Python 學習之路 - Regex

標籤：sub   mmm   ace   port   center   執行個體   white   search   bit   

Regex

Regex的大致匹配過程是：依次拿出運算式和文本中的字元比較，如果每一個字元都能匹配，則匹配成功；一旦有匹配不成功的字元則匹配失敗。

re 模組用於Regex的操作。

一、 用於匹配的函數1. findall(pattern,string,flags=0)

匹配字串中所有合格元素。匹配上，返回list類型元素

import reobj = re.findall(‘\d+‘,‘hhh90080mmmbb2233pp‘)print(obj)

2. match(pattern,string,flags=0)

從字串起始位置匹配合格元素，單個匹配。匹配上，返回一個對象

注意：字串起始位置的元素必須與Regex相匹配，不然返回None

import reobj = re.match(‘\d+‘,‘0008lkk‘)print(obj,type(obj))if obj:    print(obj.group())

3. search(pattern,string,flags=0)

在字串中尋找匹配的元素，單個匹配。匹配上，返回一個對象

import reobj = re.search(‘\d+‘,‘hhh90080mmmbb2233pp‘)if obj:    print(obj.group())

4. group()和groups()

分組是用（）進行的，一個Regex可以用括弧進行分組

group()獲得一個，多個分組截獲的字串；或所有分組匹配的整體字串

groups()以元組形式返回全部分組截獲的字串

import rea = "123abc456ooo"print( re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(0))   #編號0代表整個匹配的子串；不填寫參數時，相當於group(0)print( re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(1,2)) #指定多個參數時將以元組形式返回 (‘123‘, ‘abc‘)print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(2))    #指定一個參數時返回字串 abcprint (re.search("([0-9]*)([a-z]*)([0-9]*)", a).groups())   #(‘123‘, ‘abc‘, ‘456‘)

5. sub(pattern, repl, string, count=0, flags=0)

替換與Regex相匹配的字串

import res = "hello world 001,789 welcome"s_c = re.sub(‘\d+‘,‘amy‘,s,1) #只替換一次，不填count會全部替換print(s_c)

比str.replace()更加強大。

6. split(pattern,string,maxsplit=0,flag=0)

根據指定的正則匹配進行分割。

注意：最後一個字元匹配成功的話，會分割出一個空格

import ren = "split1nnnnn2mmmmm3"n_c = re.split(‘[0-9]‘,n,1) #最多分割一次，不填maxsplit會全部分割print(n_c)

7. compile( strPattern[, flag])

將字串形式的Regex編譯為一個對象。

import retext = "You are so cool, oo"pattern = re.compile(r‘\w*oo\w*‘) #將Regex編譯成Pattern對象print(pattern.findall(text)) #尋找所有包含oo的單詞，使用Pattern匹配文本，獲得匹配結果，無法匹配時將返回None

二、匹配的文法

文法	說明	運算式執行個體	匹配的字串
字元
一般字元	匹配自身	abc	abc
.	匹配任一字元(除分行符號) 若指定flag DOTALL,則匹配任一字元，包括換行	a.c	akc
\	逸出字元，使其後的字元變成字面上的字元	a\.c	a.c
[...]	字元集，[a*]匹配字元是a 或 *；’[a-z]匹配a到z之間的任一字元； [^f]匹配非 f 的任一字元；[\d]匹配數字. 字元集中除了 - ^ \ 外，其他特殊字元沒有特殊含義	[a*]k	aK *k
數量（用在字元或（...）之後）
*	匹配前一個字元0或無限次
+	匹配前一個字元1或無限次
?	匹配前一個字元0次或1次
{m}	匹配前一個字元m次
{m,n}	匹配前一個字元m到n次，省略m，0到n；省略n，m到無限
預定義字元（可以寫在[]字元集中）
\d	數字：[0-9]
\D	非數字：[^\d]
\w	字母數字底線：[A-Za-z0-9_]
\W	[^\W]
邊界匹配
^	匹配字串開頭	^abc	abc
$	匹配字串結尾	abc$	abc

\A	僅僅匹配字串開頭	\Aabc	abc
\Z	僅僅匹配字串結尾	abc\Z	abc
\b	匹配\w和\W之間；單詞的開始或結束	a\b!bc	a!bc
\B	[^\b]	a\Bbc	abc
邏輯，分組
|	|代表左右運算式任意匹配一個。從左 往右匹配，左邊的匹配成功便跳過右邊	abc|def	abc dfe
(...)	被括起來的運算式將作為分組；分組表 達式作為一個整體，後面可以接數量。運算式 中的 | 只在該組中有效。 從運算式的左邊開始沒遇到一個分組的左括弧， 編號就加1	（abc）{2} a(123|456)c	abcabc a456c

 

 

三、flag

# flagsI = IGNORECASE = sre_compile.SRE_FLAG_IGNORECASE # ignore caseL = LOCALE = sre_compile.SRE_FLAG_LOCALE # assume current 8-bit localeU = UNICODE = sre_compile.SRE_FLAG_UNICODE # assume unicode localeM = MULTILINE = sre_compile.SRE_FLAG_MULTILINE # make anchors look for newlineS = DOTALL = sre_compile.SRE_FLAG_DOTALL # make dot match newlineX = VERBOSE = sre_compile.SRE_FLAG_VERBOSE # ignore whitespace and comments

 

四、r 原生字元

Regex裡使用"\"作為逸出字元，這就可能造成反斜線困擾。假如你需要匹配文本中的字元"\"，那麼使用程式設計語言表示的Regex裡將需要4個反斜線"\\\\"：前兩個和後兩個分別用於在程式設計語言裡轉義成反斜線，轉換成兩個反斜線後再在Regex裡轉義成一個反斜線。Python裡的原生字串很好地解決了這個問題，這個例子中的Regex可以使用r"\\"表示。同樣，匹配一個數位"\\d"可以寫成r"\d"。有了原生字串，你再也不用擔心是不是漏寫了反斜線，寫出來的運算式也更直觀。

 

 

學習內容來自：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

 

Python 學習之路 - Regex