1. 分割字符串-使用多个界定符【re.split()】
>>> line = 'asdf fjdk; afed, fjek,asdf, foo'
>>> importre>>> re.split(r'[;,\s]\s*', line)
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']
string 对象的 split() 方法只适应于非常简单的字符串分割情形, 它并不允许有多个分隔符或者是分隔符周围不确定的空格。 当你需要更加灵活的切割字符串的时候,最好使用 re.split() 方法
>>> fields = re.split(r'(;|,|\s)\s*', line)>>>fields
['asdf', ' ', 'fjdk', ';', 'afed', ',', 'fjek', ',', 'asdf', ',', 'foo']>>>
如果re.split()中使用了括号捕捉分组。如果使用了括号,那么被匹配的文本也将出现在结果列表中。
如果不想保留分割字符串到结果列表中去,但仍然需要使用到括号来分组正则表达式的话, 确保你的分组是非捕获分组,形如 (?:...) 。比如
>>> re.split(r'(?:,|;|\s)\s*', line)
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']>>>
2. 字符串的开头匹配或结尾匹配【str.startwith()或 str.endwith()】
如果想匹配多种可能时.只需将所有的匹配项放入到一个元组【tuple】中然后传给str.startwith()或 str.endwith()中
>>>filenames
['Makefile', 'foo.c', 'bar.py', 'spam.c', 'spam.h']>>> [name for name in filenames if name.endswith(('.c', '.h')) ]
['foo.c', 'spam.c', 'spam.h']
3. 用Shell通配符匹配字符串--【fnmath模块提供的两个函数--fnmatch()和fnmatchcase()】
Unix Shell 中常用的通配符(比如 *.py , Dat[0-9]*.csv 等)去匹配文本字符串
#Shell通配符#
#? 任意单个字符#* 任意0个或多个字符#[ ] 匹配方括号中的任意一个字符,如[abc] 则匹配abc中的一个#[ - ] "-"代表范围,例如:[a-z] 则匹配任意一个小写字母; [0-9] 则匹配任意一个0-9之间的数据,但是注意[0-10]不可以,不能超过9#[^] 逻辑非. 例如: [^0-9]匹配任意一个非数字字符
>>> from fnmatch importfnmatch, fnmatchcase>>> fnmatch('foo.txt', '*.txt')
True>>> fnmatch('foo.txt', '?oo.txt')
True>>> fnmatch('Dat45.csv', 'Dat[0-9]*')
True>>> names = ['Dat1.csv', 'Dat2.csv', 'config.ini', 'foo.py']>>> [name for name in names if fnmatch(name, 'Dat*.csv')]
['Dat1.csv', 'Dat2.csv']
fnmatch() 函数使用底层操作系统的大小写敏感规则(不同的系统是不一样的)来匹配模式。比如:
>>> #On OS X (Mac)
>>> fnmatch('foo.txt', '*.TXT')
False>>> #On Windows
>>> fnmatch('foo.txt', '*.TXT')
True>>>
如果你对这个区别很在意,可以使用 fnmatchcase() 来代替。它完全使用你的模式大小写匹配。
常用场景:在处理非文件名的字符串时候它们也是很有用的。文件名的匹配,最好使用 glob 模块
addresses =['5412 N CLARK ST','1060 W ADDISON ST','1039 W GRANVILLE AVE','2122 N CLARK ST','4802 N BROADWAY',
]
你可以像这样写列表推导:>>> from fnmatch importfnmatchcase>>> [addr for addr in addresses if fnmatchcase(addr, '* ST')]
['5412 N CLARK ST', '1060 W ADDISON ST', '2122 N CLARK ST']>>> [addr for addr in addresses if fnmatchcase(addr, '54[0-9][0-9] *CLARK*')]
['5412 N CLARK ST']>>>
4. 字符串匹配和搜索
如果你想匹配的是字面字符串,那么你通常只需要调用基本字符串方法就行, 比如 str.find() , str.endswith() , str.startswith() 或者类似的方法:
对于复杂的匹配需要使用正则表达式和 re 模块。 为了解释正则表达式的基本原理,假设你想匹配数字格式的日期字符串比如 11/27/2012 ,你可以这样做
>>> text1 = '11/27/2012'
>>> text2 = 'Nov 27, 2012'
>>>
>>> importre>>> #Simple matching: \d+ means match one or more digits
>>> if re.match(r'\d+/\d+/\d+', text1):
...print('yes')
...else:
...print('no')
...
yes>>> if re.match(r'\d+/\d+/\d+', text2):
...print('yes')
...else:
...print('no')
...
no>>>
如果你想使用同一个模式去做多次匹配,你应该先将模式字符串预编译为模式对象。比如:
>>> datepat = re.compile(r'\d+/\d+/\d+')>>> ifdatepat.match(text1):
...print('yes')
...else:
...print('no')
...
yes>>> ifdatepat.match(text2):
...print('yes')
...else:
...print('no')
...
no>>>
match() 总是从字符串开始去匹配,如果你想查找字符串任意部分的模式出现位置, 使用 findall() 方法去代替。比如:
>>> text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
>>>datepat.findall(text)
['11/27/2012', '3/13/2013']>>>
在定义正则式的时候,通常会利用括号去捕获分组。
#在定义正则式的时候,通常会利用括号去捕获分组#捕获分组可以使得后面的处理更加简单,因为可以分别将每个组的内容提取出来
>>> datepat = re.compile(r'(\d+)/(\d+)/(\d+)')>>> m = datepat.match('11/27/2012')>>>m<_sre.sre_match object at>
>>> #Extract the contents of each group
>>>m.group(0)'11/27/2012'
>>> m.group(1)'11'
>>> m.group(2)'27'
>>> m.group(3)'2012'
>>>m.groups()
('11', '27', '2012')>>> month, day, year =m.groups()>>>
>>> #Find all matches (notice splitting into tuples)
>>>text'Today is 11/27/2012. PyCon starts 3/13/2013.'
>>>datepat.findall(text)
[('11', '27', '2012'), ('3', '13', '2013')]>>> for month, day, year indatepat.findall(text):
...print('{}-{}-{}'.format(year, month, day))
...2012-11-27
2013-3-13
>>>
正则表达式步骤: re.compile()编译正则表达式字符串, 然后使用match(), findall(), finditer()等方法
如果你想精确匹配,确保你的正则表达式以$结尾,就像这么这样:
>>> datepat = re.compile(r'(\d+)/(\d+)/(\d+)$')>>> datepat.match('11/27/2012abcdef')>>> datepat.match('11/27/2012')<_sre.sre_match object at>
>>>
最后,如果你仅仅是做一次简单的文本匹配/搜索操作的话,可以略过编译部分,直接使用 re 模块级别的函数。比如:
>>> re.findall(r'(\d+)/(\d+)/(\d+)', text)
[('11', '27', '2012'), ('3', '13', '2013')]>>>
2.5 字符串搜索和替换
对于简单的字面模式,直接使用 str.replace() 方法即可,比如:str.replace('tihuan_qian', 'tihuan_hou')
复杂的模式,使用re模块的sub()函数。
例: 11/27/2012 的日期字符串改成 2012-11-27
>>> text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
>>> importre>>> re.sub(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', text)'Today is 2012-11-27. PyCon starts 2013-3-13.'
>>>
sub() 函数中的第一个参数是被匹配的模式,第二个参数是替换模式。反斜杠数字比如 \3 指向前面模式的捕获组号。
如果你打算用相同的模式做多次替换,考虑先编译它来提升性能。比如:
>>> importre>>> datepat = re.compile(r'(\d+)/(\d+)/(\d+)')>>> datepat.sub(r'\3-\1-\2', text)'Today is 2012-11-27. PyCon starts 2013-3-13.'
result, n = re.subn(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', text)
re.subn()可以知道替换次数