正文  电脑教程 > 服务器教程 >

Python正则表达式经典入门

本文实例总结了Python正则表达式基本用法。分享给大家供大家参考,具体如下: 正则表达式在平时做文本处理(爬虫程序去解析html中的字段,在分析lo...

本文实例总结了Python正则表达式基本用法。分享给大家供大家参考,具体如下:

正则表达式在平时做文本处理(爬虫程序去解析html中的字段,在分析log文件的时候需要抓取一些关键数据)的时候经常会用到。一般我们会使用到Python的re库。如果正则表达式自己代码中反复被用到的时候,我们可以将这个正则表达式使用re.compile函数转换成一个object方便调用。

match

将输入的字符串从第一个字符开始匹配,如果不匹配将会直接返回空。

search

和match不同,search能自由的在字符串中任一开始位置开始匹配,直到匹配上了。

re中的选项

通常在flag里面可以设置.

re.I 忽略掉大小写
re.L 让w,W,,B,s和S做本地化识别
re.M 当匹配的时候支持多行匹配.
re.DEBUG 显示正则表达式的调试信息
re.S 让.号匹配本行的全部字符。

sub 替换

import re
phone=‘188-88-88 # this is my phone number‘
num = re.sub(r‘#.*$‘,‘‘,phone)
# num ==188-88-88
num = re.sub(r‘D‘,‘‘,phone)
# num = 1888888

还能使用这个来做代码的转义,有点像在 sublime text里面使用的查找替换。比如说我需要将C语言里面的宏定义转换成lua里面的变量定义

import re
print( re.sub( r‘#defines+([a-zA-Z_]+)s+([a-zA-Z_0-9]+)‘, r‘_G.1 = 2‘, ‘#define MAX_RECV_SIZE 100‘ ) )
#_G.MAX_RECV_SIZE = 100

subn函数类似,只是能定制替换的次数。

findall

将匹配到的内容返回成一个数组,这个应该是比较常用的方法。

print( re.findall( ‘d+‘, ‘66,88,88,777‘ ) )
# [‘66‘, ‘88‘, ‘88‘, ‘777‘]

finditer

匹配的内容以迭代器的方式返回,我们可以对这个做循环,返回的时候MatchObject

for num in re.finditer( ‘d+‘, ‘66,88,88,777‘ ):
 print num.group()
‘‘‘
66
88
88
777
‘‘‘

split

re.split(pattern, string, maxsplit=0, flags=0) 
>>> re.split(‘,‘, ‘Words, words, words.‘)
[‘Words‘, ‘ words‘, ‘ words.‘]
>>> re.split(‘W+‘, ‘Words, words, words.‘)
[‘Words‘, ‘words‘, ‘words‘, ‘‘]
>>> re.split(‘(W+)‘, ‘Words, words, words.‘)
[‘Words‘, ‘, ‘, ‘words‘, ‘, ‘, ‘words‘, ‘.‘, ‘‘]

大写的W表示了非字串,这个在语法里面可以查到。如果加了括号,将不会省略掉匹配到的split的字串。最后这个在数组中作为字串分隔符的,.都被保留在数组中了。

escape

这个函数是一个辅助函数,当大量编写正则表达式的时候,可能我们固定的一些字串中包含了正则的保留字串,但是我们不需要让程序当它是re表达式的时候,可以使用这个函数将字串做转换。

re.escape(‘1234@gmail.com‘)
# result
1234\@gmai\.com

备注语法:

模式 描述
^ 匹配字符串的开头
$ 匹配字符串的末尾。
. 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符。
[…] 用来表示一组字符,单独列出:[amk] 匹配 ‘a‘,‘m‘或‘k‘
[^…] 不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0个或多个的表达式。
re+ 匹配1个或多个的表达式。
re? 匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式re{ n}
re{ n,} 精确匹配n个前面表达式。
re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段,贪婪方式a
(re) G匹配括号内的表达式,也表示一个组
(?imx) 正则表达式包含三种可选标志:i, m, 或 x 。只影响括号中的区域。
(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re) 类似 (…), 但是不表示一个组
(?imx: re) 在括号中使用i, m, 或 x 可选标志
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志
(?#…) 注释.
(?= re) 前向肯定界定符。如果所含正则表达式,以 … 表示,在当前位置成功匹配时成功,否则失败。但一旦所含表达式已经尝试,匹配引擎根本没有提高;模式的剩余部分还要尝试界定符的右边。
(?! re) 前向否定界定符。与肯定界定符相反;当所含表达式不能在字符串当前位置匹配时成功
(?> re) 匹配的独立模式,省去回溯。
w 匹配字母数字
W 匹配非字母数字
s 匹配任意空白字符,等价于 [ f].
S 匹配任意非空字符
d 匹配任意数字,等价于 [0-9].
D 匹配任意非数字
A 匹配字符串开始
 匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。c
z 匹配字符串结束
G 匹配最后匹配完成的位置。
 匹配一个单词边界,也就是指单词和空格间的位置。例如, ‘er‘ 可以匹配”never” 中的 ‘er‘,但不能匹配 “verb” 中的 ‘er‘。
B 匹配非单词边界。‘erB‘ 能匹配 “verb” 中的 ‘er‘,但不能匹配 “never” 中的 ‘er‘。
, , 等. 匹配一个换行符。匹配一个制表符。等
1…9 匹配第n个分组的子表达式。
10 匹配第n个分组的子表达式,如果它经匹配。否则指的是八进制字符码的表达式。