首页 > 代码库 > 【python】正则表达式
【python】正则表达式
参考资料：http://deerchao.net/tutorials/regex/regex.htm
1、正则表达式基础
2、python 正则表达式
1、正则表达式基础
元字符：
其他语法：
（1）字符转义
如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.
例如C:\\Windows 匹配C:\Windows
（2）分组——用小括号来指定子表达式(也叫做分组)
例如：(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式，\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址。选择，字符类来描述一个正确的IP地址为：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。
（3）贪婪与懒惰
当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
2、python正则表达式
实例:1：（search和match与sub）
# encoding:utf-8‘‘‘Created on 2014-6-18@author: Administrator‘‘‘import reclass Regex(object): def regex_match(self): pattern = "\w+@\w+.*(\w+)\.com" # 匹配邮箱 mt = re.match(pattern, "luosongchao@xxx.yyy.xadad.com") if mt: print mt.group() print mt.groups() else: print "no match" def regex_search(self): mt = re.search(r"\Bl(.?){2}", "hello world!") if mt: print mt.group() else: print "no match" def regex_sub(self): ret = re.sub("X", "Mr Smith", "attention:X\n\nDear X,\n") print ret ret = re.subn("X", "Mr Smith", "attention:X\n\nDear X,\n") print ret if __name__ == "__main__": regex = Regex() regex.regex_match() regex.regex_search() regex.regex_sub()
结果：
结论：
match：从字符串开头开始对模式进行匹配，成功返回匹配对象，否则返回None
search：在字符串string中搜索正则表达式模式pattern第一次出现的字符串
sub：把字符串中匹配正则表达式pattern的地方替换为新字符串
实例2：（split）
# encoding:utf-8‘‘‘Created on 2014-6-18@author: Administrator‘‘‘import reclass RegexLs(object): """使用正则表达式解析Unix命令ls -al的结果""" def __init__(self, path): try: self.fl = open(path) except Exception : print "文件" + path + "打开出错！" def analy_file(self): pattern = "\s+|\t" for line in self.fl: print re.split(pattern, line.strip()) def __del__(self): self.fl.close()if __name__ == "__main__": path = "ls.txt" regex_ls = RegexLs(path) regex_ls.analy_file()
其中Unix命令：ls –al 生成结果格式：
结论：
split，根据正则表达式pattern中的分隔符把字符串string分隔为一个列表
实例3：（惰性匹配）
# encoding:utf-8‘‘‘Created on 2014-6-18@author: Administrator‘‘‘from random import randint, choicefrom sys import maxintfrom time import ctimefrom string import lowercaseimport reclass RegexExample(object): def __init__(self): self.doms = (‘com‘, ‘edu‘, ‘net‘, ‘org‘, ‘gov‘) self.format_list = [] def get_string(self): for i in range(randint(5, 10)): dtint = randint(0, maxint - 1) dtstr = ctime(dtint) shorter = randint(4, 7) em = "" for j in range(shorter): em += choice(lowercase) longer = randint(shorter, 12) dn = "" for j in range(longer): dn += choice(lowercase) string = "%s::%s@%s.%s::%d-%d-%d" % (dtstr, em, dn, choice(self.doms), dtint, shorter, longer)# print string self.format_list.append(string) def get_last(self): pattern = ".+?(\d+-\d+-\d+)" for elem in self.format_list: print elem ps = re.search(pattern, elem) if ps: print ps.group(1) if __name__ == "__main__": example = RegexExample() example.get_string() print "#"*40 example.get_last()
执行结果：
结论：
get_last()函数使用的pattern=”.*?（\d-\d-\d）”执行的是惰性匹配，其中（\d-\d-\d)为分组