首页 > 代码库 > 正则表达式(Python)

正则表达式(Python)

  • 了解正则表达式

正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。 正则表达式是用来匹配字符串非常强大的工具,在其他编程语言中同样有正则表达式的概念,Python同样不例外,利用了正则表达式,我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。

  • 正则表达式的大致匹配过程

  1. 依次拿出表达式和文本中的字符比较,
  2. 如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。
  3. 如果表达式中有量词或边界,这个过程会稍微有一些不同。
  • 正则表达式的语法规则(Python)

技术分享

  • 数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。Python 里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式 ”ab” 如果用于查找 ”abbbc”,将找到 ”abbb”。而如果使用非贪婪的数量词 ”ab?”,将找到 ”a”。

注:我们一般使用非贪婪模式来提取。

  • 反斜杠问题

与大多数编程语言相同,正则表达式里使用”\”作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”,那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\”:前两个和后两个分别用于在编程语言里转义成反斜杠,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解决了这个问题,这个例子中的正则表达式可以使用 r”\” 表示。同样,匹配一个数字的 ”\d” 可以写成 r”\d”。

  • Python Re模块

Python自带了re模块,它提供了对正则表达式的支持。主要用法如下举例:

#返回pattern对象
re.compile(string[,flag])  
#以下为匹配所用函数
re.match(pattern, string[, flags])
re.search(pattern, string[, flags])
re.split(pattern, string[, maxsplit])
re.findall(pattern, string[, flags])
re.finditer(pattern, string[, flags])
re.sub(pattern, repl, string[, count])
re.subn(pattern, repl, string[, count]) 

patterng概念:

pattern 可以理解为一个匹配模式,那么我们怎么获得这个匹配模式呢?很简单,我们需要利用 re.compile 方法就可以。例如

pattern = re.compile(rhello)

在参数中我们传入了原生字符串对象,通过 compile 方法编译生成一个 pattern 对象,然后我们利用这个对象来进行进一步的匹配。

另外大家可能注意到了另一个参数 flags,在这里解释一下这个参数的含义:

参数 flag 是匹配模式,取值可以使用按位或运算符’|’表示同时生效,比如 re.I | re.M。

可选值有:

 ? re.I(全拼:IGNORECASE): 忽略大小写(括号内是完整写法,下同)
 ? re.M(全拼:MULTILINE): 多行模式,改变^$的行为(参见上图)
 ? re.S(全拼:DOTALL): 点任意匹配模式,改变.的行为
 ? re.L(全拼:LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
 ? re.U(全拼:UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
 ? re.X(全拼:VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。

在刚才所说的另外几个方法例如 re.match 里我们就需要用到这个 pattern 了,下面我们一一介绍。

注: 以下七个方法中flags同样是代表匹配模式的意思,如果在pattern生成时已经指明了flags,那么在下面的方法中就不需要传入这个参数了。

  • re.match函数

re.match 尝试从字符串的开始匹配一个模式。

函数语法:

re.match(pattern, string, flags=0)

函数参数说明:

参数 描述
pattern 匹配的正则表达式。
string 要匹配的字符串。
flags 标志位,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。

匹配成功re.match方法返回一个匹配的对象,否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式

匹配对象方法 描述
group(num=0) 匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。
groups() 返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。

实例:

 1 #!/usr/bin/python
 2 import re
 3  
 4 line = "Cats are smarter than dogs"
 5  
 6 matchObj = re.match( r(.*) are (.*?) .*, line, re.M|re.I)
 7  
 8 if matchObj:
 9    print ("matchObj.group() : ", matchObj.group())
10    print ("matchObj.group(1) : ", matchObj.group(1))
11    print ("matchObj.group(2) : ", matchObj.group(2))
12 else:
13    print ("No match!!")

以上实例执行结果:

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

 

  • re.search方法

re.search 尝试从字符串的开始匹配一个模式。

函数语法:

re.search(pattern, string, flags=0)

实例:

 1 #!/usr/bin/python
 2 import re
 3  
 4 line = "Cats are smarter than dogs";
 5  
 6 matchObj = re.search( r(.*) are (.*?) .*, line, re.M|re.I)
 7  
 8 if matchObj:
 9    print ("matchObj.group() : ", matchObj.group())
10    print ("matchObj.group(1) : ", matchObj.group(1))
11    print ("matchObj.group(2) : ", matchObj.group(2))
12 else:
13    print ("No match!!")

执行结果:

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter
  • 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。

实例:

 1 import re
 2 
 3 line = "Cats are smarter than dogs"
 4 
 5 matchObj = re.match( rdogs, line, re.M|re.I)
 6 if matchObj:
 7     print ("match --> matchObj.group(): ", matchObj.group())
 8 else:
 9     print ("No match!!")
10 
11 searchObj = re.search( rdogs, line, re.M|re.I)
12 if searchObj:
13     print ("search --> matchObj.group(): ", searchObj.group())
14 else:
15     print ("No match!!")

运行结果:

No match!!
search --> matchObj.group() :  dogs
  • 检索和替换

Python 的re模块提供了re.sub用于替换字符串中的匹配项。

语法:

re.sub(pattern, repl, string, max=0)

返回的字符串是在字符串中用 RE 最左边不重复的匹配来替换。如果模式没有发现,字符将被没有改变地返回。

可选参数 count 是模式匹配后替换的最大次数;count 必须是非负整数。缺省值是 0 表示替换所有的匹配。

实例:

 1 #!/usr/bin/python
 2 import re
 3  
 4 phone = "2004-959-559 # This is Phone Number"
 5  
 6 # Delete Python-style comments
 7 num = re.sub(r#.*$, "", phone)
 8 print ("Phone Num : ", num)
 9  
10 # Remove anything other than digits
11 num = re.sub(r\D, "", phone)    
12 print ("Phone Num : ", num)

运行结果:

Phone Num :  2004-959-559
Phone Num :  2004959559

 

正则表达式(Python)