本文主要总结一下python正则的一些内置属性的用法。
1. 编译标志:flags
首先来看一下re.findall函数的函数原型:
import re
print('【Output】')
print help(re.findall)
【Output】
Help on function findall in module re:
findall(pattern, string, flags=0)
Return a list of all non-overlapping matches in the string.
If one or more groups are present in the pattern, return a
list of groups; this will be a list of tuples if the pattern
has more than one group.
Empty matches are included in the result.
None
可以看出,re.findall函数的最后一个参数是flags,默认值是0,这个falgs就是编译标志,即正则的内置属性,使用不同的编译标志可以让正则产生不同的匹配效果。那么falgs可以取哪些值呢?用help(re)来看一下re的DATA有哪些:
print help(re)
# 【Output】
'''
...
DATA
DOTALL = 16
I = 2
IGNORECASE = 2
L = 4
LOCALE = 4
M = 8
MULTILINE = 8
S = 16
U = 32
UNICODE = 32
VERBOSE = 64
X = 64
...
'''
下面试验一下上面的每一种编译标志的作用。
2. DOTALL, S
使”.”匹配包括”\n”在内的所有字符(”.”默认是不能匹配”\n“的),举例:
p = r'me.com'
print '【Output】'
print re.findall(p,'me.com')
print re.findall(p,'me\ncom')
print re.findall(p,'me\ncom',re.DOTALL)
print re.findall(p,'me\ncom',re.S)
【Output】
['me.com']
[]
['me\ncom']
['me\ncom']
3. IGNORECASE, I
使匹配对大小写不敏感,举例:
p = r'a'
print '【Output】'
print re.findall(p,'A')
print re.findall(p,'A',re.IGNORECASE)
print re.findall(p,'A',re.I)
【Output】
[]
['A']
['A']
4. LOCALE, L
本地化匹配,使用了该编译标志后,\w,\W,\b,\B,\s,\S等字符的含义就和本地化有关了。
5. MULTILINE, M
开启多行匹配,影响”^”和”$”。举例:
s = """
aa bb cc
bb aa
aa ccd
"""
p1 = r'^aa'
p2 = r'cc$'
print '【Output】'
print re.findall(p1,s)
print re.findall(p1,s,re.M)
print re.findall(p2,s)
print re.findall(p2,s,re.M)
【Output】
[]
['aa', 'aa']
[]
['cc']
6. VERBOSE, X
开启正则的多行写法,使之更清晰。举例:
p = r"""
\d{3,4}
-?
\d{7,8}
"""
tel = '010-12345678'
print '【Output】'
print re.findall(p,tel)
print re.findall(p,tel,re.X)
【Output】
[]
['010-12345678']
7. UNICODE, U
以unicode编码进行匹配,比如用’\s’匹配中文全角的空格符:\u3000,不加该编译标志和加该编译标志的效果对比如下:
s = u'\u3000'
p = r'\s'
print '【Output】'
print re.findall(p,s)
print re.findall(p,s,re.U)
【Output】
[]
[u'\u3000']
8. 如何同时使用多个编译标志?
有时候可能同时要用到多种编译标志,比如我既想在匹配的时候忽略大小写,又想让”.”匹配换行符号”\n”,前面的方式貌似不行了,那怎么办呢?
方法:在正则的任意位置加上这句即可:(?iLmsux)
其中i对应re.I,L对应re.L,m对应re.M,s对应re.S,u对应re.U,x对应re.X。举例:
s = 'Abc\ncom'
p = r'abc.com(?is)' # 注:编译标志(?is)可以加在正则的任意位置,这里加在了末尾
print '【Output】'
print re.findall(p,s)
【Output】
['Abc\ncom']