python正则表达式入门_Python入门篇之正则表达式

正则表达式有两种基本的操作，分别是匹配和替换。

匹配就是在一个文本字符串中搜索匹配一特殊表达式；

替换就是在一个字符串中查找并替换匹配一特殊表达式的字符串。

1.基本元素

正则表达式定义了一系列的特殊字符元素以执行匹配动作。

正则表达式基本字符

字符

描述

text

匹配text字符串

.

匹配除换行符之外的任意一个单个字符

^

匹配一个字符串的开头

$

匹配一个字符串的末尾

在正则表达式中，我们还可用匹配限定符来约束匹配的次数。

匹配限定符

最大匹配

最小匹配

描述

*

*

重复匹配前表达式零次或多次

+

+

重复匹配前表达式一次或多次

重复匹配前表达式零次或一次

{m}

{m}

精确重复匹配前表达式m次

{m,}

{m,}

至少重复匹配前表达式m次

{m,n}

{m,n}

至少重复匹配前表达式m次，至多重复匹配前表达式n次

据上所述，".*"为最大匹配，能匹配源字符串所有能匹配的字符串。".* "为最小匹配，只匹配第一次出现的字符串。如：d.*g能匹配任意以d开头，以g结尾的字符串，如"debug"和"debugging"，甚至"dog is walking"。而d.* g只能匹配"debug"，在"dog is walking"字符串中，则只匹配到"dog "。

在一些更复杂的匹配中，我们可用到组和运算符。

组和运算符

组

描述

[...]

匹配集合内的字符，如[a-z],[1-9]或[,./;']

[^...]

匹配除集合外的所有字符，相当于取反操作

A|B

匹配表达式A或B，相当于OR操作

(...)

表达式分组，每对括号为一组，如([a-b]+)([A-Z]+)([1-9]+)

\number

匹配在number表达式组内的文本

有一组特殊的字符序列，用来匹配具体的字符类型或字符环境。如\b匹配字符边界，food\b匹配"food"、"zoofood"，而和"foodies"不匹配。

特殊字符序列

字符

描述

\A

只匹配字符串的开始

\b

匹配一个单词边界

\B

匹配一个单词的非边界

\d

匹配任意十进制数字字符，等价于r'[0-9]'

\D

匹配任意非十进制数字字符，等价于r'[^0-9]'

\s

匹配任意空格字符（空格符、tab制表符、换行符、回车、换页符、垂直线符号）

\S

匹配任意非空格字符

\w

匹配任意字母数字字符

\W

匹配任意非字母数字字符

\Z

仅匹配字符串的尾部

\\

匹配反斜线字符

有一套声明(assertion)对具体事件进行声明。

正则表达式声明

声明

描述

( iLmsux)

匹配空字符串，iLmsux字符对应下表的正则表达式修饰符。

( :...)

匹配圆括号内定义的表达式，但不填充字符组表。

( P)

匹配圆括号内定义的表达式，但匹配的表达式还可用作name标识的符号组。

( P=name)

匹配所有与前面命名的字符组相匹配的文本。

( #...)

引入注释，忽略圆括号内的内容。

( =...)

如果所提供的文本与下一个正则表达式元素匹配，这之间没有多余的文本就匹配。这允许在一个表达式中进行超前操作，而不影响正则表达式其余部分的分析。如"Martin"其后紧跟"Brown"，则"Martin( =Brown)"就只与"Martin"匹配。

( !...)

仅当指定表达式与下一个正则表达式元素不匹配时匹配，是( =...)的反操作。

( <=...)

如果字符串当前位置的前缀字符串是给定文本，就匹配，整个表达式就在当前位置终止。如( <=abc)def表达式与"abcdef"匹配。这种匹配是对前缀字符数量的精确匹配。

(

如果字符串当前位置的前缀字符串不是给定的正文，就匹配，是( <=...)的反操作。

正则表达式还支持一些处理标志，它会影响正则式的执行方法。

处理标志

标志

描述

I或IGNORECASE

忽略表达式的大小写来匹配文本。

2.操作

通过re模块，我们就可在python中利用正则式对字符串进行搜索、抽取和替换操作。如：re.search()函数能执行一个基本的搜索操作，它能返回一个MatchObject对象。re.findall()函数能返回匹配列表。

>>> import re

>>> a="this is my re module test"

>>> obj = re.search(r'.*is',a)

>>> print obj

<_sre.SRE_Match object at 0xb7d7a218>

>>> obj.group()

'this is'

>>> re.findall(r'.*is',a)

['this is']

MatchObject对象方法

方法

描述

expand(template)

展开模板中用反斜线定义的内容。

m.group([group,...])

返回匹配的文本，是个元组。此文本是与给定group或由其索引数字定义的组匹配的文本，如果没有组定组名，则返回所有匹配项。

m.groups([default])

返回一个元组，该元组包含模式中与所有组匹配的文本。如果给出default参数，default参数值就是与给定表达式不匹配的组的返回值。default参数的默认取值为None。

m.groupdict([default])

返回一个字典，该字典包含匹配的所有子组。如果给出default参数，其值就是那些不匹配组的返回值。default参数的默认取值为None。

m.start([group])

返回指定group的开始位置，或返回全部匹配的开始位置。

m.end([group])

返回指定group的结束位置，或返回全部匹配的结束位置。

m.span([group])

返回两元素组，此元组等价于关于一给定组或一个完整匹配表达式的(m.start(group),m.end(group)))列表

m.pos

传递给match()或search()函数的pos值。

m.endpos

传递给match()或search()函数的endpos值。

m.lastindex

m.lastgroup

m.re

创建这个MatchObject对象的正则式对象

m.string

提供给match()或search()函数的字符串。

使用sub()或subn()函数可在字符串上执行替换操作。sub()函数的基本格式如下：

sub(pattern,replace,string[,count])

示例

>>> str = 'The dog on my bed'

>>> rep = re.sub('dog','cat',str)

>>> print rep

The cat on my bed

replace参数可接受函数。要获得替换的次数，可使用subn()函数。subn()函数返回一个元组，此元组包含替换了的文本和替换的次数。

如果需用同一个正则式进行多次匹配操作，我们可把正则式编译成内部语言，提高处理速度。编译正则式用compile()函数来实现。compile()函数的基本格式如下：

compile(str[,flags])

str表示需编译的正则式串，flags是修饰标志符。正则式被编译后生成一个对象，该对象有多种方法和属性。

正则式对象方法/属性

方法/属性

描述

r.search(string[,pos[,endpos]])

同search()函数，但此函数允许指定搜索的起点和终点

r.match(string[,endpos]])

同match()函数，但此函数允许指定搜索的起点和终点

r.split(string[,max])

同split()函数

r.findall(string)

同findall()函数

r.sub(replace,count])

同sub()函数

r.subn(replace,count])

同subn()函数

r.flags

创建对象时定义的标志

r.groupindex

将r'( Pid)'定义的符号组名字映射为组序号的字典

r.pattern

在创建对象时使用的模式

转义字符串用re.escape()函数。

通过getattr获取对象引用

>>> li=['a','b']

>>> getattr(li,'append')

>>> getattr(li,'append')('c') #相当于li.append('c')

>>> li

['a','b','c']

>>> handler=getattr(li,'append',None)

>>> handler

>>> handler('cc') #相当于li.append('cc')

>>> li

['a','c','cc']

>>>result = handler('bb')

>>>li

['a','cc','bb']

>>>print result

None