iis 发布网站内部服务器错误,老客户网站建设,品牌网站设计公司,网业qq本文http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
正则表达式经常被用到#xff0c;而自己总是记不全#xff0c;转载一份完整的以备不时之需。
1. 正则表达式基础
1.1. 简单介绍
正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具而自己总是记不全转载一份完整的以备不时之需。
1. 正则表达式基础
1.1. 简单介绍
正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具拥有自己独特的语法以及一个独立的处理引擎效率上可能不如str自带的方法但功能十分强大。得益于这一点在提供了正则表达式的语言里正则表达式的语法都是一样的区别只在于不同的编程语言实现支持的语法数量不同但不用担心不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式只需要简单看一看就可以上手了。
下图展示了使用正则表达式进行匹配的流程正则表达式的大致匹配过程是依次拿出表达式和文本中的字符比较如果每一个字符都能匹配则匹配成功一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界这个过程会稍微有一些不同但也是很好理解的看下图中的示例以及自己多使用几次就能明白。
下图列出了Python支持的正则表达式元字符和语法1.2. 数量词的贪婪模式与非贪婪模式
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的在少数语言里也可能是默认非贪婪总是尝试匹配尽可能多的字符非贪婪的则相反总是尝试匹配尽可能少的字符。例如正则表达式ab*如果用于查找abbbc将找到abbb。而如果使用非贪婪的数量词ab*?将找到a。
1.3. 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。
1.4. 匹配模式
正则表达式提供了一些可用的匹配模式比如忽略大小写、多行匹配等这部分内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。
2. re模块
2.1. 开始使用re
Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# encoding: UTF-8
import re
# 将正则表达式编译成Pattern对象
pattern re.compile(rhello)
# 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()
### 输出 ###
# hello
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。以下两个正则表达式是等价的
1
2
3
4
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的功能。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。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为
1
2
m re.match(rhello,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*//?等之前加上转义符再返回在需要大量匹配元字符时有那么一点用。
2.2. Match
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
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的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、\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\g10。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import re
m re.match(r(\w) (\w)(?P.*),hello world!)
print m.string:, m.string
print m.re:, m.re
print m.pos:, m.pos
print m.endpos:, m.endpos
print m.lastindex:, m.lastindex
print m.lastgroup:, m.lastgroup
print m.group(1,2):, m.group(1,2)
print m.groups():, m.groups()
print m.groupdict():, m.groupdict()
print m.start(2):, m.start(2)
print m.end(2):, m.end(2)
print m.span(2):, m.span(2)
print rm.expand(r\2 \1\3):, m.expand(r\2 \1\3)
### output ###
# m.string: hello world!
# m.re: _sre.SRE_Pattern object at 0x016E1A38
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): (hello, world)
# m.groups(): (hello, world, !)
# m.groupdict(): {sign: !}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r\2 \1\3): world hello!
2.3. Pattern
Pattern对象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。
1
2
3
4
5
6
7
8
9
10
11
12
13
import re
p re.compile(r(\w) (\w)(?P.*), re.DOTALL)
print p.pattern:, p.pattern
print p.flags:, p.flags
print p.groups:, p.groups
print p.groupindex:, p.groupindex
### output ###
# p.pattern: (\w) (\w)(?P.*)
# p.flags: 16
# p.groups: 3
# p.groupindex: {sign: 3}
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下标处起尝试匹配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$。
示例参见2.1小节。
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posendpos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flags用于编译pattern时指定匹配模式。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# encoding: UTF-8
import re
# 将正则表达式编译成Pattern对象
pattern re.compile(rworld)
# 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()
### 输出 ###
# 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。
1
2
3
4
5
6
7
import re
p re.compile(r\d)
print p.split(one1two2three3four4)
### output ###
# [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。
1
2
3
4
5
6
7
import re
p re.compile(r\d)
print p.findall(one1two2three3four4)
### output ###
# [1, 2, 3, 4]
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。
1
2
3
4
5
6
7
8
import re
p re.compile(r\d)
for min p.finditer(one1two2three3four4):
print m.group(),
### output ###
# 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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import re
p re.compile(r(\w) (\w))
s i say, hello world!
print p.sub(r\2 \1, s)
def func(m):
return m.group(1).title() m.group(2).title()
print p.sub(func, s)
### output ###
# say i, world hello!
# I Say, Hello World!
subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):返回 (sub(repl, string[, count]), 替换次数)。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import re
p re.compile(r(\w) (\w))
s i say, hello world!
print p.subn(r\2 \1, s)
def func(m):
return m.group(1).title() m.group(2).title()
print p.subn(func, s)
### output ###
# (say i, world hello!, 2)
# (I Say, Hello World!, 2)
以上就是Python对于正则表达式的支持。完
