Python 学习笔记 - 正则表达式模块

在Python里面,处理字符串除了基本的split,格式化操作等等,还可以使用正则表达式。使用正则表达式,需要导入模块re。正则本身也是一门语言,像下围棋一样,入门很容易,不过要玩的很溜就得花时间了。


老实说,老男孩13期的正则表达式的视频真的很烂,那个讲课的估计是个新人,说话颠三倒四,逻辑混乱,豆子听完还是稀里糊涂。


课后在网上找到一篇强文

http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html


拜读之后,受益匪浅。


基本规则如下所示:

Python 学习笔记 - 正则表达式模块


re模块有下面几个常用的函数


1. findall(pattern, string, flags=0),这个函数会返回一个列表,列表的元素是匹配到的字符串


例1,下面会匹配出以a开头的所有单词,\w+表示一个或者多个字母数字或者下划线,因为不包括空格,所以相当于单个的单词了

1
2
3
4
>>> import re
ret=re.findall('a\w+','abc aaa bbh kjk hkk add')
print(ret)
['abc''aaa''add']


例2,在字符集里面的元素可以表示或的意义。字符集里面特殊的字符会失去意义;但是他本身有2个特殊的字符,-表示范围,^表示取反,比如说我需要查找加减乘除的符号,那么-因为有特殊含义,因此需要用转移符\转义

1
2
3
4
>>> import re
a=re.findall('[+\-*/]\d','3+3-2*4/2')
print(a)
['+3''-2''*4''/2']



2. search(pattern,string,flags)会通过pattern去匹配,如果匹配成功,会返回一个match对象,否则返回None。然后可以通过group()函数获取对象里面的字符串


例3

1
2
3
4
5
6
>>> import re
obj = re.search('\d+''123uuasf')
if obj:
    print(obj.group())
-------------
123


3. match(pattern,string,flags)会通过pattern去匹配,如果匹配成功,会返回一个match对象,否则返回None。然后可以通过group()函数获取对象里面的字符串。他和search的区别在于match只能匹配字符串开头的字符,后面的无法匹配;而search可以匹配到任意位置的字符串。


例4

1
2
3
4
5
6
import re
obj = re.match('\d+''u123uu888asf')
if obj:
    print(obj.group())
-------------
123


4.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。 


例5,我希望匹配一个括号内的四则运算


注意他们的区别,search和match都返回了match对象,然后可以通过group获取字符串;而findall返回的是列表,因为我使用了圆括号分组,因此他会返回圆括号里面的内容;如何获取所有的内容呢,可以通过 finditer,他相当于一个加强版的search,会找到所有match对象放入一个列表,我们可以循环这个列表然后获取每个元素的group内容。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
>>> a=re.match('\(([+\-*/]?\d+\.?\d*){1,}\)','(-3.2)-2*2+(2-3*(22-3*3))')
print(a.group())
print('search'.center(40,'-'))
a=re.search('\(([+\-*/]?\d+\.?\d*){1,}\)','2-(3*(2.2-3*3))')
print(a.group())
print('findall'.center(40,'-'))
a=re.findall('\(([+\-*/]?\d+\.?\d*){1,}\)','(-3.2)-2*2+(2-3*(22-3*3))')
for item in a:
    print(item)
print('finditer'.center(40,'-'))
a=re.finditer('\(([+\-*/]?\d+\.?\d*){1,}\)','(-3.2)-2*2+(2-3*(22-3*3))')
for item in a:
    print(item.group())
-------------------------------------------
(-3.2)
-----------------search-----------------
(2.2-3*3)
----------------findall-----------------
-3.2
*3
----------------finditer----------------
(-3.2)
(22-3*3)


5.sub(pattern, repl, string, count=0, flags=0)

用于替换匹配的字符串


例6 替换2次

1
2
3
>>> ss='one,two,three'
print(re.sub('\w+','AAA',ss,2))
AAA,AAA,three


6.split(pattern, string, maxsplit=0, flags=0)


1
2
3
4
>>> a='i am ha happy man'
print(re.split('am',a))
-----------------
['i '' ha happy man']


除了上面的基本使用之外,还有几点需要注意。


*转移符\的使用,Python本身有转移符,在Re模块中也有转移符,因此,如果在Re里要匹配一个字符\,需要使用\\\\四次,首先Python转移为\\进入Re,然后Re再转义成\;一个简单的方法是使用原生字符r,这样\\就行了。


例7

1
2
3
4
5
6
>>> a=re.findall('\\\\','\sabc')
print(a)
b=re.findall(r'\\','\sjkll')
print(b)
['\\']
['\\']


正则里面有1个基本的概念叫做贪婪模式和懒惰模式。在上面的例子里面,默认都是使用的贪婪模式,如果一个字符串里面存在多个匹配,他默认用最长的那个;懒惰模式则是对应的最短的那个匹配。懒惰模式可以通过*?或者+?或者 ??来实现。注意单独使用的?表示前面那个字符的0或者1次匹配,但是组合在一起就是懒惰模式了。


例8,这里 .*? 相当于一个整体,.*表示任意值,而.*?表示任意值的懒惰匹配

1
2
3
4
5
6
7
8
9
10
11
12
13
import re
s1="hello Pythonssn"
pat="p.*n"
pat2="p.*?n"
r1=re.search(pat,s1,re.I)
r2=re.search(pat2,s1,re.I)
if r1:
    print(r1.group())
if r2:
    print(r2.group())
 ---------
Pythonssn
Python


第二个重要的概念是模式修饰符,可以在不修改模式的情况下实现一些额外的功能,常见的比如可以进行多行匹配,忽略大小写和用. 来替代换行符


例9

1
2
3
4
5
6
7
8
9
10
11
12
s2="""
python is funny,
Python is not PPython;
ppyhonn is Pyyon
"""
pat3="p.*?n"
pat4="p.*n"
r=re.findall(pat3,s2,re.I|re.M)
r2=re.findall(pat4,s2,re.I)
-------
['python''Python''PPython''ppyhon''Pyyon']
['python is funn''Python is not PPython''ppyhonn is Pyyon']


正则里面还有有一个概念叫做分组。简单的说,分组就是在已经匹配获取的结果里面继续划分新的子集。


在search和match里面,group代表的是获取通过pattern匹配出来的结果;groups表示分组之后的结果;groupdic同样表示分组之后的结果,不过他需要通过P?指定名字才能显示出来


例10

1
2
3
4
5
6
7
8
9
import re
a=re.search('h(?P<name>\w+)','hello 123a hoo bc333')
print(a.group())
print(a.groups())
print(a.groupdict())
----------------
hello
('ello',)
{'name''ello'}


在findall里面分组比较特殊,如果有分组,那么他直接就显示出分组之后的子集,而不是匹配到的字符串


例9 首先匹配到['1hh','2kll']然后分组获取数字后面部分

1
2
3
4
>>> import re
a=re.findall('\d(\w+)','1hh jjkl2 hhs 2kll')
print(a)
['hh''kll']


sub就是替换,不存在分组


split的分组如下所示


例11,对比一下不分组和分组的差别,前者分割之后不会出现分隔符,后者会显示出来

1
2
3
4
5
6
7
>>> a='i am ha happy man'
print(re.split('am',a))
a='i am ha happy man'
print(re.split('(am)',a))
----------------
['i '' ha happy man']
['i ''am'' ha happy man']


最后补充一下,正则表达式的函数除了可以直接使用re.search, re.match等形式,还可以先编译一个pattern,然后通过pattern来调用这些函数


例12 先编译一次正则表达式,然后再通过编译后的pattern来调用,这样如果调用的地方很多,可以节省一下资源

1
2
3
4
5
6
7
>>> import re
>>> p=re.compile(r'\b\w+\b')
>>> match=p.search('jkl jkljl 23jk4 kjl2')
>>> print(match.group())
jkl
>>> p.findall('jkl kls 234lkjk23 23lk ')
['jkl''kls''234lkjk23''23lk']





本文转自 beanxyz 51CTO博客,原文链接:http://blog.51cto.com/beanxyz/1852180,如需转载请自行联系原作者

上一篇:申通快递 双11 云原生应用实践


下一篇:一个轻量级的基于 .NET Core 的 ORM 框架 HSQL