python(3)Regex

Regex的規則網上有一堆，先略過。

對於初學者建議用vs2010中有一個python,裡面的調試功能非常好用，可以很方便的看到一切資訊。

 

看到其中有一條貪婪模式和非貪婪模式的區別，這個要理解起來有點難度。

範例程式碼：

block = re.sub(r'(.+?)', r'hello\1_void()', r'*abc.efg*')#非貪婪模式，匹配儘可能少

#輸出結果block = 'hello*_void()helloa_void()hellob_void()helloc_void()hello._void()helloe_void()hellof_void()hellog_void()hello*_void()'

block = re.sub(r'(.+)', r'hello\1_void()', r'*abc.efg*')#貪婪模式，匹配儘可能多

#輸出結果block = 'hello*abc.efg*_void()'

以上代碼他們的貪婪與非貪之間區別非常明顯。

 

代碼：

line = re.sub(r'\*(.+?)\*', r'<em>\1</em>', 'adfdf*i am a worker.*dfd')

表示匹配兩個*號之間的字元，將之置換成<em>i am a worker.<em>

今天回頭看，發現有一些例子還是很有好處的，以下代碼大致能說明Regex的用法：

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 \1\3'):", m.expand(r'\2 \1\3')

輸出：

m.string: hello world!
m.re: <_sre.SRE_Pattern object at 0x024D93D8>
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 \1\3'): world hello!

 

針對已經編譯好的Regex，用re.compile

 

import re

p = re.compile(r'(\w+) (\w+)(?P<sign>.*)', re.DOTALL)

print "p.pattern:", p.pattern

print "p.flags:", p.flags

print "p.groups:", p.groups

print "p.groupindex:", p.groupindex

輸出：

p.pattern: (\w+) (\w+)(?P<sign>.*)
p.flags: 16
p.groups: 3
p.groupindex: {'sign': 3}

 

match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
這個方法將從string的pos下標處起嘗試匹配pattern；如果pattern結束時仍可匹配，則返回一個Match對象；如果匹配過程中pattern無法匹配，或者匹配未結束就已到達endpos，則返回None。
pos和endpos的預設值分別為0和len(string)；re.match()無法指定這兩個參數，參數flags用於編譯pattern時指定匹配模式。
注意：這個方法並不是完全符合。當pattern結束時若string還有剩餘字元，仍然視為成功。想要完全符合，可以在運算式末尾加上邊界匹配符'$'。
樣本參見2.1小節。

search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
這個方法用於尋找字串中可以匹配成功的子串。從string的pos下標處起嘗試匹配pattern，如果pattern結束時仍可匹配，則返回一個Match對象；若無法匹配，則將pos加1後重新嘗試匹配；直到pos=endpos時仍無法匹配則返回None。
pos和endpos的預設值分別為0和len(string))；re.search()無法指定這兩個參數，參數flags用於編譯pattern時指定匹配模式。

# encoding: UTF-8 

import re  

# 將Regex編譯成Pattern對象 

pattern = re.compile(r'world')  

# 使用search()尋找匹配的子串，不存在能匹配的子串時將返回None 

# 這個例子中使用match()無法成功匹配 

match = pattern.search('hello world!')  

if match:     

    print match.group() 

world

 

split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能夠匹配的子串將string分割後返回列表。maxsplit用於指定最大分割次數，不指定將全部分割。

import re 

p = re.compile(r'\d+')

print p.split('one1two2three3four4')

輸出：

['one', 'two', 'three', 'four', '']

 

findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜尋string，以列表形式返回全部能匹配的子串。

import re 

p = re.compile(r'\d+')

print p.findall('one1two2three3four4')

['1', '2', '3', '4']

 

finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜尋string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。

import re

p = re.compile(r'\d+')

for m in p.finditer('one1two2three3four4'):   

    print m.group(),

1 2 3 4

 

sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
使用repl替換string中每一個匹配的子串後返回替換後的字串。
當repl是一個字串時，可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。
當repl是一個方法時，這個方法應當只接受一個參數（Match對象），並返回一個字串用於替換（返回的字串中不能再引用分組）。
count用於指定最多替換次數，不指定時全部替換。

import re 

p = re.compile(r'(\w+) (\w+)')

s = 'i say, hello world!' 

print p.sub(r'\2 \1', s) 

def func(m):    

    return m.group(1).title() + ' ' + m.group(2).title() 

print p.sub(func, s)

say i, world hello!
I Say, Hello World!

 

subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替換次數)。

import re 

p = re.compile(r'(\w+) (\w+)')

s = 'i say, hello world!' 

print p.subn(r'\2 \1', s) 

def func(m):    

    return m.group(1).title() + ' ' + m.group(2).title() 

print p.subn(func, s)

('say i, world hello!', 2)
('I Say, Hello World!', 2)

 

參考：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html