Python 的正则表达式

正则表达式

 

就个人而言，主要用它来做一些复杂字符串分析，提取想要的信息

学习原则：够用就行，需要的时候在深入

 

现总结如下：

 

正则表达式中特殊的符号：

 

"." 表任意字符

"^ " 表string起始

"$" 表string结束

“*” “+” “?” 跟在字符后面表示，0个——多个， 1个——多个， 0个或者1个

*?, +?, ?? 符合条件的情况下，匹配的尽可能少//限制*,+,?匹配的贪婪性

{m} 匹配此前的字符，重复m次

{m,n} m到n次，m，n可以省略

 

举个例子 ‘a.*b’ 表示a开始，b结束的任意字符串

a{5} 匹配连续5个a

 

[] 表一系列字符 [abcd] 表a，b，c，d [^a] 表示非a

| A|B 表示A或者B , AB为任意的正则表达式 另外|是非贪婪的如果A匹配，则不找B

(…) 这个括号的作用要结合实例才能理解， 用于提取信息

 

\d [0-9]

\D 非 \d

\s 表示空字符

\S 非空字符

\w [a-zA-Z0-9_]

\W 非 \w

 

一：re的几个函数

 

1：compile(pattern, [flags])

    根据正则表达式字符串 pattern 和可选的flags 生成正则表达式对象

   

    生成正则表达式 对象（见二）

   

    其中flags有下面的定义：

    I 表示大小写忽略

    L 使一些特殊字符集，依赖于当前环境        

    M 多行模式 使 ^ $ 匹配除了string开始结束外，还匹配一行的开始和结束

    S “.“ 匹配包括‘\n’在内的任意字符，否则 . 不包括‘\n’

    U Make \w, \W, \b, \B, \d, \D, \s and \Sdependent on the Unicode character properties database   

    X 这个主要是表示，为了写正则表达式，更可毒，会忽略一些空格和#后面的注释

   

    其中S比较常用，

    应用形式如下

    import re

   re.compile(……,re.S)

   

2：match(pattern,string,[,flags])

    让string匹配，pattern，后面分flag同compile的参数一样

    返回MatchObject 对象（见三）

   

3： split(pattern, string[, maxsplit = 0])

    用pattern 把string 分开

    >>>re.split('\W+', 'Words, words, words.')

    ['Words','words', 'words', '']

    括号‘（）’在pattern内有特殊作用，请查手册

   

4：findall(pattern, string[, flags])

   比较常用，

   从string内查找不重叠的符合pattern的表达式，然后返回list列表

  

5：sub( pattern,repl, string[, count])

   repl可以时候字符串，也可以式函数

   当repl是字符串的时候，

   就是把string 内符合pattern的子串，用repl替换了

  

   当repl是函数的时候，对每一个在string内的，不重叠的，匹配pattern

   的子串，调用repl（substring），然后用返回值替换substring

  

   >>>re.sub(r'def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\):',

   ...        r'static PyObject*\npy_\1(void)\n{',

   ...        'def myfunc():')

   'staticPyObject*\npy_myfunc(void)\n{'

  

  

   >>> defdashrepl(matchobj):

   ...     if matchobj.group(0) == '-': return ' '

   ...     else: return '-'

   >>>re.sub('-{1,2}', dashrepl, 'pro----gram-files')

   'pro--gramfiles'

 

二：正则表达式对象 （Regular Expression Objects ）

  

    产生方式：通过 re.compile(pattern，[flags])回

   

    match( string[,pos[, endpos］) ；返回string[pos,endpos]匹配

    pattern的MatchObject（见三）

   

    split( string[,maxsplit = 0])

    findall(string[, pos[, endpos］)  

    sub( repl,string[, count = 0])

    这几个函数和re模块内的相同，只不过是调用形式有点差别

   

    re.几个函数和 正则表达式对象的几个函数，功能相同，但同一程序如果

    多次用的这些函数功能，正则表达式对象的几个函数效率高些

   

三：matchobject

 

    通过 re.match(……) 和re.compile(……).match返回

   

    该对象有如下方法和属性：

   

    方法：

    group( [group1,...])

    groups([default])

    groupdict([default])

    start( [group])

    end( [group])

   

    说明这几个函数的最好方法，就是举个例子

   

    matchObj =re.compile(r"(?P<int>\d+)\.(\d*)")

    m =matchObj.match('3.14sss')

    #m =re.match(r"(?P<int>\d+)\.(\d*)", '3.14sss')

   

    print m.group()

    printm.group(0)

    printm.group(1)

    printm.group(2)

    printm.group(1,2)

   

    printm.group(0,1,2)

    printm.groups()

    printm.groupdict()

   

    printm.start(2)   

    print m.string

 

输出如下：   

    3.14              

    3.14              

    3                  

    14                

    ('3','14')       

    ('3.14', '3','14')

    ('3','14')       

    {'int':'3'}      

    2                 

    3.14sss

   

    所以group() 和group(0)返回，匹配的整个表达式的字符串

    另外group(i) 就是正则表达式中用第i个“（）” 括起来的匹配内容

    ('3.14', '3', '14')最能说明问题了。