Python中re(正则表达式)模块函数学习
2019独角兽企业重金招聘Python工程师标准>>>
Python正则表达式指南
今天学习了Python中有关正则表达式的知识。关于正则表达式的语法,不作过多解释,网上有许多学习的资料。这里主要介绍python中常用的正则表达式处理函数。
方法/属性 | 作用 |
match() | 决定 RE 是否在字符串刚开始的位置匹配 |
search() | 扫描字符串,找到这个 RE 匹配的位置 |
findall() | 找到 RE 匹配的所有子串,并把它们作为一个列表返回 |
finditer() | 找到 RE 匹配的所有子串,并把它们作为一个迭代器返回 |
match() 函数只检查 RE 是否在字符串开始处匹配,而 search() 则是扫描整个字符串。
match() 只报告一次成功的匹配,它将从 0 处开始;如果匹配不是从 0 开始的,match() 将不会报告它。
search() 将扫描整个字符串,并报告它找到的第一个匹配。
match()、seerch()、finditer()如果匹配成功则返回一个Match Object对象,该对象有以下属性、方法:
方法/属性 | 作用 |
group() | 返回被 RE 匹配的字符串 |
start() | 返回匹配开始的位置 |
end() | 返回匹配结束的位置 |
span() | 返回一个元组包含匹配 (开始,结束) 的位置 |
group() 返回re整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串。
1. group()返回re整体匹配的字符串,
2. group (n,m) 返回组号为n,m所匹配的字符串,如果组号不存在,则返回indexError异常
#!python
>>> p = re.compile('(a(b)c)d')
>>> m = p.match('abcd')
>>> m.group(0)
'abcd'
>>> m.group(1)
'abc'
>>> m.group(2)
'b'
groups() 方法返回一个包含正则表达式中所有小组字符串的元组,从 1 到 所含的小组号,通常groups()不需要参数,返回一个元组,元组中的元就是正则表达式中定义的组。
#!python
>>> p = re.compile('(a(b)c)d')
>>> m = p.match('abcd')
>>> m.groups()
('abc', 'b')
使用索引取得相应的组内容,例如:m.groups()[0]
p2=re.compile(r'''(\d)+\w''',re.X)
>>> p2.match('123a b12123c').group() # re正则表达式 '(\d)+\w匹配的字符串
'123a'>>> p2.match('123a b12123c').group(0)
'123a'>>> p2.match('123a b12123c').group(1) #返回正则表达式中第一个小组即(\d)所匹配的字符串
'3'>>> p2.match('123a b12 123c').groups()
('3',)
re.match ,从字符串开头匹配,返回一个Match Object,或None
re.match 尝试从字符串的开始匹配一个模式,如:下面的例子匹配第一个单词。
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。
方法/属性 | 作用 |
group() | 返回被 RE 匹配的字符串 |
start() | 返回匹配开始的位置 |
end() | 返回匹配结束的位置 |
span() | 返回一个元组包含匹配 (开始,结束) 的位置 |
re.search 在字符串内查找匹配,找到第一个匹配,返回Match Object,或None
re.search函数会在字符串内查找模式匹配,直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。
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。
re.sub 替换所有的匹配项,返回一个替换后的字符串,如果匹配失败,返回原字符串
re.sub用于替换字符串中的匹配项。下面一个例子将字符串中的空格 ' ' 替换成 '-' :
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'[ ]'。
sub() 方法提供一个替换值,可以是字符串或一个函数,和一个要被处理的字符串
当使用模块级的 re.sub() 函数时,模式作为第一个参数。模式也许是一个字符串或一个 `RegexObject`;如果你需要指定正则表达式标志,你必须要么使用 `RegexObject` 做第一个参数,或用使用模式内嵌修正器,如 sub("(?i)b+", "x", "bbbb BBBB") returns 'x x'。
import re
def hexrepl( match ):
"Return the hex string for a decimal number"
value = int( match.group() )
return hex(value)
p = re.compile(r'\d+')
print p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
#Call 0xffd2 for printing, 0xc000 for user code.
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.sub(r'\s+', '-', text)
#JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
print re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text)
#JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
print re.sub(r'a', lambda m: '[' + m.group(0) + ']', text) #在a的两边加[ ],也可以用string.replace()
#JGood is [a] h[a]ndsome boy, he is cool, clever, [a]nd so on...
subn ( ) 与 sub( ) 相同,但返回新的字符串和替换次数
print re.subn('i','I','Paris in the the spring') # ('ParIs In the the sprIng', 3)
空匹配只有在它们没有紧挨着前一个匹配时才会被替换掉。
#!python
>>> p = re.compile('x*')
>>> p.sub('-', 'abxd')
'-a-b-d-'
re.split 以列表形式返回分割的字符串
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。
split(string [, maxsplit = 0])
你可以通过设置 maxsplit 值来限制分片数。当 maxsplit 非零时,最多只能有 maxsplit 个分片,字符串的其余部分被做为列表的最后部分返回。在下面的例子中,定界符可以是非数字字母字符的任意序列。
#!python
>>> p = re.compile(r'\W+')
>>> p.split('This is a test, short and sweet, of split().')
['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']
>>> p.split('This is a test, short and sweet, of split().', 3)
['This', 'is', 'a', 'test, short and sweet, of split().']
有时,你不仅对定界符之间的文本感兴趣,也需要知道定界符是什么。定界符可以是非数字字母字符的任意序列 ,如果捕获括号在 RE中使用,那么它们(定界符)的值也会当作列表的一部分返回。比较下面的调用:
re.split("([ab])","carbs") # ['c', 'a', 'r', 'b', 's'] 定界符是a或b,结果返回界定符a、b。
re.split("([ab]#)", "carbs") # ['carbs'] 定界符是a#或b#,结果 ['carbs']
#!python
>>> p = re.compile(r'\W+')
>>> p2 = re.compile(r'(\W+)')
>>> p.split('This... is a test.')
['This', 'is', 'a', 'test', '']
>>> p2.split('This... is a test.')
['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']
re.findall 以列表形式返回所有匹配的字符串
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。
(pattern) 匹配 pattern并获取这一匹配
import re
text = "JGood is a handsome boy,he is handsome and cool,clever,and so on ...."
print re.findall(r'\w*oo\w*',text) #结果:['JGood', 'cool']
print re.findall(r'(\w)*oo(\w)*',text) # ()表示子表达式 结果:[('G', 'd'), ('c', 'l')]
在 Python 2.2中,也可以用 finditer() 方法。
#!python >>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...') >>> iterator <callable-iterator object at 0x401833ac> >>> for match in iterator: ... print match.group() , match.span() ... 12 (0, 2) 11 (22, 24) 10 (29, 31)
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:
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。
python 贪婪和非贪婪、多行匹配正则表达式小结
先看一个例子,然后在详细介绍。有一个这样的文件1.txt,我要把每个AAA到CCC之间的字段都匹配出来,下面是代码和注释。
#!/usr/local/bin/python #coding:GBK import re fopen=open(r'/tmp/1.txt','r') f=fopen.read().strip()print "输出1.txt文件内容" print f print "---------------------------------------"print "贪婪匹配,re.S('.'匹配字符,包括换行符)" print re.findall(r"AAA(.*)CCC",f,re.S) print "---------------------------------------"print "非贪婪匹配,re.S('.'匹配字符,包括换行符)" list=re.findall(r"AAA(.*?)CCC",f,re.S) print list print "---------------------------------------"print "re.M匹配多行,这里把换行符匹配掉" for i in list:print re.findall(r"(\d+)",i,re.M) print "---------------------------------------"print "把匹配出来的字段放到一个数组" array=[] for lst in list:re_list=re.findall(r"(\d+)",lst,re.M)for i in re_list:array.append(i) for i in array:print i输出的结果: 输出1.txt文件内容 AAA 123 314 5246 CCC AAA 32422 CCC --------------------------------------- 贪婪匹配 ['\n123\n314\n5246\nCCC\nAAA\n32422\n'] --------------------------------------- 非贪婪匹配,re.S('.'匹配字符,包括换行符) ['\n123\n314\n5246\n', '\n32422\n'] --------------------------------------- re.M匹配多行,这里把换行符匹配掉 ['123', '314', '5246'] ['32422'] --------------------------------------- 把匹配出来的字段放到一个数组 123 314 5246 32422
python贪婪和非贪婪
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;非贪婪则相反,总是尝试匹配尽可能少的字符。在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。
>>> s="This is a number 234-235-22-423" >>> r=re.match(".+(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '4-235-22-423' >>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '234-235-22-423' >>>
正则表达式模式中使用到通配字,那它在从左到右的顺序求值时,会尽量“抓取”满足匹配最长字符串,在我们上面的例子里面,“.+”会从字符 串的启始处抓取满足模式的最长字符,其中包括我们想得到的第一个整型字段的中的大部分,“\d+”只需一位字符就可以匹配,所以它匹配了数字“4”,而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式:非贪婪操作符“?”,这个操作符可以用在"*","+","?"的后面,要求正则匹配的越少越好。
下面这个例子仔细体会下
>>> re.match(r"aa(\d+)","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)","aa2343ddd").group(1) '2' >>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1) '2343' >>>
python的多行匹配
r=re.complile(pattern,re.M)
re.M(re.MULTILINE):多行模式,改变'^'和'$'的行为,即^$标志将会匹配每一行。
>>> re.findall(r"^a(\d+)b","a213b\na2345b\na234b") ['213'] >>> re.findall(r"^a(\d+)b","a213b\na2345b\na234b",re.M) ['213', '2345', '234'] >>> re.findall(r"a(\d+)b","a213b\na2345b\na234b") #如果没有^标志,无需re.M ['213', '2345', '234']
tips:”^”匹配字符串的开始,在MULTILINE模式下,也匹配换行符之后。
re.S(re.DOTALL):点任意匹配模式
元字符“.”在默认模式下,匹配除换行符外的所有字符。在DOTALL模式下,匹配所有字符,包括换行符。
>>> re.findall(r".","\n",re.S) ['\n']
转载于:https://my.oschina.net/mickelfeng/blog/1491283
Python中re(正则表达式)模块函数学习相关推荐
- Python中re(正则表达式)模块学习
re.match re.match 尝试从字符串的开始匹配一个模式,如:下面的例子匹配第一个单词. import re text = "JGood is a handsome boy, he ...
- python 模块定义_在python中定义私有模块函数
类私有化和模块私有化之间可能存在混淆. A模块private以一个下划线开头 当使用import命令的from import *形式时,这样的元素不会被复制:但是,如果使用import 语法(see ...
- [转载] Python中的string模块的学习
参考链接: Python当中string.whitespace 学习资料:http://docs.python.org/library/string.html#string.Formatter 感觉学 ...
- python中的utils模块_python学习笔记-import utils报错
今天遇到一个坑爹的问题,查找了半天原因,终于解决了,在此特地记录一下. 运行环境:Windows eclipse 我在eclipse中配置了python的运行环境,在eclipse中编写python代 ...
- python中分割字符串两种方法正则分组别名,如何在python中使用正则表达式模块将文本字符串分割成单词?...
Here's what I'm working with- string1 = "Dog,cat,mouse,bird. Human." def string_count(text ...
- python中re_Python中re(正则表达式)模块学习
今天学习了Python中有关正则表达式的知识.关于正则表达式的语法,不作过多解释,网上有许多学习的资料.这里主要介绍Python中常用的正则表达式处理函数. re.match re.match 尝试从 ...
- python中re模块_Python中re(正则表达式)模块学习
今天学习了Python中有关正则表达式的知识.关于正则表达式的语法,不作过多解释,网上有许多学习的资料.这里主要介绍Python中常用的正则表达式处理函数. re.match re.match 尝试从 ...
- python中的正则表达式语法_Python基础教程之正则表达式基本语法以及re模块
什么是正则: 正则表达式是可以匹配文本片段的模式. 正则表达式'Python'可以匹配'python' 正则是个很牛逼的东西,python中当然也不会缺少. 所以今天的Python就跟大家一起讨论一下 ...
- 【Python2】使用python中的turtle模块学习海龟绘图(有趣的python初体验)(最全最详细的turtle介绍使用)
目录 海龟绘图 Python中tkinter的mainloop函数实质 turtle模块里的方法 Python绘图Turtle库详解 turtle绘图的基础知识: 海龟绘图 海龟绘图是Python中非 ...
最新文章
- python中分支结构有几种各有什么特点_「武鹏有课」Python分支结构的种类
- git 命令行使用(基础篇)
- Android属性动画 Interpolator
- c#爬虫-使用ChromeDriver 所见即所得
- 电脑怎么测试硬盘的读写速度_两块硬盘合二为一,电脑读写翻倍?这样的“好事”你必须得了解...
- echo字符集 shell_Xshell 能显示中文 但输入的中文都变成了问号
- 合并相同数据的行_R语言笔记(六):数据框重塑(reshape2)
- pip安装 mysql 客户端_pip安装mysql-python模块报错:cannot find -lmysqlclient_r
- Indent Guides插件格式代码
- 堆排序——top k问题
- 将图片变换成3d对象
- js 的强制 类型 转换cast, 伪对象?
- 菜比如我的漫漫react学习路(二)
- 维基百科英文语料库下载地址
- unity使用videoplayer播放视频黑屏问题解决方案
- jQuery选择器(二)(基本过滤器,内容过滤器,可见过滤器)
- kvm坐席系统通过IP网关实现kvm设备系统去中心化管理应用
- 计算机管理--事件查看器,电脑自动重启 计算机管理事件查看器中显示错误6008...
- 什么是软件危机?它有哪些典型表现?为什么会出现软件为危机?
- 计算机网络实验三 rdt协议
热门文章
- 大话设计模式之装饰模式
- 第一次react-native项目实践要点总结
- (转)Windows重启延迟删除,重命名技术原理
- 戴尔服务:为企业转型导航
- 终于解决SQL Server 2008 64位系统无法导入Access/Excel的问题 2012/08/01
- 控制ftp访问时间段
- 从“IBM刀片服务器广告告别电视”说起
- python笔记总结_python学习笔记总结(1)
- Leetcode 532.数组中的K-diff数对
- 如何将字符串前后的空白去除(C/C++) (STL)