python正则表达式学习
1. re模块
python通过re模块提供对正则表达式的支持。使用re模块的一般步骤是现将正则表达式的字符串形式编译为Pattern实例,然后使用Pattern实例处理文本并获得匹配结果(一个Match实例),最后使用Match实例获得信息,进行其他的操作。
# -*- coding:utf-8 -*-
import re
#将正则表达式编译成Pattern对象
pattern=re.compile(r'hello')
#使用Pattern匹配文本,获得匹配结果,无法匹配时将返回None
match=pattern.match('hello world')
if match:
#使用Match获得分组信息
print(match.group())
re.compile( strPattern[ , flag ] ):
这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式,取值可以使用按位或运算符 ‘|’ 。可选的值有:
re.I(re.IGNORECASE):忽略大小写
M(MULTILINE):多行模式,改变 ‘^’ 和 ‘$’ 的行为。
S (DOTALL):点任意匹配模式,改变 ‘.’ 的行为。‘
L(LOCALE):使预定字符类 \w \W \b \B \s \S取决于当前区域设定
U(UNICODE):使预定字符类w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
X(VERBOSE):详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。下面两个正则表达式是等价的:
a=re.compile(r"""\d + #the integral part \. #the decimal point \d * #some fractional digits""",re.X) b=re.compile(r"\d+\.\d*")
re提供了众多模块方法用于完成正则表达式功能。这些方法可以使用Pattern实例的相应方法替代,唯一的好处是少写一行re.compile()代码,但同时也无法复用编译后的Pattern对象。
m=re.match(r'hello','hello world') print(m.group())
re模块还提供了一个方法escape(string),用于将string中的正则表达式元字符如 */+/?等之前加上转义字符再返回,在需要大量匹配元字符时有那么一点用。
Match
Match对象是一次匹配的结果,包含了很多关于此匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。
属性:
- string:匹配时使用的文本。
- re:匹配时使用的Pattern对象。
- pos:文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- endpos:文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- lastindex:最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
- lastgroup:最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。
方法:
group( [ group1,… ] ):
获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。
groups( [ default ] ):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。
groupdict ( [ default ] ):
返回以有别名的组 的别名为键、以该组截获的子串为值得字典,没有别名的组不包含在内。default含义同上。
start( [ group ] ):
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。
end( [ group ] ):
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0.
span ( [ group ] ):
返回(start(group),end(group))。
expand ( template):
将匹配到的分组代入template中然后返回。template中可以使用 \id 或 \g\
2. 实例方法[ | re模块方法 ]:
match(string[ ,pos[ ,endpos] ]) | re.match(pattern,string[ ,flags ] ) :
* 这个方法将从string的pos下标处开始尝试匹配pattern;如果pattern结束时仍可匹配,则返回一个Match对象;如果匹配过程中pattern无法匹配,或者匹配未结束就已到达endpos,则返回None。
* pos和endpos的默认值分别为0和len(string);re.match()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。注意: 这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符’$’。
search(string[ , pos[, endpos ] ] ) | re.search(pattern,string[,flags ] ):
- 这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos==endpos时仍无法匹配则返回None。
- pos和endpos的默认值分别为0和len(string);re.search()无法指定这两个参数,参数flag用于编译pattern时指定匹配模式。
import re pattern=re.compile(r'world') #使用search()查找匹配的子串,不存在能匹配的子串时将返回None #这个例子中使用match()无法成功匹配 match=pattern.search('hello world') if match: #使用Match获得分组信息 print(match.group()) # world
split(string[ , maxsplit ] ]) | re.split(pattern,string[ , maxsplit ] ) :
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。
import re p=re.compile(r'\d+') print(p.split('one1two2three3four4')) #['one', 'two', 'three', 'four', '']
findall(string[ , pos[ , endpos ] ] ) | re.findall(pattern,string[ , flags]) :
搜索string,以列表形式返回全部能匹配的子串。
import re p=re.compile(r'\d+') print(p.findall('one1two2three3four4')) #['1', '2', '3', '4']
finditer(string[ , pos[, endpos] ]) | re.finditer(pattern,string[ , flags ] ):
搜索string,返回一个顺序访问的每一个匹配结果(Match对象)的迭代器。
import re p=re.compile(r'\d+') for m in p.finditer('one1two2three3four4'): print(m.group()) //1 2 3 4
sub( repl , string[ , count] ) | re.sub(pattern,repl,string[ , count ] ) :
使用repl替换string中每一个匹配的子串,返回替换后的字符串。
当repl是一个字符串时,可以使用\id或\g\
3. 正则表达式元字符和语法
转载地址:http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html