正则表达式细节

regular expression 正则表达式 import re

简单的regexp

p = re.compile("abc") if p.match("abc") : print "match"

上例中首先生成一个pattern(模式),如果和某个字符串匹配，就返回一个match object

除某些特殊字符metacharacter元字符，大多数字符都和自身匹配。

这些特殊字符是。^ $ * + ? { [ ] | ( )

字符集合(用[]表示)

列出字符,如[abc]表示匹配a或b或c,大多数metacharacter在[]中只表示和本身匹配。例：

a = ".^$*+?{\|()" 大多数metachar在[]中都和本身匹配，但"^[]"不同

p = re.compile("["+a+"]")

for i in a:

if p.match(i):

print "[%s] is match" %i

else:

print "[%s] is not match" %i

在[]中包含[]本身，表示"["或者"]"匹配.用[和]表示.

^出现在[]的开头,表示取反.[^abc]表示除了a,b,c之外的所有字符。^没有出现在开头，即于身身匹配。

-可表示范围.[a-zA-Z]匹配任何一个英文字母。[0-9]匹配任何数字。

在[]中的妙用。

d [0-9]

D [^0-9]

s [ fv]

S [^ fv]

w [a-zA-Z0-9_]

W [^a-zA-Z0-9_]

表示和tab匹配, 其他的都和字符串的表示法一致

x20 表示和十六进制ascii 0x20匹配

有了，可以在[]中表示任何字符。注：单独的一个"."如果没有出现[]中，表示出了换行以外的匹配任何字符,类似[^ ].

regexp的重复

{m,n}表示出现m个以上(含m个),n个以下(含n个). 如ab{1,3}c和abc,abbc,abbbc匹配，不会与ac,abbbc匹配。

m是下界，n是上界。m省略表下界是0,n省略，表上界无限大。

*表示{,} +表示{1,} ?表示{0,1}

最大匹配和最小匹配 python都是最大匹配，如果要最小匹配，在*,+,?,{m,n}后面加一个?.

match object的end可以得到匹配的最后一个字符的位置。

re.compile("a*").match('aaaa').end() 4 最大匹配

re.compile("a*?").match('aaaa').end() 0 最小匹配

使用原始字符串

字符串表示方法中用\表示字符.大量使用影响可读性。

解决方法：在字符串前面加一个r表示raw格式。

a = r"a" print a 结果是a

a = r""a" print a 结果是"a

使用re模块

先用re.compile得到一个RegexObject 表示一个regexp

后用pattern的match,search的方法,得到MatchObject

再用match object得到匹配的位置,匹配的字符串等信息

RegxObject常用函数:

>>> re.compile("a").match("abab") 如果abab的开头和re.compile("a")匹配，得到MatchObject

<_sre.SRE_Match object at 0x81d43c8>

>>> print re.compile("a").match("bbab")

None 注：从str的开头开始匹配

>>> re.compile("a").search("abab") 在abab中搜索第一个和re_obj匹配的部分

<_sre.SRE_Match object at 0x81d43c8>

>>> print re.compile("a").search("bbab")

<_sre.SRE_Match object at 0x8184e18> 和match()不同,不必从开头匹配

re_obj.findall(str) 返回str中搜索所有和re_obj匹配的部分.

返回一个tuple,其中元素是匹配的字符串.

MatchObject的常用函数

m.start() 返回起始位置,m.end()返回结束位置(不包含该位置的字符).

m.span() 返回一个tuple表示(m.start(), m.end())

m.pos(), m.endpos(), m.re(), m.string()

m.re().search(m.string(), m.pos(), m.endpos()) 会得到m本身

m.finditer()可以返回一个iterator,用来遍历所有找到的MatchObject.

for m in re.compile("[ab]").finditer("tatbxaxb"):

print m.span()

高级regexp

| 表示联合多个regexp. A B两个regexp，A|B表示和A匹配或者跟B匹配.

^ 表示只匹配一行的开始行首,^只有在开头才有此特殊意义。

$ 表示只匹配一行的结尾

A 表示只匹配第一行字符串的开头 ^匹配每一行的行首

表示只匹配行一行字符串的结尾 $匹配第一行的行尾

只匹配词的边界例：info 只会匹配"info" 不会匹配information

B 表示匹配非单词边界

示例如下：

>>> print re.compile(r"info").match("info ") #使用raw格式表示单词边界

<_sre.SRE_Match object at 0x817aa98>

>>> print re.compile("info").match("info ") #没有使用raw 表示退格符号

None

>>> print re.compile("info").match("info ")

<_sre.SRE_Match object at 0x8174948>

分组(Group) 示例：re.compile("(a(b)c)d").match("abcd").groups() ('abc', 'b')

#!/usr/local/bin/python

import re

x = """

name: Charles

Address: BUPT

name: Ann

Address: BUPT

"""

#p = re.compile(r"^name:(.*) ^Address:(.*) ", re.M)

p = re.compile(r"^name:(?P<name>.*) ^Address:(?P<address>.*) ", re.M)

for m in p.finditer(x):

print m.span()

print "here is your friends list"

print "%s, %s"%m.groups()

Compile Flag

用re.compile得到RegxObject时，可以有一些flag用来调整RegxObject的详细特征.

DOTALL, S 让.匹配任意字符,包括换行符

IGNORECASE, I 忽略大小写

LOCALES, L 让w W B和当前的locale一致

MULTILINE, M 多行模式，只影响^和$(参见上例)

VERBOSE, X verbose模式

正则表达式 细节

正则表达式细节