Python正则表达式指南保举

1.2. 数目词的贪心模式与非贪心模式

1.3. 反斜杠的困扰

1.4. 匹配模式

2. re模块

2.1. 开始行使re

2.2. Match

2.3. Pattern

本文先容了Python对付正则表达式的支持，包罗正则表达式基本以及Python正则表达式尺度库的完备先容及行使示例。本文的内容不包罗怎样编写高效的正则表达式、怎样优化正则表达式，这些主题请查察其他教程。

留意：本文基于Python2.4完成；假如看到不大白的词汇请记得百度谷歌或维基，whatever。

1. 正则表达式基本

1.1. 简朴先容

正则表达式并不是Python的一部门。正则表达式是用于处理赏罚字符串的强盛器材，拥有本身奇异的语法以及一个独立的处理赏罚引擎，服从上也许不如str自带的要领，但成果异常强盛。得益于这一点，在提供了正则表达式的说话里，正则表达式的语法都是一样的，区别只在于差异的编程说话实现支持的语法数目差异；但不消担忧，不被支持的语法凡是是不常用的部门。假如已经在其他说话里行使过正则表达式，只必要简朴看一看就可以上手了。

下图展示了行使正则表达式举办匹配的流程：

正则表达式的大抵匹配进程是：依次拿出表达式和文本中的字符较量，假如每一个字符都能匹配，则匹配乐成；一旦有匹配不乐成的字符则匹配失败。假如表达式中有量词或界线，这个进程会轻微有一些差异，但也是很好领略的，看下图中的示例以及本身多行使屡次就能大白。

下图列出了Python支持的正则表达式元字符和语法：

1.2. 数目词的贪心模式与非贪心模式

正则表达式凡是用于在文本中查找匹配的字符串。Python里数目词默认是贪心的（在少数说话里也也许是默认非贪心），老是实行匹配尽也许多的字符；非贪心的则相反，老是实行匹配尽也许少的字符。譬喻：正则表达式"ab*"假如用于查找"abbbc"，将找到"abbb"。而假如行使非贪心的数目词"ab*?"，将找到"a"。

1.3. 反斜杠的困扰

与大大都编程说话沟通，正则表达式里行使""作为转义字符，这就也许造成反斜杠困扰。若是你必要匹配文本中的字符""，那么行使编程说话暗示的正则表达式里将必要4个反斜杠"\"：前两个和后两个体离用于在编程说话里转义成反斜杠，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办理了这个题目，这个例子中的正则表达式可以行使r""暗示。同样，匹配一个数字的"d"可以写成r"d"。有了原生字符串，你再也不消担忧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，好比忽略巨细写、多行匹配等，这部门内容将在Pattern类的工场要领re.compile(pattern[, flags])中一路先容。

2. re模块

2.1. 开始行使re

Python通过re模块提供对正则表达式的支持。行使re的一样平常步调是先将正则表达式的字符串情势编译为Pattern实例，然后行使Pattern实例处理赏罚文本并得到匹配功效（一个Match实例），最后行使Match实例得到信息，举办其他的操纵。

# encoding: UTF-8
import re

# 将正则表达式编译成Pattern工具
pattern = re.compile(r'hello')

# 行使Pattern匹配文本，得到匹配功效，无法匹配时将返回None
match = pattern.match('hello world!')

if match:
 # 行使Match得到分组信息
 print match.group()

### 输出 ###
# hello

re.compile(strPattern[, flag]):

这个要领是Pattern类的工场要领，用于将字符串情势的正则表达式编译为Pattern工具。 第二个参数flag是匹配模式，取值可以行使按位或运算符'|'暗示同时见效，好比re.I | re.M。其它，你也可以在regex字符串中指定模式，好比re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。

可选值有：

re.I(re.IGNORECASE): 忽略巨细写（括号内是完备写法，下同） M(MULTILINE): 多行模式，改变'^'和'$'的举动（拜见上图） S(DOTALL): 点恣意匹配模式，改变'.'的举动 L(LOCALE): 使预定字符类 w W b B s S 取决于当前地区设定 U(UNICODE): 使预定字符类 w W b B s S d D 取决于unicode界说的字符属性 X(VERBOSE): 具体模式。这个模式下正则表达式可所以多行，忽略空缺字符，并可以插手注释。以下两个正则表达式是等价的：

a = re.compile(r"""d + # the integral part
  . # the decimal point
  d * # some fractional digits""", re.X)
b = re.compile(r"d+.d*")

re提供了浩瀚模块要领用于完成正则表达式的成果。这些要领可以行使Pattern实例的响应要领更换，独一的甜头是少写一行re.compile()代码，但同时也无法复用编译后的Pattern工具。这些要领将在Pattern类的实例要领部门一路先容。如上面这个例子可以简写为：

m = re.match(r'hello', 'hello world!')
print m.group()

re模块还提供了一个要领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，在必要大量匹配元字符时有那么一点用。

2.2. Match

Match工具是一次匹配的功效，包括了许多关于此次匹配的信息，可以行使Match提供的可读属性或要领来获取这些信息。

属性：

string: 匹配时行使的文本。 re: 匹配时行使的Pattern工具。 pos: 文本中正则表达式开始搜刮的索引。值与Pattern.match()和Pattern.seach()要领的同名参数沟通。 endpos: 文本中正则表达式竣事搜刮的索引。值与Pattern.match()和Pattern.seach()要领的同名参数沟通。 lastindex: 最后一个被捕捉的分组在文本中的索引。假如没有被捕捉的分组，将为None。 lastgroup: 最后一个被捕捉的分组的别名。假如这个分组没有别名可能没有被捕捉的分组，将为None。

要领：

group([group1, …]):

得到一个或多个分组截获的字符串；指定多个参数时将以元组情势返回。group1可以行使编号也可以行使别名；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]):

以元组情势返回所有门组截获的字符串。相等于挪用group(1,2,…last)。default暗示没有截获字符串的组以这个值更换，默以为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，没有别名的组不包括在内。default寄义同上。 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中的竣事索引（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中可以行使id或g、g引用分组，但不能行使编号0。id与g是等价的；但10将被以为是第10个分组，假如你想表达1之后是字符'0'，只能行使g<1>0。

import re
m = re.match(r'(w+) (w+)(?P<sign>.*)', 'hello world!')

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!