Python re模組介紹_python

Python中逸出字元

Regex使用反斜線” \ “來代表特殊形式或用作逸出字元，這裡跟Python的文法衝突，因此，Python用” \\\\ “表示Regex中的” \ “，因為Regex中如果要匹配” \ “，需要用\來轉義，變成” \\ “，而Python文法中又需要對字串中每一個\進行轉義，所以就變成了” \\\\ “。
上面的寫法是不是覺得很麻煩，為了使Regex具有更好的可讀性，Python特別設計了原始字串(raw string)，需要提醒你的是，在寫檔案路徑的時候就不要使用raw string了，這裡存在陷阱。raw string就是用'r'作為字串的首碼，如 r”\n”：表示兩個字元”\”和”n”，而不是分行符號了。Python中寫Regex時推薦使用這種形式。

Regex元字元說明

.  匹配除分行符號以外的任一字元^  匹配字串的開始$  匹配字串的結束[] 用來匹配一個指定的字元類別?  對於前一個字元字元重複0次到1次*  對於前一個字元重複0次到無窮次{} 對於前一個字元重複m次{m,n} 對前一個字元重複為m到n次\d 匹配數字，相當於[0-9]\D 匹配任何非數字字元，相當於[^0-9]\s 匹配任意的空白符，相當於[ fv]\S 匹配任何非空白字元，相當於[^ fv]\w 匹配任何字母數字字元，相當於[a-zA-Z0-9_]\W 匹配任何非字母數字字元，相當於[^a-zA-Z0-9_]\b 匹配單詞的開始或結束

模組函數說明即舉例
re.compile 將Regex編譯成pattern對象

compile(pattern, flags=0)

第一個參數：規則
第二個參數：標誌位

re.match 只匹配字串的開始，如果字串開始不符合Regex，則匹配失敗，函數返回None

match(pattern, string, flags=0)

第一個參數：規則
第二個參數：表示要匹配的字串
第三個參數：標緻位，用於控制Regex的匹配方式

re.search 匹配整個字串，直到找到一個匹配

search(pattern, string, flags=0)

第一個參數：規則
第二個參數：表示要匹配的字串
第三個參數：標緻位，用於控制Regex的匹配方式

>>> import re>>> pattern = re.compile(r'linuxeye')>>> match = pattern.match('jb51.net')>>> print match<_sre.SRE_Match object at 0x7f4e96e61c60>>>> print match.group()linuxeye>>> m = pattern.match('blog.jb51.net') #match匹配開頭，沒找到>>> print mNone>>> m = pattern.search('blog.jb51.net') #search匹配整個字串，直到找到一個匹配>>> print m<_sre.SRE_Match object at 0x7f15abfc6b28>>>> print m.group()linuxeye

>>> m = re.match(r'linuxeye','jb51.net') #不用re.compile>>> print m<_sre.SRE_Match object at 0x7f4e96e61b90>>>> print m.group()linuxeye>>> m = re.match(r'linuxeye','www.jb51.net')>>> print mNone

re.split 用於來分割字串

split(pattern, string, maxsplit=0)

第一個參數：規則
第二個參數：字串
第三個參數：最大分割字串，預設為0，表示每個匹配項都分割
執行個體：分割所有的字串

>>> import re>>> test_str = "1 2 3 4 5">>> re.split(r'\s+',test_str)['1', '2', '3', '4', '5']>>> re.split(r'\s+',test_str,2) #分割前2個['1', '2', '3 4 5'] >>> test_str = "1 . 2. 3 .4 . 5">>> re.split(r'\.',test_str)['1 ', ' 2', ' 3 ', '4 ', ' 5']>>> re.split(r'\.',test_str,3)['1 ', ' 2', ' 3 ', '4 . 5']

re.findall 在目標字串尋找符合規則的字串

findall(pattern, string, flags=0)

第一個參數：規則
第二個參數：目標字串
但三個參數：後面還可以跟一個規則選擇項
返回的結果是一個列表，建中存放的是符合規則的字串，如果沒有符合規則的字串唄找到，就會返回一個空值

>>> import re>>> test_mail = '<test01@gmail.com> <test02@gmail.org> test03@gmail.net'>>> mail_re = re.compile(r'\w+@g....\.[a-z]{3}')>>> re.findall(mail_re,test_mail)['test01@gmail.com', 'test02@gmail.org', 'test03@gmail.net']

re.sub 以Regex為基礎的替換工作

sub(pattern, repl, string, count=0)

第一個參數：規則
第二個參數：替換後的字串
第三個參數：字串
第四個參數：替換個數。預設為0，表示每個匹配項都替換

>>> test = 'blog.jb51.net jb51.net'>>> test_re = re.compile(r'\.')>>> re.sub(test_re,'--',test)'blog--linuxeye--com linuxeye--com'>>> re.sub(test_re,'--',test,1)'blog--jb51.net jb51.net'