登录  /  注册

关于Python正则表达式re模块的介绍

高洛峰
发布: 2017-03-17 17:44:05
原创
1124人浏览过

</p>

简介

正则表达式(regular expression)是可以匹配文本片段的模式。最简单的正则表达式就是普通字符串,可以匹配其自身。比如,正则表达式 ‘hello’ 可以匹配字符串 ‘hello’。</p>

要注意的是,正则表达式并不是一个程序,而是用于处理字符串的一种模式,如果你想用它来处理字符串,就必须使用支持正则表达式的工具,比如 Linux 中的 awk, sed, grep,或者编程语言 Perl, Python, Java 等等。</p>

正则表达式有多种不同的风格,下表列出了适用于 Python 或 Perl 等编程语言的部分元字符以及说明:</p>

关于Python正则表达式re模块的介绍</p>

re 模块

在 Python 中,我们可以使用内置的 re 模块来使用正则表达式。</p>

有一点需要特别注意的是,正则表达式使用 \ 对特殊字符进行转义,比如,为了匹配字符串 ‘python.org’,我们需要使用正则表达式 'python\.org',而 Python 的字符串本身也用 \ 转义,所以上面的正则表达式在 Python 中应该写成 'python\\.org',这会很容易陷入 \ 的困扰中,因此,我们建议使用 Python 的原始字符串,只需加一个 r 前缀,上面的正则表达式可以写成:</p>

r&#39;python\.org&#39;
登录后复制

re 模块提供了不少有用的函数,用以匹配字符串,比如:</p>

  • compile 函数</p>

  • match 函数</p>

  • search 函数</p>

  • findall 函数</p>

  • finditer 函数</p>

  • split 函数</p>

  • sub 函数</p>

  • subn 函数</p>

re 模块的一般使用步骤如下:</p>

  • 使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象</p>

  • 通过 Pattern 对象提供的一系列方法对文本进行匹配查找,获得匹配结果(一个 Match 对象)</p>

  • 最后使用 Match 对象提供的属性和方法获得信息,根据需要进行其他的操作</p>

compile 函数

compile 函数用于编译正则表达式,生成一个 Pattern 对象,它的一般使用形式如下:</p>

re.compile(pattern[, flag])
登录后复制

其中,pattern 是一个字符串形式的正则表达式,flag 是一个可选参数,表示匹配模式,比如忽略大小写,多行模式等。</p>

下面,让我们看看例子。</p>

import re

# 将正则表达式编译成 Pattern 对象 
pattern = re.compile(r&#39;\d+&#39;)
登录后复制

在上面,我们已将一个正则表达式编译成 Pattern 对象,接下来,我们就可以利用 pattern 的一系列方法对文本进行匹配查找了。Pattern 对象的一些常用方法主要有:</p>

  • match 方法</p>

  • search 方法</p>

  • findall 方法</p>

  • finditer 方法</p>

  • split 方法</p>

  • sub 方法</p>

  • subn 方法</p>

match 方法

match 方法用于查找字符串的头部(也可以指定起始位置),它是一次匹配,只要找到了一个匹配的结果就返回,而不是查找所有匹配的结果。它的一般使用形式如下:</p>

match(string[, pos[, endpos]])
登录后复制
登录后复制

其中,string 是待匹配的字符串,pos 和 endpos 是可选参数,指定字符串的起始和终点位置,默认值分别是 0 和 len (字符串长度)。因此,当你不指定 pos 和 endpos 时,match 方法默认匹配字符串的头部。</p>

当匹配成功时,返回一个 Match 对象,如果没有匹配上,则返回 None。</p>

看看例子。</p>

>>> import re
>>> pattern = re.compile(r&#39;\d+&#39;)                    # 用于匹配至少一个数字
>>> m = pattern.match(&#39;one12twothree34four&#39;)        # 查找头部,没有匹配
>>> print m
None
>>> m = pattern.match(&#39;one12twothree34four&#39;, 2, 10) # 从&#39;e&#39;的位置开始匹配,没有匹配
>>> print m
None
>>> m = pattern.match(&#39;one12twothree34four&#39;, 3, 10) # 从&#39;1&#39;的位置开始匹配,正好匹配
>>> print m                                         # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0)   # 可省略 0
&#39;12&#39;
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0
5
>>> m.span(0)    # 可省略 0
(3, 5)
登录后复制

在上面,当匹配成功时返回一个 Match 对象,其中:</p>

  • group([group1, …]) 方法用于获得一个或多个分组匹配的字符串,当要获得整个匹配的子串时,可直接使用 group()group(0);</p>

  • start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置(子串第一个字符的索引),参数默认值为 0;</p>

  • end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置(子串最后一个字符的索引+1),参数默认值为 0;</p>

  • span([group]) 方法返回 (start(group), end(group))。</p>

再看看一个例子:</p>

>>> import re
>>> pattern = re.compile(r&#39;([a-z]+) ([a-z]+)&#39;, re.I)   # re.I 表示忽略大小写
>>> m = pattern.match(&#39;Hello World Wide Web&#39;)
>>> print m                               # 匹配成功,返回一个 Match 对象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0)                            # 返回匹配成功的整个子串
&#39;Hello World&#39;
>>> m.span(0)                             # 返回匹配成功的整个子串的索引
(0, 11)
>>> m.group(1)                            # 返回第一个分组匹配成功的子串
&#39;Hello&#39;
>>> m.span(1)                             # 返回第一个分组匹配成功的子串的索引
(0, 5)
>>> m.group(2)                            # 返回第二个分组匹配成功的子串
&#39;World&#39;
>>> m.span(2)                             # 返回第二个分组匹配成功的子串
(6, 11)
>>> m.groups()                            # 等价于 (m.group(1), m.group(2), ...)
(&#39;Hello&#39;, &#39;World&#39;)
>>> m.group(3)                            # 不存在第三个分组
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: no such group
登录后复制

search 方法

search 方法用于查找字符串的任何位置,它也是一次匹配,只要找到了一个匹配的结果就返回,而不是查找所有匹配的结果,它的一般使用形式如下:</p>

search(string[, pos[, endpos]])
登录后复制

其中,string 是待匹配的字符串,pos 和 endpos 是可选参数,指定字符串的起始和终点位置,默认值分别是 0 和 len (字符串长度)。</p>

当匹配成功时,返回一个 Match 对象,如果没有匹配上,则返回 None。</p>

让我们看看例子:</p>

>>> import re
>>> pattern = re.compile(&#39;\d+&#39;)
>>> m = pattern.search(&#39;one12twothree34four&#39;)  # 这里如果使用 match 方法则不匹配
>>> m
<_sre.SRE_Match object at 0x10cc03ac0>
>>> m.group()
&#39;12&#39;
>>> m = pattern.search(&#39;one12twothree34four&#39;, 10, 30)  # 指定字符串区间
>>> m
<_sre.SRE_Match object at 0x10cc03b28>
>>> m.group()
&#39;34&#39;
>>> m.span()
(13, 15)
登录后复制

再来看一个例子:</p>

# -*- coding: utf-8 -*-
import re

# 将正则表达式编译成 Pattern 对象
pattern = re.compile(r&#39;\d+&#39;) 

# 使用 search() 查找匹配的子串,不存在匹配的子串时将返回 None 
# 这里使用 match() 无法成功匹配 
m = pattern.search(&#39;hello 123456 789&#39;) 

if m: 
    # 使用 Match 获得分组信息 
    print &#39;matching string:&#39;,m.group()
    print &#39;position:&#39;,m.span()
登录后复制

执行结果:</p>

matching string: 123456
position: (6, 12)
登录后复制

findall 方法

上面的 match 和 search 方法都是一次匹配,只要找到了一个匹配的结果就返回。然而,在大多数时候,我们需要搜索整个字符串,获得所有匹配的结果。</p>

findall 方法的使用形式如下:</p>

findall(string[, pos[, endpos]])
登录后复制

其中,string 是待匹配的字符串,pos 和 endpos 是可选参数,指定字符串的起始和终点位置,默认值分别是 0 和 len (字符串长度)。</p>

findall 以列表形式返回全部能匹配的子串,如果没有匹配,则返回一个空列表。</p>

看看例子:</p>

import re

pattern = re.compile(r&#39;\d+&#39;)   # 查找数字
result1 = pattern.findall(&#39;hello 123456 789&#39;)
result2 = pattern.findall(&#39;one1two2three3four4&#39;, 0, 10)

print result1
print result2
登录后复制

执行结果:</p>

[&#39;123456&#39;, &#39;789&#39;]
[&#39;1&#39;, &#39;2&#39;]
登录后复制

finditer 方法

finditer 方法的行为跟 findall 的行为类似,也是搜索整个字符串,获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果(Match 对象)的迭代器。</p>

看看例子:</p>

# -*- coding: utf-8 -*-

import re

pattern = re.compile(r&#39;\d+&#39;)

result_iter1 = pattern.finditer(&#39;hello 123456 789&#39;)
result_iter2 = pattern.finditer(&#39;one1two2three3four4&#39;, 0, 10)

print type(result_iter1)
print type(result_iter2)

print &#39;result1...&#39;
for m1 in result_iter1:   # m1 是 Match 对象
    print &#39;matching string: {}, position: {}&#39;.format(m1.group(), m1.span())

print &#39;result2...&#39;
for m2 in result_iter2:
    print &#39;matching string: {}, position: {}&#39;.format(m2.group(), m2.span())
登录后复制

执行结果:</p>

<type &#39;callable-iterator&#39;>
<type &#39;callable-iterator&#39;>
result1...
matching string: 123456, position: (6, 12)
matching string: 789, position: (13, 16)
result2...
matching string: 1, position: (3, 4)
matching string: 2, position: (7, 8)
登录后复制

split 方法

split 方法按照能够匹配的子串将字符串分割后返回列表,它的使用形式如下:</p>

split(string[, maxsplit])
登录后复制

其中,maxsplit 用于指定最大分割次数,不指定将全部分割。</p>

看看例子:</p>

import re

p = re.compile(r&#39;[\s\,\;]+&#39;)
print p.split(&#39;a,b;; c   d&#39;)
登录后复制

执行结果:</p>

[&#39;a&#39;, &#39;b&#39;, &#39;c&#39;, &#39;d&#39;]
登录后复制

sub 方法

sub 方法用于替换。它的使用形式如下:</p>

sub(repl, string[, count])
登录后复制

其中,repl 可以是字符串也可以是一个函数:</p>

  • 如果 repl 是字符串,则会使用 repl 去替换字符串每一个匹配的子串,并返回替换后的字符串,另外,repl 还可以使用 \id 的形式来引用分组,但不能使用编号 0;</p>

  • 如果 repl 是函数,这个方法应当只接受一个参数(Match 对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。</p>

count 用于指定最多替换次数,不指定时全部替换。</p>

看看例子:</p>

import re

p = re.compile(r&#39;(\w+) (\w+)&#39;)
s = &#39;hello 123, hello 456&#39;

def func(m):
    return &#39;hi&#39; + &#39; &#39; + m.group(2)

print p.sub(r&#39;hello world&#39;, s)  # 使用 &#39;hello world&#39; 替换 &#39;hello 123&#39; 和 &#39;hello 456&#39;
print p.sub(r&#39;\2 \1&#39;, s)        # 引用分组
print p.sub(func, s)
print p.sub(func, s, 1)         # 最多替换一次
登录后复制

执行结果:</p>

hello world, hello world
123 hello, 456 hello
hi 123, hi 456
hi 123, hello 456
登录后复制

subn 方法

subn 方法跟 sub 方法的行为类似,也用于替换。它的使用形式如下:</p>

subn(repl, string[, count])
登录后复制

它返回一个元组:</p>

(sub(repl, string[, count]), 替换次数)
登录后复制

元组有两个元素,第一个元素是使用 sub 方法的结果,第二个元素返回原字符串被替换的次数。</p>

看看例子:</p>

import re

p = re.compile(r&#39;(\w+) (\w+)&#39;)
s = &#39;hello 123, hello 456&#39;

def func(m):
    return &#39;hi&#39; + &#39; &#39; + m.group(2)

print p.subn(r&#39;hello world&#39;, s)
print p.subn(r&#39;\2 \1&#39;, s)
print p.subn(func, s)
print p.subn(func, s, 1)
登录后复制

执行结果:</p>

(&#39;hello world, hello world&#39;, 2)
(&#39;123 hello, 456 hello&#39;, 2)
(&#39;hi 123, hi 456&#39;, 2)
(&#39;hi 123, hello 456&#39;, 1)
登录后复制

其他函数

事实上,使用 compile 函数生成的 Pattern 对象的一系列方法跟 re 模块的多数函数是对应的,但在使用上有细微差别。</p>

match 函数

match 函数的使用形式如下:</p>

re.match(pattern, string[, flags]):
登录后复制

其中,pattern 是正则表达式的字符串形式,比如 \d+, [a-z]+。</p>

而 Pattern 对象的 match 方法使用形式是:</p>

match(string[, pos[, endpos]])
登录后复制
登录后复制

可以看到,match 函数不能指定字符串的区间,它只能搜索头部,看看例子:</p>

import re
m1 = re.match(r&#39;\d+&#39;, &#39;One12twothree34four&#39;)
if m1:
    print &#39;matching string:&#39;,m1.group()
else:
    print &#39;m1 is:&#39;,m1

m2 = re.match(r&#39;\d+&#39;, &#39;12twothree34four&#39;)
if m2:
    print &#39;matching string:&#39;, m2.group()
else:
    print &#39;m2 is:&#39;,m2
登录后复制

执行结果:</p>

m1 is: None
matching string: 12
登录后复制

search 函数

search 函数的使用形式如下:</p>

re.search(pattern, string[, flags])
登录后复制

search 函数不能指定字符串的搜索区间,用法跟 Pattern 对象的 search 方法类似。</p>

findall 函数

findall 函数的使用形式如下:</p>

re.findall(pattern, string[, flags])
登录后复制

findall 函数不能指定字符串的搜索区间,用法跟 Pattern 对象的 findall 方法类似。</p>

看看例子:</p>

import re

print re.findall(r&#39;\d+&#39;, &#39;hello 12345 789&#39;)

# 输出
[&#39;12345&#39;, &#39;789&#39;]
登录后复制

finditer 函数

finditer 函数的使用方法跟 Pattern 的 finditer 方法类似,形式如下:</p>

re.finditer(pattern, string[, flags])
登录后复制

split 函数

split 函数的使用形式如下:</p>

re.split(pattern, string[, maxsplit])
登录后复制

sub 函数

sub 函数的使用形式如下:</p>

re.sub(pattern, repl, string[, count])
登录后复制

subn 函数

subn 函数的使用形式如下:</p>

re.subn(pattern, repl, string[, count])
登录后复制

到底用哪种方式

从上文可以看到,使用 re 模块有两种方式:</p>

  • 使用 re.compile 函数生成一个 Pattern 对象,然后使用 Pattern 对象的一系列方法对文本进行匹配查找;</p>

  • 直接使用 re.match, re.search 和 re.findall 等函数直接对文本匹配查找;</p>

下面,我们用一个例子展示这两种方法。</p>

先看第 1 种用法:</p>

import re

# 将正则表达式先编译成 Pattern 对象
pattern = re.compile(r&#39;\d+&#39;)

print pattern.match(&#39;123, 123&#39;)
print pattern.search(&#39;234, 234&#39;)
print pattern.findall(&#39;345, 345&#39;)
登录后复制

再看第 2 种用法:</p>

import re

print re.match(r&#39;\d+&#39;, &#39;123, 123&#39;)
print re.search(r&#39;\d+&#39;, &#39;234, 234&#39;)
print re.findall(r&#39;\d+&#39;, &#39;345, 345&#39;)
登录后复制

如果一个正则表达式需要用到多次(比如上面的 \d+),在多种场合经常需要被用到,出于效率的考虑,我们应该预先编译该正则表达式,生成一个 Pattern 对象,再使用该对象的一系列方法对需要匹配的文件进行匹配;而如果直接使用 re.match, re.search 等函数,每次传入一个正则表达式,它都会被编译一次,效率就会大打折扣。</p>

因此,我们推荐使用第 1 种用法。</p>

匹配中文

在某些情况下,我们想匹配文本中的汉字,有一点需要注意的是,中文的 unicode 编码范围 主要在 [\u4e00-\u9fa5],这里说主要是因为这个范围并不完整,比如没有包括全角(中文)标点,不过,在大部分情况下,应该是够用的。</p>

假设现在想把字符串 title = u&#39;你好,hello,世界&#39; 中的中文提取出来,可以这么做:</p>

# -*- coding: utf-8 -*-

import re

title = u&#39;你好,hello,世界&#39;
pattern = re.compile(ur&#39;[\u4e00-\u9fa5]+&#39;)
result = pattern.findall(title)

print result
登录后复制

注意到,我们在正则表达式前面加上了两个前缀 ur,其中 r 表示使用原始字符串,u 表示是 unicode 字符串。</p>

执行结果:</p>

[u&#39;\u4f60\u597d&#39;, u&#39;\u4e16\u754c&#39;]
登录后复制

贪婪匹配

在 Python 中,正则匹配默认是贪婪匹配(在少数语言中可能是非贪婪),也就是匹配尽可能多的字符。</p>

比如,我们想找出字符串中的所有 p 块:</p>

import re

content = &#39;aa<p>test1</p>bb<p>test2</p>cc&#39;
pattern = re.compile(r&#39;<p>.*</p>&#39;)
result = pattern.findall(content)

print result
登录后复制

执行结果:</p>

[&#39;<p>test1</p>bb<p>test2</p>&#39;]
登录后复制

由于正则匹配是贪婪匹配,也就是尽可能多的匹配,因此,在成功匹配到第一个 </p> 时,它还会向右尝试匹配,查看是否还有更长的可以成功匹配的子串。</p>

如果我们想非贪婪匹配,可以加一个 ?,如下:</p>

import re

content = &#39;aa<p>test1</p>bb<p>test2</p>cc&#39;
pattern = re.compile(r&#39;<p>.*?</p>&#39;)    # 加上 ?
result = pattern.findall(content)

print result
登录后复制

结果:</p>

[&#39;<p>test1</p>&#39;, &#39;<p>test2</p>&#39;]
登录后复制

小结

re 模块的一般使用步骤如下:</p>

  • 使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象;</p>

  • 通过 Pattern 对象提供的一系列方法对文本进行匹配查找,获得匹配结果(一个 Match 对象);</p>

  • 最后使用 Match 对象提供的属性和方法获得信息,根据需要进行其他的操作;</p>

Python 的正则匹配默认是贪婪匹配。</p>


</p>

</p>

以上就是关于Python正则表达式re模块的介绍的详细内容,更多请关注php中文网其它相关文章!

智能AI问答
PHP中文网智能助手能迅速回答你的编程问题,提供实时的代码和解决方案,帮助你解决各种难题。不仅如此,它还能提供编程资源和学习指导,帮助你快速提升编程技能。无论你是初学者还是专业人士,AI智能助手都能成为你的可靠助手,助力你在编程领域取得更大的成就。
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习
PHP中文网抖音号
发现有趣的

Copyright 2014-2024 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号