幅提高匹配速度。


<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
pre = re.compile('ab')
print pre.findall(str1)</span>
結果：['ab']



re.split(pattern,string,maxsplit = 0,flags = 0)


作用：在string匹配pattern的時候做分割：


<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab.c.de'
str2 = '12+34-56*78/90'
print re.split('\.',str1)
print re.split('[\+\-\*/]',str2)</span>
結果：['ab', 'c', 'de']

      ['12', '34', '56', '78', '90']



re.sub(pattern,repl,string,count = 0,flags = 0)


作用：在string當中把滿足pattern正則的字串替換成repl：


<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'abcde'
print re.sub('bc','123',str1)</span>
結果：a123de



re.subn(pattern,repl,string,count = 0,flags = 0)


作用：其功能與re.sub()相同，但返回的結果多了一個數字，代表替換了多少次


<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'abcdebce'
print re.subn('bc','123',str1)</span>
結果：('a123de123e', 2)









轉載請註明出處，謝謝！（原文連結：http://blog.csdn.net/bone_ace/article/details/44471241）









相關文章