python 的正規表示式

yupeng發表於2013-10-10
Python

在python中，對正規表示式的支援是通過re模組來支援的。使用re的步驟是先把表示式字串編譯成pattern例項，然後在使用pattern去匹配文字獲取結果。

其實也有另外一種方式，就是直接使用re模組的方法，但是這樣就不能使用編譯後的pattern例項了。

例項：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import re

pat = re.compile(r'hello')

match = pat.match('hello world!')

if match:
    print match.group()

match1 = re.match(r'hello','hello world!')

if match1:
    print match1.group()

    print match1.pos

返回的結果相同，都是 hello

關於Pattern 物件：

它是由re.complie函式來構造的，是一個編譯好的正規表示式，通過Pattern提供的一系列方法可以對文字進行匹配查詢。

Pattern不能直接例項化，必須使用re.compile()進行構造。

Pattern提供了幾個可讀屬性用於獲取表示式的相關資訊：

  1. pattern: 編譯時用的表示式字串。
  2. flags: 編譯時用的匹配模式。數字形式。
  3. groups: 表示式中分組的數量。
  4. groupindex: 以表示式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內。

關於 re.compile方法

re.compile(strPattern[, flag]):

這個方法是Pattern類的工廠方法，用於將字串形式的正規表示式編譯為Pattern物件。 第二個引數flag是匹配模式，取值可以使用按位或運算子'|'表示同時生效，比如re.I | re.M。另外，你也可以在regex字串中指定模式，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。 
可選值有：

    • re.I(re.IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
    • M(MULTILINE): 多行模式，改變'^'和'$'的行為（參見上圖）
    • S(DOTALL): 點任意匹配模式，改變'.'的行為
    • L(LOCALE): 使預定字元類 \w \W \b \B \s \S 取決於當前區域設定
    • U(UNICODE): 使預定字元類 \w \W \b \B \s \S \d \D 取決於unicode定義的字元屬性
    • X(VERBOSE): 詳細模式。這個模式下正規表示式可以是多行，忽略空白字元，並可以加入註釋

1.關於 match方法：

Match物件是一次匹配的結果，包含了很多關於此次匹配的資訊，可以使用Match提供的可讀屬性或方法來獲取這些資訊。

屬性：

  1. string: 匹配時使用的文字。
  2. re: 匹配時使用的Pattern物件。
  3. pos: 文字中正規表示式開始搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名引數相同。
  4. endpos: 文字中正規表示式結束搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名引數相同。
  5. lastindex: 最後一個被捕獲的分組在文字中的索引。如果沒有被捕獲的分組，將為None。
  6. lastgroup: 最後一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

方法：

    1. group([group1, …]): 
      獲得一個或多個分組截獲的字串；指定多個引數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫引數時，返回group(0)；沒有截獲字串的組返回None；截獲了多次的組返回最後一次截獲的子串。
    2. groups([default]): 
      以元組形式返回全部分組截獲的字串。相當於呼叫group(1,2,…last)。default表示沒有截獲字串的組以這個值替代，預設為None。
    3. groupdict([default]): 
      返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。
    4. start([group]): 
      返回指定的組截獲的子串在string中的起始索引（子串第一個字元的索引）。group預設值為0。
    5. end([group]): 
      返回指定的組截獲的子串在string中的結束索引（子串最後一個字元的索引+1）。group預設值為0。
    6. span([group]): 
      返回(start(group), end(group))。
    7. expand(template): 
      將匹配到的分組代入template中然後返回。template中可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。\id與\g<id>是等價的；但\10將被認為是第10個分組，如果你想表達\1之後是字元'0'，只能使用\g<1>0。

請看例子：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import re

m = re.match(r'(\w+)\s(\w+)','aaa bbb ccc')

print m.string

print m.re

print m.pos

print m.endpos

print m.lastindex

print m.lastgroup

print m.group()

print m.start()

print m.end()

print m.span()

print m.expand(r'\2 \1')

結果為：

aaa bbb ccc
<_sre.SRE_Pattern object at 0x10dbfda08>
0
11
2
None
aaa bbb
0
7
(0, 7)
bbb aaa

 

2.關於search方法：

　　查詢可以匹配的子串，和match 不同的是他不是從開始處開始匹配的。如果沒有匹配上，則返回None

上面的例子中，將match 換成search返回的結果一樣

請看：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import re

pat = re.compile(r'hello')

match = pat.match('shello world!')

if match:
    print match.group()
else:
    print 'not match!'

match1 = re.search(r'hello','shello world!')

if match1:
    print match1.group()

結果為：

not match!
hello

這2個函式，沒有其他區別，就是一個是從開始匹配的，另外一個不是開始的

3.split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]): 
按照能夠匹配的子串將string分割後返回列表。maxsplit用於指定最大分割次數，不指定將全部分割。 

4.findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]): 
搜尋string，以列表形式返回全部能匹配的子串。 

5.finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]): 
搜尋string，返回一個順序訪問每一個匹配結果（Match物件）的迭代器。 

6.sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]): 
使用repl替換string中每一個匹配的子串後返回替換後的字串。 
當repl是一個字串時，可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。 
當repl是一個方法時，這個方法應當只接受一個引數（Match物件），並返回一個字串用於替換（返回的字串中不能再引用分組）。 
count用於指定最多替換次數，不指定時全部替換。

7.subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]): 
返回 (sub(repl, string[, count]), 替換次數)。 

例子為：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import re

p =re.compile(r'\d+')

print p.split('aa1bb2cc3dd4ee5ff6')

print p.findall('aa1bb2cc3dd4ee5ff6')

for m in p.finditer('aa1bb2cc3dd4ee5ff6'):
    print m.group(),

print '\nsub test'
p1 =re.compile(r'(\w+)\s+(\w+)')

s = 'i am ok'

print p1.sub(r'\2 \1',s)
print p1.subn(r'\2 \1',s)

結果：

['aa', 'bb', 'cc', 'dd', 'ee', 'ff', '']
['1', '2', '3', '4', '5', '6']
1 2 3 4 5 6
sub test
am i ok
('am i ok', 1)

---end---

相關文章