本文转自:http://blog.chinaunix.net/uid-29308108-id-3994517.html
Python支持正则表达式功能。正则表达式是一种专门的语言,用来对字符串进行处理。
正则表达式的基本功能是定义字符串模式,在被处理的字符串中识别特定的目标字符串。
正则表达式的语法
语法包含以下几个方面
1. 匹配的对象
. --任意一个字符
[] --字符集合中的任意元素,例:[abce], [a-zA-Z0-9], [^a-z]
[转载自好日子心水http://bct5407.com]
\d -- decimal 数字
\w -- 字母、数字
\s -- any whitespace
\b -- empty string
以上这些字符为大写时,逻辑取反。
2. 出现的位置
^, \A -- 字符串起始位置
$, \Z -- 字符串结束位置
3. 重复的次数
* -- 0 或者任意多次
+ -- 1 或者任意多次
? -- 0 或 1次
{m}, {m,n} -- 指定的次数,m次,或者从m到n次
上面符号默认是greedy模式,会尽可能多的匹配字符。后面增加?后,将使用non-greedy匹配模式,比如:*?, +?, ??, {m}?
4. 群组(group)的定义
对于匹配上的字符串,如果要进行引用,需要使用组。
() -- 定义组
\number -- 引用组
(?P<name>) -- 定义组的名字
(?P=<name>) -- 通过组名字引用组
5. 扩展定义
(?...) -- 这种格式是对正则表达式的各类扩展
(?=...), (?!...) -- lookahead assertion
(?<=...), (?<!...) -- negative lookahead assertion
正则表达式应用举例
[a-z]{5} -- 任意5个字符
(\w+)-?(\w+) -- 匹配这样的字符串:xxx-yyy, 或者xxxyyy
Python的操作
* Python中支持两种查找方式:
match -- 只在字符串开始位置进行匹配
search -- 在字符串任意位置进行匹配
* 两种使用正则表达式的方法:
1) 直接通过re使用
2) compile正则表达式,生成 RegexObject 对象,通过该对象进行查找操作
[http://sevo-e.com]
* 支持的操作:
match
search
split
findall
sub
* 对匹配结果的处理
如果能够搜索到,将反馈 MatchObject 对象,通过该对象可以访问搜索结果信息,主要有:
1) 通过group引用匹配上的字符串;
2) 匹配字符串的位置信息;
本文转自:http://www.cnblogs.com/sevenyuan/archive/2010/12/06/1898075.html
re.match
re.match 尝试从字符串的开始匹配一个模式,如:下面的例子匹配第一个单词。
import re text = " JGood is a handsome boy, he is cool, clever, and so on... " m = re.match(r " (\w+)\s " , text) if m: print m.group(0), ' \n ' , m.group( 1 ) else : print ' not match '
re.match的函数原型为:re.match(pattern, string, flags)
第一个参数是正则表达式,这里为"(\w+)\s",如果匹配成功,则返回一个Match,否则返回一个None;
第二个参数表示要匹配的字符串;
第三个参数是标致位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。
re.search
re.search函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回,如果字符串没有匹配,则返回None。
import re text = " JGood is a handsome boy, he is cool, clever, and so on... " m = re.search(r ' \shan(ds)ome\s ' , text) if m: print m.group(0), m.group( 1 ) else : print ' not search '
re.search的函数原型为: re.search(pattern, string, flags)
每个参数的含意与re.match一样。
re.match与re.search的区别:re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。
re.sub
re.sub用于替换字符串中的匹配项。下面一个例子将字符串中的空格 ' ' 替换成 '-' :
import re text = " JGood is a handsome boy, he is cool, clever, and so on... " print re.sub(r ' \s+ ' , ' - ' , text)
re.sub的函数原型为:re.sub(pattern, repl, string, count)
其中第二个函数是替换后的字符串;本例中为'-'
第四个参数指替换个数。默认为0,表示每个匹配项都替换。
re.sub还允许使用函数对匹配项的替换进行复杂的处理。如:re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0);将字符串中的空格' '替换为'[ ]'。
re.split
可以使用re.split来分割字符串,如:re.split(r'\s+', text);将字符串按空格分割成一个单词列表。
re.findall
re.findall可以获取字符串中所有匹配的字符串。如:re.findall(r'\w*oo\w*', text);获取字符串中,包含'oo'的所有单词。
re.compile
可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象,这样可以提高一定的效率。下面是一个正则表达式对象的一个例子: