PythonRegex知識匯總,pythonRegex

來源:互聯網
上載者:User

PythonRegex知識匯總,pythonRegex

1. Regex文法

  1.1 字元與字元類
     1 特殊字元:\.^$?+*{}[]()|
      以上特殊字元要想使用字面值,必須使用\進行轉義
     2 字元類
         1. 包含在[]中的一個或者多個字元被稱為字元類,字元類在匹配時如果沒有指定量詞則只會匹配其中的一個。
       2. 字元類內可以指定範圍,比如[a-zA-Z0-9]表示a到z,A到Z,0到9之間的任何一個字元
       3. 左方括弧後跟隨一個^,表示否定一個字元類,比如[^0-9]表示可以匹配一個任意非數位字元。
       4. 字元類內部,除了\之外,其他特殊字元不再具備特殊意義,都表示字面值。^放在第一個位置表示否定,放在其他位置表示^本身,-放在中間表示範圍,放在字元類中的第一個字元,則表示-本身。

      5. 字元類內部可以使用速記法,比如\d \s \w
    3 速記法
       . 可以匹配除分行符號之外的任何字元,如果有re.DOTALL標誌,則匹配任一字元包括換行
       \d 匹配一個Unicode數字,如果帶re.ASCII,則匹配0-9
      \D 匹配Unicode非數字
       \s 匹配Unicode空白,如果帶有re.ASCII,則匹配\t\n\r\f\v中的一個
       \S 匹配Unicode非空白
       \w 匹配Unicode單詞字元,如果帶有re.ascii,則匹配[a-zA-Z0-9_]中的一個
       \W 匹配Unicode非單子字元

  1.2 量詞
     1. ? 匹配前面的字元0次或1次
     2. * 匹配前面的字元0次或多次
     3. + 匹配前面的字元1次或者多次
     4. {m} 匹配前面運算式m次
     5. {m,} 匹配前面運算式至少m次
     6. {,n} 匹配前面的Regex最多n次
     7. {m,n} 匹配前面的Regex至少m次,最多n次
     注意點:
       以上量詞都是貪婪模式,會儘可能多的匹配,如果要改為非貪婪模式,通過在量詞後面跟隨一個?來實現

  1.3 組與捕獲
     1 ()的作用:
       1. 捕獲()中Regex的內容以備進一步利用處理,可以通過在左括弧後面跟隨?:來關閉這個括弧的捕獲功能
      2. 將Regex的一部分內容進行組合,以便使用量詞或者|
    2 反響引用前面()內捕獲的內容:
       1. 通過組號反向引用
         每一個沒有使用?:的小括弧都會分配一個組好,從1開始,從左至右遞增,可以通過\i引用前面()內運算式捕獲的內容
       2. 通過組名反向引用前面小括弧內捕獲的內容
         可以通過在左括弧後面跟隨?P<name>,角括弧中放入組名來為一個組起一個別名,後面通過(?P=name)來引用 前面捕獲的內容。如(? P<word>\w+)\s+(?P=word)來匹配重複的單詞。
     3 注意點:
       反向引用不能放在字元類[]中使用。

   1.4 斷言與標記
     斷言不會匹配任何文本,只是對斷言所在的文本施加某些約束
     1 常用斷言:
       1. \b 匹配單詞的邊界,放在字元類[]中則表示backspace
      2. \B 匹配非單詞邊界,受ASCII標記影響
       3. \A 在起始處匹配
       4. ^ 在起始處匹配,如果有MULTILINE標誌,則在每個分行符號後匹配
       5. \Z 在結尾處匹配
       6. $ 在結尾處匹配,如果有MULTILINE標誌,則在每個分行符號前匹配
       7. (?=e) 正前瞻
       8. (?!e) 負前瞻
       9. (?<=e) 正回顧
       10.(?<!e) 負回顧
     2 前瞻回顧的解釋
       前瞻: exp1(?=exp2) exp1後面的內容要匹配exp2
      負前瞻: exp1(?!exp2) exp1後面的內容不能匹配exp2
      後顧: (?<=exp2)exp1 exp1前面的內容要匹配exp2
      負後顧: (?<!exp2)exp1 exp1前面的內容不能匹配exp2
      例如:我們要尋找hello,但是hello後面必須是world,Regex可以這樣寫:"(hello)\s+(?=world)",用來匹配"hello wangxing"和"hello world"只能匹配到後者的hello

  1.5 條件匹配
     (?(id)yes_exp|no_exp):對應id的子運算式如果匹配到內容,則這裡匹配yes_exp,否則匹配no_exp

  1.6 Regex的標誌
     1. Regex的標誌有兩種使用方法
       1. 通過給compile方法傳入標誌參數,多個標誌使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)
      2. 通過在Regex前面添加(?標誌)的方法給Regex添加標誌,如(?ms)#[\da-z]{6}\b
    2. 常用的標誌
       re.A或者re.ASCII, 使\b \B \s \S \w \W \d \D都假定字串為假定字串為ASCII
      re.I或者re.IGNORECASE 使Regex忽略大小寫
       re.M或者re.MULTILINE 多行匹配,使每個^在每個斷行符號後,每個$在每個斷行符號前匹配
       re.S或者re.DOTALL 使.能匹配任一字元,包括斷行符號
       re.X或者re.VERBOSE 這樣可以在Regex跨越多行,也可以添加註釋,但是空白需要使用\s或者[ ]來表示,因為預設的空白不再解釋。如:
         re.compile(r"""
          <img\s +) #標籤的開始
           [^>]*? #不是src的屬性
           src= #src屬性的開始
           (?:
          (?P<quote>["']) #左引號
           (?P<image_name>[^\1>]+?) #圖片名字
           (?P=quote) #右括弧
           """,re.VERBOSE|re.IGNORECASE)

2. PythonRegex模組

   2.1 Regex處理字串主要有四大功能

     1. 匹配 查看一個字串是否符合Regex的文法,一般返回true或者false
    2. 擷取 Regex來提取字串中符合要求的文本
     3. 替換 尋找字串中符合Regex的文本,並用相應的字串替換
     4. 分割 使用Regex對字串進行分割。

   2.2 Python中re模組使用Regex的兩種方法

     1. 使用re.compile(r, f)方法產生Regex對象,然後調用Regex對象的相應方法。這種做法的好處是產生正則對象之後可以多次使用。
     2. re模組中對Regex對象的每個對象方法都有一個對應的模組方法,唯一不同的是傳入的第一個參數是Regex字串。此種方法適合於只使用一次的Regex。

   2.3 Regex對象的常用方法

     1. rx.findall(s,start, end):
      返回一個列表,如果Regex中沒有分組,則列表中包含的是所有匹配的內容,
       如果Regex中有分組,則列表中的每個元素是一個元組,元組中包含子分組中匹配到的內容,但是沒有返回整個Regex匹配的內容
     2. rx.finditer(s, start, end):
      返回一個可迭代對象
       對可迭代對象進行迭代,每一次返回一個匹配對象,可以調用匹配對象的group()方法查看指定組匹配到的內容,0表示整個Regex匹配到的內容
     3. rx.search(s, start, end):
      返回一個匹配對象,倘若沒匹配到,就返回None
      search方法只匹配一次就停止,不會繼續往後匹配
     4. rx.match(s, start, end):
      如果Regex在字串的起始處匹配,就返回一個匹配對象,否則返回None
    5. rx.sub(x, s, m):
      返回一個字串。每一個匹配的地方用x進行替換,返回替換後的字串,如果指定m,則最多替換m次。對於x可以使用/i或者/g<id>id可以是組名或者編號來引用捕獲到的內容。
       模組方法re.sub(r, x, s, m)中的x可以使用一個函數。此時我們就可以對捕獲到的內容推過這個函數進行處理後再替換匹配到的文本。
     6. rx.subn(x, s, m):
      與re.sub()方法相同,區別在於返回的是二元組,其中一項是結果字串,一項是做替換的個數。
     7. rx.split(s, m):分割字串
       返回一個列表
       用Regex匹配到的內容對字串進行分割
       如果Regex中存在分組,則把分組匹配到的內容放在列表中每兩個分割的中間作為列表的一部分,如:
       rx = re.compile(r"(\d)[a-z]+(\d)")
      s = "ab12dk3klj8jk9jks5"
      result = rx.split(s)
      返回['ab1', '2', '3', 'klj', '8', '9', 'jks5']
    8. rx.flags():Regex編譯時間設定的標誌
     9. rx.pattern():Regex編譯時間使用的字串

   2.4 匹配對象的屬性與方法

    01. m.group(g, ...)
      返回編號或者組名匹配到的內容,預設或者0表示整個運算式匹配到的內容,如果指定多個,就返回一個元組
     02. m.groupdict(default)
      返回一個字典。字典的鍵是所有命名的組的組名,值為命名組捕獲到的內容
       如果有default參數,則將其作為那些沒有參與匹配的組的預設值。
     03. m.groups(default)
      返回一個元組。包含所有捕獲到內容的子分組,從1開始,如果指定了default值,則這個值作為那些沒有捕獲到內容的組的值
     04. m.lastgroup()
      匹配到內容的編號最高的擷取的群組的名稱,如果沒有或者沒有使用名稱則返回None(不常用)
    05. m.lastindex()
      匹配到內容的編號最高的擷取的群組的編號,如果沒有就返回None。
     06. m.start(g):
      當前匹配對象的子分組是從字串的那個位置開始匹配的,如果當前組沒有參與匹配就返回-1
    07. m.end(g)
      當前匹配對象的子分組是從字串的那個位置匹配結束的,如果當前組沒有參與匹配就返回-1
    08. m.span()
      返回一個二元組,內容分別是m.start(g)和m.end(g)的傳回值
     09. m.re()
      產生這一匹配對象的Regex
     10. m.string()
      傳遞給match或者search用於匹配的字串
     11. m.pos()
      搜尋的起始位置。即字串的開頭,或者start指定的位置(不常用)
    12. m.endpos()
      搜尋的結束位置。即字串的末尾位置,或者end指定的位置(不常用)

  2.5 總結

     1. 對於Regex的匹配功能,Python沒有返回true和false的方法,但可以通過對match或者search方法的傳回值是否是None來判斷
     2. 對於Regex的搜尋功能,如果只搜尋一次可以使用search或者match方法返回的匹配對象得到,對於搜尋多次可以使用finditer方法返回的可迭代對象來迭代訪問
     3. 對於Regex的替換功能,可以使用Regex對象的sub或者subn方法來實現,也可以通過re模組方法sub或者subn來實現,區別在於模組的sub方法的替換文本可以使用一個函數來產生
     4. 對於Regex的分割功能,可以使用Regex對象的split方法,需要注意如果Regex對象有分組的話,分組捕獲的內容也會放到返回的列表中

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.