Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例,然后使用Pattern实例处理文本并获得匹配结果(一个Match实例),最后使用Match实例获得信息,进行其他的操作。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 # encoding: UTF-8 2 import re 3 4 # 将正则表达式编译成Pattern对象 5 pattern = re.compile(r'hello') 6 7 # 使用Pattern匹配文本,获得匹配结果,无法匹配时将返回None 8 match = pattern.match('hello world!') 9 10 if match: 11 # 使用Match获得分组信息 12 print match.group() 13 14 ### 输出 ### 15 # hello
re.compile(strPattern[, flag]):
这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数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。另外,你也可以在regex字符串中指定模式,比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。
可选值有:
- re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
- M(MULTILINE): 多行模式,改变'^'和'$'的行为(参见上图)
- S(DOTALL): 点任意匹配模式,改变'.'的行为
- L(LOCALE): 使预定字符类 w W B s S 取决于当前区域设定
- U(UNICODE): 使预定字符类 w W B s S d D 取决于unicode定义的字符属性
- X(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。以下两个正则表达式是等价的:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 obj = re.compile('/d{3}')#将正则表达式编译成一个正则表达式对象,规则匹配的是三个数字。 2 ret = obj.search('f','sdghfiusdhaujehd ewjfsda ehfujsad').group()
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
a = re.compile(r"""d + # the integral part . # the decimal point d * # some fractional digits""", re.X) b = re.compile(r"d+.d*")
re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代,唯一的好处是少写一行re.compile()代码,但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 m = re.match(r'hello', 'hello world!') 2 print m.group()
re模块还提供了一个方法escape(string),用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回,在需要大量匹配元字符时有那么一点用。
Match
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
f =re.match('f','fdghfiusdhaujehd ewjfsda ehfujsad') #math从头开匹配,如果正则规则从头开始能匹配上,且需要调用group才能调用。与search一样。
Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。
属性:
- string: 匹配时使用的文本。
- re: 匹配时使用的Pattern对象。
- pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
- lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。
方法:
- group([group1, …]):
获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。 - groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。 - groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典,没有别名的组不包含在内。default含义同上。 - start([group]):
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。 - end([group]):
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0。 - span([group]):
返回(start(group), end(group))。 - expand(template):
将匹配到的分组代入template中然后返回。template中可以使用id或g<id>、g<name>引用分组,但不能使用编号0。id与g<id>是等价的;但10将被认为是第10个分组,如果你想表达1之后是字符'0',只能使用g<1>0。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re m = re.match(r'(w+) (w+)(?P<sign>.*)', 'hello world!') print "m.string:", m.string print "m.re:", m.re print "m.pos:", m.pos print "m.endpos:", m.endpos print "m.lastindex:", m.lastindex print "m.lastgroup:", m.lastgroup print "m.group(1,2):", m.group(1, 2) print "m.groups():", m.groups() print "m.groupdict():", m.groupdict() print "m.start(2):", m.start(2) print "m.end(2):", m.end(2) print "m.span(2):", m.span(2) print r"m.expand(r'2 13'):", m.expand(r'2 13') ### output ### # m.string: hello world! # m.re: <_sre.SRE_Pattern object at 0x016E1A38> # m.pos: 0 # m.endpos: 12 # m.lastindex: 3 # m.lastgroup: sign # m.group(1,2): ('hello', 'world') # m.groups(): ('hello', 'world', '!') # m.groupdict(): {'sign': '!'} # m.start(2): 6 # m.end(2): 11 # m.span(2): (6, 11) # m.expand(r'2 13'): world hello!
总体总结如下:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 import re 2 ret = re.findall('[a-z]*','sdghfiusdhaujehd ewjfsda ehfujsad')#返回所有满足匹配条件的结果放在列表中。 3 print(ret) 4 5 g = re.search('f','sdghfiusdhaujehd ewjfsda ehfujsad').group()#从前往后,找到一个就返回,返回的变量需要调用group才能拿到, 6 # 如果没找到返回none,调用group就会报错。 7 print(g) 8 9 f =re.match('f','fdghfiusdhaujehd ewjfsda ehfujsad') 10 #math从头开匹配,如果正则规则从头开始能匹配上,且需要调用group才能调用。与search一样。 11 12 k = re.split('[a]','asasa') 13 print(k) 14 15 ret = re.sub('/d','K','gsdyu23g12u4gigiu21',1)#将数字替换成K,参数1表示替换一次。 16 17 obj = re.compile('/d{3}')#将正则表达式编译成一个正则表达式对象,规则匹配的是三个数字。 18 ret = obj.search('f','sdghfiusdhaujehd ewjfsda ehfujsad').group() 19 20 21 l = re.finditer('[a-z]+','a s d h asd') 22 print(l) 23 print(next(l).group())#查看第一个结果 24 print(next(l).group())#查看第二个结果 25 print([i.group()for i in l]) #查看剩余结果 26 #适合查找大数据是,不方便一次性把内容打印出来,生成器可以帮我们节省内存。
修改:最后是个迭代器,不是生成器。注释错了。