理解python正则表达式

在python中,对正则表达式的支持是通过re模块来支持的。使用re的步骤是先把表达式字符串编译成pattern实例,然后在使用pattern去匹配文本获取结果。

其实也有另外一种方式,就是直接使用re模块的方法,但是这样就不能使用编译后的pattern实例了。

实例:

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
pat = re.compile(r’hello’)
match = pat.match(‘hello world!’)
if match:
print match.group()
match1 = re.match(r’hello’,’hello world!’)
if match1:
print match1.group()
print match1.pos

返回的结果相同,都是 hello

关于pattern 对象:

它是由re.complie函数来构造的,是一个编译好的正则表达式,通过pattern提供的一系列方法可以对文本进行匹配查找。

pattern不能直接实例化,必须使用re.compile()进行构造。

pattern提供了几个可读属性用于获取表达式的相关信息:

pattern: 编译时用的表达式字符串。

flags: 编译时用的匹配模式。数字形式。

groups: 表达式中分组的数量。

groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。

关于 re.compile方法

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’|’表示同时生效,比如re.i | re.m。另外,你也可以在regex字符串中指定模式,比如re.compile(‘pattern’, re.i | re.m)与re.compile(‘(?im)pattern’)是等价的。
可选值有:

re.i(re.ignorecase): 忽略大小写(括号内是完整写法,下同)

m(multiline): 多行模式,改变’^’和’$’的行为(参见上图)

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

1).关于 match方法:

match对象是一次匹配的结果,包含了很多关于此次匹配的信息,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:

1、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。
2、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。
3、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的字典,没有别名的组不包含在内。default含义同上。
4、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。
5、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。
6、span([group]):
返回(start(group), end(group))。
7、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、\g引用分组,但不能使用编号0。\id与\g是等价的;但\10将被认为是第10个分组,如果你想表达\1之后是字符’0’,只能使用\g0。
请看例子:

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
m = re.match(r'(\w+)\s(\w+)’,’aaa bbb ccc’)
print m.string
print m.re
print m.pos
print m.endpos
print m.lastindex
print m.lastgroup
print m.group()
print m.start()
print m.end()
print m.span()
print m.expand(r’\2 \1′)

结果为:

aaa bbb ccc

0
11
2
none
aaa bbb
0
7
(0, 7)
bbb aaa

2).关于search方法:

  查找可以匹配的子串,和match 不同的是他不是从开始处开始匹配的。如果没有匹配上,则返回none

上面的例子中,将match 换成search返回的结果一样

请看:

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
pat = re.compile(r’hello’)
match = pat.match(‘shello world!’)
if match:
print match.group()
else:
print ‘not match!’
match1 = re.search(r’hello’,’shello world!’)
if match1:
print match1.group()

结果为:

not match!
hello

这2个函数,没有其他区别,就是一个是从开始匹配的,另外一个不是开始的

3.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。

4.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。

5.finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string,返回一个顺序访问每一个匹配结果(match对象)的迭代器。

6.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后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、\g引用分组,但不能使用编号0。
当repl是一个方法时,这个方法应当只接受一个参数(match对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。
count用于指定最多替换次数,不指定时全部替换。

7.subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。

例子为:

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
p =re.compile(r’\d+’)
print p.split(‘aa1bb2cc3dd4ee5ff6’)
print p.findall(‘aa1bb2cc3dd4ee5ff6’)
for m in p.finditer(‘aa1bb2cc3dd4ee5ff6’):
print m.group(),
print ‘\nsub test’
p1 =re.compile(r'(\w+)\s+(\w+)’)
s = ‘i am ok’
print p1.sub(r’\2 \1′,s)
print p1.subn(r’\2 \1′,s)

结果:

[‘aa’, ‘bb’, ‘cc’, ‘dd’, ‘ee’, ‘ff’, ”]
[‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’]
1 2 3 4 5 6
sub test
am i ok
(‘am i ok’, 1)

以上就是本文的全部内容,希望对大家的学习有所帮助。

Posted in 未分类