• Python 正则表达式提高


    re模块的高级用法

    re.search(pattern, string[, flags])  
    

    ​ 若string中包含pattern子串,则返回Match对象,否则返回None,注意,如果string中存在多个pattern子串,只返回第一个。

    re.search():方法用来精确匹配并提取第一个符合规律的对象,而对象内容的提取则使用search方法的属性group()来实现;

    group(0):则是整个匹配的内容,返回一个实体对象;group(1)则是匹配第一个括号里面的内容,取出括号里匹配的实体对象;

    group(2):则是匹配第二个括号里面的内容,取出括号里匹配的实体对象;group(0,1,2)则返回一个实体对象的元组;

    ​ 需求:匹配出文章阅读的次数

    #coding=utf-8
    import re
    
    >>> ret = re.search(r"d+", "阅读次数为 9999")
    >>> ret.group()
    '9999'
    
    

    search两种情况

    有分组:

    >>> origin = "hello alex alix bcd dsfa lefg abc 199"
    >>> ret= re.search("a(w+)",origin)
    >>> ret
    <_sre.SRE_Match object; span=(6, 10), match='alex'>
    >>> ret.group()
    'alex'
    >>> ret.groups()
    ('lex',)
    >>> ret = re.search("(?P<key1>a)(?P<key2>(w+))",origin)
    >>> ret.groupdict()
    {'key1': 'a', 'key2': 'lex'}
    

    无分组:

    >>> origin = "hello alex alix bcd dsfa lefg abc 199"
    >>> ret = re.search("aliw+",origin)
    >>> ret.group()
    'alix'
    >>> ret.groups()
    ()
    >>> ret.groupdict()
    {}
    

    findall

    re.findall(pattern, string[, flags])  
    

    返回string中所有与pattern相匹配的全部字串,返回形式为数组。

    • group():母串中与模式pattern匹配的子串;
    • group(0):结果与group()一样;
    • groups():所有group组成的一个元组,group(1)是与patttern中第一个group匹配成功的子串,group(2)是第二个,依次类推,如果index超了边界,抛出IndexError;
    • findall():返回的就是所有groups的数组,就是group组成的元组的数组,母串中的这一撮组成一个元组,那一措组成一个元组,这些元组共同构成一个list,就是findall()的返回结果。另,如果groups是只有一个元素的元组,findall的返回结果是子串的list,而不是元组的list了。

    需求:统计出python、c、c++相应文章阅读的次数

    #coding=utf-8
    
    >>> ret = re.findall(r"d+", "python = 9999, c = 7890, c++ = 12345")
    >>> ret
    ['9999', '7890', '12345']
    
    >>> re.findall("",'abc')
    ['', '', '', '']
    #   如果正则能有空的匹配的话,那么匹配字符串最后还会匹配到一个空
    

    1.当给出的正则表达式中带有多个括号时,列表的元素为多个字符串组成的tuple,tuple中字符串个数与括号对数相同,字符串内容与每个括号内的正则表达式相对应,并且排放顺序是按括号出现的顺序。

    2.当给出的正则表达式中带有一个括号时,列表的元素为字符串,此字符串的内容与括号中的正则表达式相对应(不是整个正则表达式的匹配内容)。

    3.当给出的正则表达式中不带括号时,列表的元素为字符串,此字符串为整个正则表达式匹配的内容。

    sub 将匹配到的数据进行替换

    re.sub(pattern, repl, string, count=0, flags=0)
    
    • pattern,表示正则中的模式字符串

    • repl,就是replacement,被替换的字符串;repl可以是字符串,也可以是函数。

      • 当repl是字符串时,其中的任何反斜杠转义字符,都会被处理的。 :会被处理为对应的换行符;

        :会被处理为回车符; 反斜杠加g以及中括号内一个名字,即:g,对应着命了名的组,named group

      • 当repl是函数时,函数会被匹配的对象调用,并且它的返回值会被插入到文本中,如方法2

    • string,即表示要被处理,要被替换的那个string字符串。

    • count,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。

    需求:将匹配到的阅读次数加1

    方法1:

    #coding=utf-8
    
    >>> ret = re.sub(r"d+", '998', "python = 997")
    >>> ret
    'python = 998'
    
    

    方法2:

    #coding=utf-8
    
    >>> def add(temp):
        strNum = temp.group()
        num = int(strNum) + 1
        return str(num)
    ... ... ... ... 
    >>> ret = re.sub(r"d+", add, "python = 997")
    >>> ret
    'python = 998'
    
    >>> ret = re.sub(r"d+", add, "python = 99")
    >>> ret
    'python = 100'
    
    

    split 根据匹配进行切割字符串,并返回一个列表

    str.split(str="", num=string.count(str))
    

    通过指定分隔符对字符串进行切片,如果参数num 有指定值,则仅分隔 num 个子字符串

    • str -- 分隔符,默认为所有的空字符,包括空格、换行( )、制表符( )等。
    • num -- 分割次数。

    需求:切割字符串“info:xiaoZhang 33 shandong”

    #coding=utf-8
    
    >>> ret = re.split(r":| ","info:xiaoZhang 33 shandong")
    >>> ret
    ['info', 'xiaoZhang', '33', 'shandong']
    
    

    python贪婪和非贪婪

      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。

    >>> 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'
    
    
  • 相关阅读:
    virtualenv -- python虚拟沙盒
    python 多继承详解
    GCDAsyncSocket类库,IOS下TCP通讯使用心得
    TCP长连接与短连接的区别
    SOCKET类型定义及应用
    Ubuntu增加Swap分区大小
    log4j使用说明
    maven资料
    资料推荐
    Idea操作与问题解决
  • 原文地址:https://www.cnblogs.com/yangliguo/p/8158703.html
走看看 - 开发者的网上家园