python与正则表达式

正则表达式

推荐一本书：《Sams Teach Yourself Regular Expressions in 10 Minutes》。
下面列举常用的regex元字符。

元字符	作用
.	任意字符匹配
\	转义特殊字符
[ ]	使用[和]来包含一个字符集合，代表和其中任意一个成员匹配的文本
\w	字母、数字
\d	数字
( )	常常用于子表达式的构建
\E	结束\L或\U的转换
\U	将\U和\E之间的字符全部转换成大写字符
\L	将\L和\E之间的字符全部转换成小写字符
\u	将\u后面的字符或者子集变成大写字符
\l	将\l后面的字符或者子集变成小写字符
[\b]	回退删除 backspace
\f	换页
\n	换行
\r	回车
\t	制表符 tab
\v	垂直制表符
\s	空白符
\b	匹配着这样的位置：位于一个能构成单词的字符(字母，数字，下划线。\w)和不能构成单词的字符(\W)之间对于cat scatter文本，\bcat\b仅仅匹配第一个单词cat
*	匹配0个或者多个
+	匹配至少一个
{n,m}	匹配n到m个

---

贪婪型元字符	懒惰型元字符
*	*?
+	+?
{n,}	{n,}?

书中提到的正则表达式测试器，可下载：http://www.forta.com/books/0672325667/
是一个很棒的用于练习正则表达式的文本工具。

正则表达式在python中的应用

正则表达式模式匹配

正则表达式模块re是python自带的。
基本步骤：

• 导入re库
  
• 创建Regex对象
  
• 搜索并返回match对象
  
• 返回匹配的字符串

• >>> import re
  >>> regex = re.compile(r"\d{3}-\d{3}-\d{4}")
  >>> match = regex.search('231-345-8972')
  >>> print(match.group())
  231-345-8972

  正则分组

  通过group返回正则分组

  >>> import re
  >>> regEx = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
  >>> mo = regEx.search('231-345-8972')
  >>> mo.group(1)
  '231'
  >>> mo.group(2)
  '345'
  >>> mo.group(3)
  '8972'
  >>> mo.group(0)
  '231-345-8972'
  >>> 

  返回所有的分组

  >>> mo.groups()
  ('231', '345', '8972')

  正则表达式的贪心和非贪心

  ?在正则表达式中可以表示可选，也能表示非贪心匹配。

  #! /usr/bin/python
  import re
  batRegex = re.compile(r'(Ha){3,5}')
  mo = batRegex.search('HaHaHaHaHa')
  print(mo.group())
  
  batRegex = re.compile(r'(Ha){3,5}?')
  mo = batRegex.search('HaHaHaHaHa')
  print(mo.group())

  执行：

  [edemon@CentOS workspace]$ ./regex.py 
  HaHaHaHaHa
  HaHaHa

  regex对象的search和findall

  search方法在找到第一个匹配的内容后即停止了工作，但是findall会返回所有的字符串，以list的形式供我们处理。

  #! /usr/bin/python
  import re
  text = '''231-345-8972
  213-324-5476'''
  print("origin text is:\n"+text)
  
  regex = re.compile(r'\d{3}-\d{3}-\d{4}')
  mo = regex.search(text)
  print("search result is:" + str(mo.group()))
  
  rlist = regex.findall(text)
  print("findall result is:" + str(rlist))

  运行效果：

  [edemon@CentOS workspace]$ ./regex.py 
  origin text is:
  231-345-8972
  213-324-5476
  search result is:231-345-8972
  findall result is:['231-345-8972', '213-324-5476']

  常用字符分类缩写

  分类字符	表示
  \d	0-9的任何数字
  \D	除0-9的数字以外的字符
  \w	字母、数字、下划线字符
  \W	除字母、数字、下划线以外的任何字符
  \s	空白字符(空格、制表符、换行符)
  \S	除空白字符以外的字符

  匹配换行

  如果使得re.DOTALL作为re.compile()第二个参数，那么.将匹配所有的字符，包括换行。

  re.DOTALL
  Make the ‘.’ special character match any character at all, including a newline; without this flag, ‘.’ will match anything except a newline.

  不区分大小写的匹配

  给re.compile()传入第二个参数re.IGNORECASE或re.I则不理会字母的大小写。
  如下：

  import re
  text = 'Hello World'
  mo = re.compile('hello world',re.I)
  print(mo.search(text).group())
  
  # Hello World

  VERBOSE

  compile的flag: re.VERBOSE可使得正则表达式中的注释、多余空白字符都被忽略。这样增强了阅读性。

  ---

  
  更多的应用技巧，需要靠实践掌握了。