Python中re(正则表达式)模块学习

时间:2022-11-11 14:48:23

 +,表示匹配一或更多次

 * 并不匹配字母字符 "*";前一个字符可以被匹配零次或更多次

?,零次或一次

"." 通常被用于你想匹配“任何字符”的地方

 {m,n},其中 m 和 n 是十进制整数。该限定符的意思是至少有 m 个重复,至多到 n 个重复。Python中re(正则表达式)模块学习

\d  匹配任何十进制数;它相当于类 [0-9]。

\D  匹配任何非数字字符;它相当于类 [^0-9]。

\s  匹配任何空白字符;它相当于类  [ "t"n"r"f"v]。

\S  匹配任何非空白字符;它相当于类 [^ "t"n"r"f"v]。

\w  匹配任何字母数字字符;它相当于类 [a-zA-Z0-9_]。

\W  匹配任何非字母数字字符;它相当于类 [^a-zA-Z0-9_]。

一、re.match

re.match 尝试从字符串的开始匹配一个模式。
例子,匹配第一个单词。
 


代码示例:#!/bin/python
#
import re  
text = "JGood is a handsome boy, he is cool, clever, and so on..."
m = re.match(r"(\w+)\s", text)  
if m:  
    print m.group(0), '\n', m.group(1)  
else:  
    print 'not match'
re.match的函数原型为:re.match(pattern, string, flags)
第一个参数是正则表达式,这里为"(\w+)\s",如果匹配成功,则返回一个Match,否则返回一个None;
第二个参数表示要匹配的字符串;
第三个参数是标致位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。


二、re.search
re.search函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回,如果字符串没有匹配,则返回None。
 

代码示例:#!/bin/python
import re  
text = "JGood is a handsome boy, he is cool, clever, and so on..."
m = re.search(r'\shan(ds)ome\s', text)  
if m:  
    print m.group(0), m.group(1)  
else:  
    print 'not search'
 
re.search的函数原型为: re.search(pattern, string, flags) 每个参数的含意与re.match一样。


re.match与re.search的区别:re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;
而re.search匹配整个字符串,直到找到一个匹配。


三、re.sub
re.sub用于替换字符串中的匹配项。
例子,将字符串中的空格 ' ' 替换成 '-' :
 


代码示例:import re  
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.sub(r'\s+', '-', text)
 
re.sub的函数原型为:re.sub(pattern, repl, string, count)


其中第二个函数是替换后的字符串;本例中为'-'


第四个参数指替换个数。默认为0,表示每个匹配项都替换。


re.sub还允许使用函数对匹配项的替换进行复杂的处理。如:re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0);将字符串中的空格' '替换为'[ ]'。


四、re.split
可以使用re.split来分割字符串,如:re.split(r'\s+', text);将字符串按空格分割成一个单词列表。


五、re.findall
re.findall可以获取字符串中所有匹配的字符串。如:re.findall(r'\w*oo\w*', text);获取字符串中,包含'oo'的所有单词。


六、re.compile
可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象,这样可以提高一定的效率。下面是一个正则表达式对象的一个例子:
 


代码示例:import re  
text = "JGood is a handsome boy, he is cool, clever, and so on..."
regex = re.compile(r'\w*oo\w*')  
print regex.findall(text)   #查找所有包含'oo'的单词  

print regex.sub(lambda m: '[' + m.group(0) + ']', text) #将字符串中含有'oo'的单词用[]括起来。


七、group()


1、 group([group1,…])
返回匹配到的一个或者多个子组。如果是一个参数,那么结果就是一个字符串,如果是多个参数,那么结果就是一个参数一个item的元组。group1的 默认值为0(将返回所有的匹配值).如果groupN参数为0,相对应的返回值就是全部匹配的字符串,如果group1的值是[1…99]范围之内的,那 么将匹配对应括号组的字符串。如果组号是负的或者比pattern中定义的组号大,那么将抛出IndexError异常。如果pattern没有匹配到, 但是group匹配到了,那么group的值也为None。如果一个pattern可以匹配多个,那么组对应的是样式匹配的最后一个。


另外,子组是根据括 号从左向右来进行区分的。
 


 代码示例:>>> m=re.match("(\w+) (\w+)","abcd efgh, chaj")
>>> m.group()            # 匹配全部
'abcd efgh'
>>> m.group(1)     # 第一个括号的子组.
'abcd'
>>> m.group(2)
'efgh'
>>> m.group(1,2)           # 多个参数返回一个元组
('abcd', 'efgh')
>>> m=re.match("(?P<first_name>\w+) (?P<last_name>\w+)","sam lee")
>>> m.group("first_name")  #使用group获取含有name的子组
'sam'
>>> m.group("last_name")
'lee'
把括号去掉
 


代码示例:>>> m=re.match("\w+ \w+","abcd efgh, chaj")
>>> m.group()
'abcd efgh'
>>> m.group(1)
Traceback (most recent call last):
   File "<pyshell#32>", line 1, in <module>
   m.group(1)
IndexError: no such group
If a group matches multiple times, only the last match is accessible:


如果一个组匹配多个,那么仅仅返回匹配的最后一个的。
 


代码示例:>>> m=re.match(r"(..)+","a1b2c3")
>>> m.group(1)
'c3'
>>> m.group()
'a1b2c3'
 
Group的默认值为0,返回正则表达式pattern匹配到的字符串
 


代码示例:>>> s="afkak1aafal12345adadsfa"
 >>> pattern=r"(\d)\w+(\d{2})\w"
 >>> m=re.match(pattern,s)
 >>> print m
 None
 >>> m=re.search(pattern,s)
 >>> m
 <_sre.SRE_Match object at 0x00C2FDA0>
 >>> m.group()
 '1aafal12345a'
 >>> m.group(1)
 '1'
 >>> m.group(2)
 '45'
 >>> m.group(1,2,0)
 ('1', '45', '1aafal12345a')
 
2、 groups([default])
返回一个包含所有子组的元组。Default是用来设置没有匹配到组的默认值的。Default默认是"None”,
 


代码示例: >>> m=re.match("(\d+)\.(\d+)","23.123")
 >>> m.groups()
 ('23', '123')
 >>> m=re.match("(\d+)\.?(\d+)?","24") #这里的第二个\d没有匹配到,使用默认值"None"
 >>> m.groups()
 ('24', None)
 >>> m.groups("0")
 ('24', '0')
 
3、 groupdict([default])
返回匹配到的所有命名子组的字典。
Key是name值,value是匹配到的值。
参数default是没有匹配到的子组的默认值。
这里与groups()方法的参数是一样的。默认值为None
 


代码示例: >>> m=re.match("(\w+) (\w+)","hello world")
 >>> m.groupdict()
 {}
 >>> m=re.match("(?P<first>\w+) (?P<secode>\w+)","hello world")
 >>> m.groupdict()
 {'secode': 'world', 'first': 'hello'}
 
可见:groupdict()对没有name的子组不起作用。


本文原始链接:http://www.jbxue.com/article/12646.html