Python入门篇之正则表达式

正则表达式有两种基本的操作，分别是匹配和替换。

匹配就是在一个文本字符串中搜索匹配一特殊表达式；

替换就是在一个字符串中查找并替换匹配一特殊表达式的字符串。

1.基本元素

正则表达式定义了一系列的特殊字符元素以执行匹配动作。

正则表达式基本字符

字符 描述

text 匹配text字符串

. 匹配除换行符之外的任意一个单个字符

^ 匹配一个字符串的开头

$ 匹配一个字符串的末尾

在正则表达式中，我们还可用匹配限定符来约束匹配的次数。

匹配限定符

最大匹配 最小匹配 描述

• 重复匹配前表达式零次或多次

• 重复匹配前表达式一次或多次

重复匹配前表达式零次或一次

{m} {m} 精确重复匹配前表达式m次

{m,} {m,} 至少重复匹配前表达式m次

{m,n} {m,n} 至少重复匹配前表达式m次，至多重复匹配前表达式n次

据上所述，"."为最大匹配，能匹配源字符串所有能匹配的字符串。". "为最小匹配，只匹配第一次出现的字符串。如：d.g能匹配任意以d开头，以g结尾的字符串，如"debug"和"debugging"，甚至"dog is walking"。而d. g只能匹配"debug"，在"dog is walking"字符串中，则只匹配到"dog "。

在一些更复杂的匹配中，我们可用到组和运算符。

组和运算符

组 描述

[...] 匹配集合内的字符，如[a-z],[1-9]或[,./;']

[^...] 匹配除集合外的所有字符，相当于取反操作

A|B 匹配表达式A或B，相当于OR操作

(...) 表达式分组，每对括号为一组，如([a-b]+)([A-Z]+)([1-9]+)

\number 匹配在number表达式组内的文本

有一组特殊的字符序列，用来匹配具体的字符类型或字符环境。如\b匹配字符边界，food\b匹配"food"、"zoofood"，而和"foodies"不匹配。

特殊字符序列

字符 描述

\A 只匹配字符串的开始

\b 匹配一个单词边界

\B 匹配一个单词的非边界

\d 匹配任意十进制数字字符，等价于r'[0-9]'

\D 匹配任意非十进制数字字符，等价于r'[^0-9]'

\s 匹配任意空格字符（空格符、tab制表符、换行符、回车、换页符、垂直线符号）

\S 匹配任意非空格字符

\w 匹配任意字母数字字符

\W 匹配任意非字母数字字符

\Z 仅匹配字符串的尾部

\\ 匹配反斜线字符

有一套声明(assertion)对具体事件进行声明。

正则表达式声明

声明 描述

( iLmsux) 匹配空字符串，iLmsux字符对应下表的正则表达式修饰符。

( :...) 匹配圆括号内定义的表达式，但不填充字符组表。

( P) 匹配圆括号内定义的表达式，但匹配的表达式还可用作name标识的符号组。

( P=name) 匹配所有与前面命名的字符组相匹配的文本。

( #...) 引入注释，忽略圆括号内的内容。

( =...) 如果所提供的文本与下一个正则表达式元素匹配，这之间没有多余的文本就匹配。这允许在一个表达式中进行超前操作，而不影响正则表达式其余部分的分析。如"Martin"其后紧跟"Brown"，则"Martin( =Brown)"就只与"Martin"匹配。

( !...) 仅当指定表达式与下一个正则表达式元素不匹配时匹配，是( =...)的反操作。

( <=...) 如果字符串当前位置的前缀字符串是给定文本，就匹配，整个表达式就在当前位置终止。如( <=abc)def表达式与"abcdef"匹配。这种匹配是对前缀字符数量的精确匹配。

( <!...) 如果字符串当前位置的前缀字符串不是给定的正文，就匹配，是( <=...)的反操作。

正则表达式还支持一些处理标志，它会影响正则式的执行方法。

处理标志

标志 描述

I或IGNORECASE 忽略表达式的大小写来匹配文本。

2.操作

通过re模块，我们就可在python中利用正则式对字符串进行搜索、抽取和替换操作。如：re.search()函数能执行一个基本的搜索操作，它能返回一个MatchObject对象。re.findall()函数能返回匹配列表。

复制代码 代码如下:

import re
a="this is my re module test"
obj = re.search(r'.is',a)
print obj
<_sre.SRE_Match object at 0xb7d7a218>
obj.group()
'this is'
re.findall(r'.is',a)
['this is']

MatchObject对象方法

方法 描述

expand(template) 展开模板中用反斜线定义的内容。

m.group([group,...]) 返回匹配的文本，是个元组。此文本是与给定group或由其索引数字定义的组匹配的文本，如果没有组定组名，则返回所有匹配项。

m.groups([default]) 返回一个元组，该元组包含模式中与所有组匹配的文本。如果给出default参数，default参数值就是与给定表达式不匹配的组的返回值。default参数的默认取值为None。

m.groupdict([default]) 返回一个字典，该字典包含匹配的所有子组。如果给出default参数，其值就是那些不匹配组的返回值。default参数的默认取值为None。

m.start([group]) 返回指定group的开始位置，或返回全部匹配的开始位置。

m.end([group]) 返回指定group的结束位置，或返回全部匹配的结束位置。

m.span([group]) 返回两元素组，此元组等价于关于一给定组或一个完整匹配表达式的(m.start(group),m.end(group)))列表

m.pos 传递给match()或search()函数的pos值。

m.endpos 传递给match()或search()函数的endpos值。

m.lastindex

m.lastgroup

m.re 创建这个MatchObject对象的正则式对象

m.string 提供给match()或search()函数的字符串。

使用sub()或subn()函数可在字符串上执行替换操作。sub()函数的基本格式如下：
sub(pattern,replace,string[,count])

示例

复制代码 代码如下:

str = 'The dog on my bed'
rep = re.sub('dog','cat',str)
print rep
The cat on my bed

replace参数可接受函数。要获得替换的次数，可使用subn()函数。subn()函数返回一个元组，此元组包含替换了的文本和替换的次数。

如果需用同一个正则式进行多次匹配操作，我们可把正则式编译成内部语言，提高处理速度。编译正则式用compile()函数来实现。compile()函数的基本格式如下：
compile(str[,flags])

str表示需编译的正则式串，flags是修饰标志符。正则式被编译后生成一个对象，该对象有多种方法和属性。

正则式对象方法/属性

方法/属性 描述

r.search(string[,pos[,endpos]]) 同search()函数，但此函数允许指定搜索的起点和终点

r.match(string[,pos[,endpos]]) 同match()函数，但此函数允许指定搜索的起点和终点

r.split(string[,max]) 同split()函数

r.findall(string) 同findall()函数

r.sub(replace,string[,count]) 同sub()函数

r.subn(replace,string[,count]) 同subn()函数

r.flags 创建对象时定义的标志

r.groupindex 将r'( Pid)'定义的符号组名字映射为组序号的字典

r.pattern 在创建对象时使用的模式

转义字符串用re.escape()函数。

通过getattr获取对象引用

复制代码 代码如下:

li=['a','b']
getattr(li,'append')
getattr(li,'append')('c') #相当于li.append('c')
li
['a', 'b', 'c']
handler=getattr(li,'append',None)
handler
<built-in method append of list object at 0xb7d4a52c>
handler('cc') #相当于li.append('cc')
li
['a','b','c','cc']
result = handler('bb')
li
['a','b','c','cc','bb']
print result
None