小白的Python之路 day5 re正则模块

re正则模块

一、概述  

  就其本质而言,正则表达式(或 RE)是一种小型的、高度专业化的编程语言,要讲他的具体用法要讲一本书!它内嵌在Python中,并通过 re 模块实现。你可以为想要匹配的相应字符串集指定规则;该字符串集可能包含英文语句、e-mail地址、TeX命令或任何你想搞定的东西。然后你可以问诸如“这个字符串匹配该模式吗?”或“在这个字符串中是否有部分匹配该模式呢?”。你也可以使用 RE 以各种方式来修改或分割字符串。今天就来讲讲re模块的最常用的用法。

二、常用的正在表达式符号

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
'.'     默认匹配除\n之外的任意一个字符,若指定flag DOTALL,则匹配任意字符,包括换行
'^'     匹配字符开头,若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'     匹配字符结尾,或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
'*'     匹配*号前的字符0次或多次,re.findall("ab*","cabb3abcbbac")  结果为['abb''ab''a']
'+'     匹配前一个字符1次或多次,re.findall("ab+","ab+cd+abb+bba") 结果['ab''abb']
'?'     匹配前一个字符1次或0
'{m}'   匹配前一个字符m次
'{n,m}' 匹配前一个字符n到m次,re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb''ab''abb']
'|'     匹配|左或|右的字符,re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配 re.search("(?P<province>\d{4})(?P<city>\d{2})(?P<birthday>\d{4})","320922199306143242").groupdict()
结果:{'province''3209''city''22''birthday''1993'}
'\'     转义 
[a-z]   匹配[a-z]
[A-Z]   匹配[A-Z]
[0-9]   匹配数字0-9
'\A'    只从字符开头匹配,re.search("\Aabc","alexabc") 是匹配不到的
'\Z'    匹配字符结尾,同$
'\d'    匹配数字0-9
'\D'    匹配非数字
'\w'    匹配[A-Za-z0-9]
'\W'    匹配非[A-Za-z0-9]
's'     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'

三、常用的匹配方法

1、re.match(pattern, string, flags=0)

说明:在string的开始处匹配模式

小白的Python之路 day5 re正则模块

2、re.search(pattern, string, flags=0)

说明:在string中寻找模式

小白的Python之路 day5 re正则模块

3、re.findall(pattern, string, flags=0)

说明:把匹配到的字符以列表的形式返回

小白的Python之路 day5 re正则模块

4、re.split(pattern, string, maxsplit=0, flags=0)

说明:匹配到的字符被当做列表分割符

小白的Python之路 day5 re正则模块

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

说明:匹配字符并替换

小白的Python之路 day5 re正则模块

四、常用方法

1、group([group1, ...])

说明: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。

小白的Python之路 day5 re正则模块

2、groups(default=None)

说明: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。这个要跟分组匹配结合起来使用'(...)'

 小白的Python之路 day5 re正则模块

3、groupdict(default=None)

说明: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。这个是跟另外一个分组匹配结合起来用的:

小白的Python之路 day5 re正则模块

4、span([group])

说明:返回(start(group), end(group))

小白的Python之路 day5 re正则模块

5、start([group])

说明: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。

6、end([group])

说明: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。

小白的Python之路 day5 re正则模块

7、compile(pattern[, flags])

说明:根据包含正则表达式的字符串创建模式对象

小白的Python之路 day5 re正则模块

五、反斜杠的困扰

  与大多数编程语言相同,正则表达式里使用"\"作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题,这个例子中的正则表达式可以使用r"\\"表示。同样,匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。 

小白的Python之路 day5 re正则模块

六、其他匹配模式

1、re.I(re.IGNORECASE)

说明:忽略大小写(括号内是完整的写法,下同)

1
2
3
4
>>> import re
>>> a = re.search('addr',"inet Addr:10.161.146.134",flags=re.I)
>>> a.group()
'Addr'  #忽略大小写

2、re.M(MULTILINE)

说明:多行模式,改变'^'和'$'的行为,详细请见第2点

1
2
3
4
>>> import re
>>> a = re.search('^a',"inet\naddr:10.161.146.134",flags=re.M)
>>> a.group()
'a'

3、re.S(DOTALL)

说明:点任意匹配模式,改变'.'的行为

1
2
3
4
>>> import re
>>> a = re.search('.+',"inet\naddr:10.161.146.134",flags=re.S)
>>> a.group()
'inet\naddr:10.161.146.134'

注意:上面这三种匹配模式,知道就行。

七、总结

1、用r''的方式表示的字符串叫做raw字符串,用于抑制转义。
2、正则表达式使用反斜杆(\)来转义特殊字符,使其可以匹配字符本身,而不是指定其他特殊的含义。
3、这可能会和python字面意义上的字符串转义相冲突,这也许有些令人费解,比如,要匹配一个反斜杆本身,你也许要用'\\\\'来做为正则表达式的字符串,而字符串里,每个反斜杆都要写成\\。
4、你也可以在字符串前加上 r 这个前缀来避免部分疑惑,因为 r 开头的python字符串是 raw 字符串,所以里面的所有字符都不会被转义,比如r'\n'这个字符串就是一个反斜杆加上一字母n,而'\n'我们知道这是个换行符。因此,上面的'\\\\'你也可以写成r'\\',这样,应该就好理解很多了。

上一篇:iOS开发——View的透明属性hidden、alpha、opaque


下一篇:Makefile里调用Shell注意点