zoukankan html css js c++ java

python 的内置模块 re

在 pattern 的 “” 前面需要加上一个 r 用来表示这是正则表达式, 而不是普通字符串

>>> import re
>>> ptn = r"r[au]n"
>>> print(re.search(ptn, "dog runs to cat"))
<re.Match object; span=(4, 7), match='run'>

同样, 中括号 [] 中还可以是以下这些或者是这些的组合. 比如 [A-Z] 表示的就是所有大写的英文字母. [0-9a-z] 表示可以是数字也可以是任何小写字母。

注意 re.search只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

>>> print(re.search(r"r[0-9a-z]n", "dog run to cat r4n"))
<re.Match object; span=(4, 7), match='run'>
>>> print(re.search(r"r[0-9a-z]n", "dog to cat r4n"))
<re.Match object; span=(11, 14), match='r4n'>

flags 参数编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配

re.S(DOTALL)	使.匹配包括换行在内的所有字符
re.I（IGNORECASE）	使匹配对大小写不敏感
re.L（LOCALE）	做本地化识别（locale-aware)匹配，法语等
re.M(MULTILINE)	多行匹配，影响^和$
re.X(VERBOSE)	该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U	根据Unicode字符集解析字符，这个标志影响w,W,,B

*注：match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：

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。

a. group（）返回re整体匹配的字符串，
b. 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
c. 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。

分组

当使用 match.group() 时, 他会返回所有组里的内容, 而如果给 .group(1) 里加一个数, 它就能定位你需要返回哪个组里的信息；在括号的开头写上这样的形式 ?P<名字> 就给这个组定义了一个名字. 然后就能用这个名字找到这个组的内容

>>> match = re.search(r"(?P<id>d+), Date: (?P<date>.+)", "ID: 021523, Date: Feb/12/2017")
>>> print(match.group('id'))
021523
>>> print(match.group(1))
021523
>>> print(match.group())
021523, Date: Feb/12/2017