Python正则

发表于 分类于 浏览： 阅读时长 ≈ 3 分钟
Python中的正则表达式,中等难度的知识点的整理与概括,但不包括最基础的正则知识

常用

  • 在带有 'r' 前缀的字符串字面值中，反斜杠不必做任何特殊处理。反斜重复两次将导致理解障碍，所以高度推荐，就算是最简单的表达式，也要使用原始字符串。

  • '*', '+'，和 '?' 修饰符都是 _贪婪的_；它们在字符串进行尽可能多的匹配。有时候并不需要这种行为。如果正则式 <.*> 希望找到 '<a> b <c>'，它将会匹配整个字符串，而不仅是 '<a>'。在修饰符之后添加 ? 将使样式以 非贪婪即最小方式进行匹配；尽量 少 的字符将会被匹配。 使用正则式 <.*?> 将会仅仅匹配 '<a>'。

  • 特殊字符在集合中，失去它的特殊含义。比如 [(+*)] 只会匹配这几个文法字符 '(', '+', '*', or ')'

  • \B匹配空字符串，但 不 能在词的开头或者结尾。意思就是 r'py\B' 匹配 'python', 'py3', 'py2', 但不匹配 'py', 'py.', 或者 'py!'. \B 是 \b 的取非。(说人话就是后边必须有点东西)

模块内容

  • re.compile(pattern, flags=0) 可以让正则多次使用
  • re.search(pattern, string, flags=0)扫描整个字符串，找到匹配样式的第一个位置，并返回一个相应的匹配对象如果没有匹配，就返回一个 None
  • re.match(pattern, string, flags=0)注意即便是 MULTILINE 多行模式,re.match() 也只匹配字符串的开始位置，而不匹配每行开始。如果你想定位 string 的任何位置，使用 search()来替代
  • re.split(pattern, string, maxsplit=0, flags=0) 用 pattern分开 string 。 如果在 pattern 中捕获到括号，那么所有的组里的文字也会包含在列表里。如果 maxsplit 非零， 最多进行 maxsplit次分隔， 剩下的字符全部返回到列表的最后一个元素。
  • re.findall(pattern, string, flags=0) 对 string 返回一个不重复的pattern 的匹配列表， string 从左到右进行扫描，匹配按找到的顺序返回。如果样式里存在一到多个组，就返回一个组合列表；就是一个元组的列表（如果样式里有超过一个组合的话）。空匹配也会包含在结果里。
  • re.finditer(pattern, string, flags=0) pattern 在 string 里所有的非重复匹配，返回为一个迭代器 iterator保存了匹配对象 。string从左到右扫描，匹配按顺序排列。空匹配也包含在结果里。(用迭代器保存返回的匹配对象)

正则对象

编译后的正则表达式对象支持的方法和属性

1
2
3
4
5
6
pattern = re.compile("d")
pattern.search()
pattern.match()
pattern.findall()
pattern.finditer()
...

匹配对象

匹配对象总是有一个布尔值 True。如果没有匹配的话match() 和search()返回 None 所以你可以简单的用 if 语句来判断是否匹配

1
2
3
4
match = re.search(pattern, string)
if match:
    process(match)

组的概念

正则式中的每个组都有一个序号，它是按定义时从左到右的顺序从1开始编号的。其实，re的正则式还有一个0号组，它就是整个正则式本身。

  • match.group()

  • group(0) 与 group() 等价，其结果为整个正则式匹配到的内容，包括没有包到组里面的内容

  • match.groups()

    • 匹配组里面的内容，把他们都列出来放到元组里

  • match.__getitem__()

  • match.lastgroup

    • 最后一个匹配到的组的组名,如果没有产生匹配的话返回None。

  • match.start()

    • 返回给定的组开始的位置

  • match.end()

    • 返回给定的组结束的位置+1

  • match.span()

    • 返回（start,end）的形式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
>>>> p=re.compile( r’(?P<name>[a-z]+)/s+(?P<age>/d+)/s+(?P<tel>/d+).*’ , re.I )

>>> p.groupindex

{'age': 2, 'tel': 3, 'name': 1}

>>> s=’Tom 24 88888888  <=’

>>> m=p.search(s)

>>> m.groups()                           # 看看匹配的各组的情况

('Tom', '24', '8888888')

>>> m.group(‘name’)                   # 使用组名获取匹配的字符串

‘Tom’

>>> m.group( 1 )                         # 使用组序号获取匹配的字符串，同使用组名的效果一样

>>> m.group(0)                           # 0 组里面是什么呢？

'Tom 24 88888888  <='