PythonRegex的使用範例詳解

作為一個概念而言，Regex對於Python來說並不是專屬的。但是，Python中的Regex在實際使用過程中還是有一些細小的差別。

本文是一系列關於PythonRegex文章的其中一部分。在這個系列的第一篇文章中，我們將重點討論如何使用Python中的Regex並突出Python中一些專屬的特性。

我們將介紹Python中對字串進行搜尋和尋找的一些方法。然後我們講討論如何使用分組來處理我們尋找到的匹配對象的子項。

我們有興趣使用的Python中Regex的模組通常叫做‘re'。

>>> import re

1. Python中的原始類型字串

Python編譯器用‘\'（反斜線）來表示字串常量中的逸出字元。

如果反斜線後面跟著一串編譯器能夠識別的特殊字元，那麼整個逸出序列將被替換成對應的特殊字元（例如，‘\n'將被編譯器替換成分行符號）。

但這給在Python中使用Regex帶來了一個問題，因為在‘re'模組中也使用反斜線來轉義Regex中的特殊字元（比如*和+）。

這兩種方式的混合意味著有時候你不得不轉義逸出字元本身（當特殊字元能同時被Python和Regex的編譯器識別的時候），但在其他時候你不必這麼做（如果特殊字元只能被Python編譯器識別）。

與其將我們的心思放在去弄懂到底需要多少個反斜線，我們可以使用原始字串來替代。

原始類型字串可以簡單的通過在一般字元串的雙引號前面加一個字元‘r'來建立。當一個字串是原始類型時，Python編譯器不會對其嘗試做任何的替換。本質上來講，你在告訴編譯器完全不要去幹涉你的字串。

>>> string = 'This is a\nnormal string'>>> rawString = r'and this is a\nraw string'>>> print string

這是一個一般字元串

>>> print rawStringand this is a\nraw string

這是一個原始類型字串。
在Python中使用Regex進行尋找

‘re'模組提供了幾個方法對輸入的字串進行確切的查詢。我們將會要討論的方法有：

re.match()re.search()re.findall()

每一個方法都接收一個Regex和一個待尋找匹配的字串。讓我們更詳細的查看這每一個方法從而弄明白他們是如何工作的以及他們各有什麼不同。

2. 使用re.match尋找 – 匹配開始

讓我們先來看一下match()方法。match()方法的工作方式是只有當被搜尋字串的開頭匹配模式的時候它才能尋找到匹配對象。

舉個例子，對字串‘dog cat dog'調用mathch()方法，尋找模式‘dog'將會匹配：

>>> re.match(r'dog', 'dog cat dog')<_sre.SRE_Match object at 0xb743e720<>>> match = re.match(r'dog', 'dog cat dog')>>> match.group(0)'dog'

我們稍後將更多的討論group()方法。現在，我們只需要知道我們用0作為它的參數調用了它，group()方法返回尋找到的匹配的模式。

我還暫且略過了返回的SRE_Match對象，我們很快也將會討論到它。

但是，如果我們對同一個字串調用math()方法，尋找模式‘cat'，則不會找到匹配。

>>> re.match(r'cat', 'dog cat dog')>>>

3. 使用re.search尋找 – 匹配任意位置

search()方法和match()類似，不過search()方法不會限制我們只從字串的開頭尋找匹配，因此在我們的樣本字串中尋找‘cat'會尋找到一個匹配：

search(r'cat', 'dog cat dog')>>> match.group(0)'cat'

然而search()方法會在它尋找到一個匹配項之後停止繼續尋找，因此在我們的樣本字串中用searc()方法尋找‘dog'只找到其首次出現的位置。

>>> match = re.search(r'dog', 'dog cat dog')>>> match.group(0)'dog'

4. 使用 re.findall – 所有匹配對象

目前為止在Python中我使用的最多的尋找方法是findall()方法。當我們調用findall()方法，我們可以非常簡單的得到一個所有匹配模式的列表，而不是得到match的對象（我們會在接下來更多的討論match對象）。對我而言這更加簡單。對樣本字串調用findall()方法我們得到：

['dog', 'dog']>>> re.findall(r'cat', 'dog cat dog')['cat']

5. 使用 match.start 和 match.end 方法

那麼，先前search()和match()方法先前返回給我們的‘match'對象”到底是什麼呢？

和只簡單的返回字串的匹配部分不同，search()和match()返回的“匹配對象”，實際上是一個關於匹配子串的封裝類。

先前你看到我可以通過調用group()方法得到匹配的子串，（我們將在下一個部分看到，事實上匹配對象在處理分組問題時非常有用），但是匹配對象還包含了更多關於匹配子串的資訊。

例如，match對象可以告訴我們匹配的內容在原始字串中的開始和結束位置：

>>> match = re.search(r'dog', 'dog cat dog')>>> match.start()0>>> match.end()3

知道這些資訊有時候非常有用。

6. 使用 mathch.group 通過數字分組

就像我之前提到的，匹配對象在處理分組時非常得心應手。

分組是對整個Regex的特定子串進行定位的能力。我們可以定義一個分組做為整個Regex的一部分，然後單獨的對這部分對應匹配到的內容定位。

讓我們來看一下它是怎麼工作的：

>>> contactInfo = 'Doe, John: 555-1212'

我剛才建立的字串類似一個從某人的地址本裡取出來的一個片段。我們可以通過這樣一個Regex來匹配這一行：

>>> re.search(r'\w+, \w+: \S+', contactInfo)<_sre.SRE_Match object at 0xb74e1ad8<

通過用圓括弧來（字元‘('和‘)'）包圍Regex的特定部分，我們可以對內容進行分組然後對這些子組做單獨處理。

>>> match = re.search(r'(\w+), (\w+): (\S+)', contactInfo)

這些分組可以通過用分組對象的group()方法得到。它們可以通過其在Regex中從左至右出現的數字順序來定位（從1開始）：

>>> match.group(1)'Doe'>>> match.group(2)'John'>>> match.group(3)'555-1212'

組的序數從1開始的原因是因為第0個組被預留來存放所有匹配對象（我們在之前學習match()方法和search()方法到時候看到過）。

>>> match.group(0)'Doe, John: 555-1212'

7. 使用 match.group 通過別名來分組

有時候，特別是當一個Regex有很多分組的時候，通過組的出現次序來定位就會變的不現實。Python還允許你通過下面的語句來指定一個組名：

>>> match = re.search(r'(?P\w+), (?P\w+): (?P\S+)', contactInfo)

我們還是可以用group()方法擷取分組的內容，但這時候我們要用我們所指定的組名而不是之前所使用的組的所在位元。

>>> match.group('last')'Doe'>>> match.group('first')'John'>>> match.group('phone')'555-1212'

這大大加強了代碼的明確性和可讀性。你可以想像當Regex變得越來越複雜，去弄懂一個分組到捕獲了什麼內容將會變得越來越困難。給你的分組命名將明確的告訴了你和你的讀者你的意圖。

儘管findall()方法不返回分組對象，它也可以使用分組。類似的，findall()方法將返回一個元組的集合，其中每個元組中的第N個元素對應了Regex中的第N個分組。

>>> re.findall(r'(\w+), (\w+): (\S+)', contactInfo)[('Doe', 'John', '555-1212')]

但是，給分組命名並不適用於findall()方法。

在本文中我們介紹了Python中使用Regex的一些基礎。我們學習了原始字串類型（還有它能幫你解決的在使用Regex中一些頭痛的問題）。我們還學習了如何適使用match(), search(), and findall()方法進行基本的查詢，以及如何使用分組來處理匹配對象的子組件。

和往常一樣，如果想查看更多關於這個主題的內容，re模組的Python官方文檔是一個非常好的資源。

在以後的文章中，我們將更深入的討論Python中Regex的應用。我們將更加全面的學習匹配對象，學習如何使用它們在字串中做替換，甚至使用它們從文字檔中去解析Python資料結構。

