PythonRegex學習摘要及資料

標籤：tutorial   close   技術   傳回值   迭代器   with   developer   develop   轉化   

摘要

• 在Regex中，如果直接給出字元，就是精確匹配。

• {m,n}? 對於前一個字元重複 m 到 n 次，並且取儘可能少的情況 在字串‘aaaaaa‘中，a{2,4} 會匹配 4 個 a，但 a{2,4}? 只匹配 2 個 a。

^表示行的開頭，^\d表示必須以數字開頭。

$表示行的結束，\d$表示必須以數字結束。

你可能注意到了，py也可以匹配‘python‘-->py;
但是加上^py$就變成了整行匹配，就只能匹配‘py‘了,匹配‘python‘時，就什麼也得不到。

參考表Regex特殊序列

re模組

re.compile(pattern[, flags])
把Regex的模式和標識轉化成Regex對象，供 match() 和 search() 這兩個函數使用。

re 所定義的 flag 包括：

re.I 忽略大小寫re.L 表示特殊字元集 \w, \W, \b, \B, \s, \S 依賴於當前環境re.M 多行模式re.S 即為’ . ’並且包括分行符號在內的任一字元（’ . ’不包括分行符號）re.U 表示特殊字元集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字元屬性資料庫re.X 為了增加可讀性，忽略空格和’ # ’後面的注釋

以下兩種用法結果相同：(A)

compiled_pattern = re.compile(pattern) result = compiled_pattern.match(string)

(B)

result = re.match(pattern, string)

s = ‘ABC\\-001‘ # Python的字串 #對應的Regex字串變成： #‘ABC\-001‘

因此我們強烈建議使用Python的r首碼，就不用考慮轉義的問題了

s = r‘ABC\-001‘ # Python的字串# 對應的Regex字串不變：# ‘ABC\-001‘

search

re.search(pattern, string[, flags])`
在字串中尋找匹配Regex模式的位置，返回 MatchObject 的執行個體，如果沒有找到匹配的位置，則返回 None。
對於已編譯的Regex對象來說（re.RegexObject），有以下 search 的方法：
search (string[, pos[, endpos]])
若 regex 是已編譯好的Regex對象，regex.search(string, 0, 50) 等同於 regex.search(string[:50], 0)。

 >>> pattern = re.compile("a")  >>> pattern.search("abcde")     # Match at index 0  >>> pattern.search("abcde", 1)  # No match;

match

re.match(pattern, string[, flags])
判斷 pattern 是否在字串開頭位置匹配。對於 RegexObject，有：
match(string[, pos[, endpos]])
match() 函數只在字串的開始位置嘗試匹配Regex，也就是只報告從位置 0 開始的匹配情況，而 search() 函數是掃描整個字串來尋找匹配。如果想要搜尋整個字串來尋找匹配，應當用 search()。

>>> pattern.match(‘bca‘,2).group()‘a‘

雖然，match預設是從開頭匹配，但是，如果指定位置，仍然能成功；但是！match也是從指定位置開始匹配，不匹配仍然會失敗，這一點就和search有區別啦。

match()方法判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None。

test = ‘使用者輸入的字串‘if re.match(r‘Regex‘, test):    print(‘ok‘)else:    print(‘failed‘)

split

re.split(pattern, string[, maxsplit=0, flags=0])
此功能很常用，可以將將字串匹配Regex的部分割開並返回一個列表。對 RegexObject，有函數：
split(string[, maxsplit=0])

對於一個找不到匹配的字串而言，split 不會對其作出分割

>>> ‘a b   c‘.split(‘ ‘)[‘a‘, ‘b‘, ‘‘, ‘‘, ‘c‘]

這裡用字串內建的split方法就很不靈活。

>>> re.split(r‘\s+‘, ‘a b   c‘)[‘a‘, ‘b‘, ‘c‘]

看出差別了吧，很強大！再來一個終極的：

>>> re.split(r‘[\s\,\;]+‘, ‘a,b;; c  d‘)[‘a‘, ‘b‘, ‘c‘, ‘d‘]

r‘[\s\,\;]+‘的正則表達式意思為：空格或者,或者;`出現1次或1次以上都是滿足條件的分割符號！所以，最後結果還是很乾淨。

findall

re.findall(pattern, string[, flags])

在字串中找到Regex所匹配的所有子串，並組成一個列表返回。同樣 RegexObject 有：
findall(string[, pos[, endpos]])

 #get all content enclosed with [], and return a list >>> pattern=re.compile(r‘hh‘)>>> pattern.findall(‘hhmichaelhh‘)[‘hh‘, ‘hh‘]

finditer

re.finditer(pattern, string[, flags])
和 findall 類似，在字串中找到Regex所匹配的所有子串，並組成一個迭代器返回。同樣 RegexObject有：
finditer(string[, pos[, endpos]])

sub

re.sub(pattern, repl, string[, count, flags])
在字串 string 中找到匹配Regexpattern 的所有子串，用另一個字串 repl 進行替換。如果沒有找到匹配 pattern 的串，則返回未被修改的 string。Repl 既可以是字串也可以是一個函數。

傳回值是替換後的新字串。

對於 RegexObject 有：
sub(repl, string[, count=0])

>>> pattern=re.compile(r‘\d‘)>>> pattern.sub(‘no‘,‘12hh34hh‘)‘nonohhnonohh‘>>> pattern.sub(‘no‘,‘12hh34hh‘,0)‘nonohhnonohh‘>>> pattern.sub(‘no‘,‘12hh34hh‘,count=0)‘nonohhnonohh‘>>> pattern.sub(‘no‘,‘12hh34hh‘,1)‘no2hh34hh‘

通過上面的例子，可以看出,count是可以預設的，同時，預設值是0，表示全部替換；否則，就是指定替換幾個。

subn

re.subn(pattern, repl, string[, count, flags])
該函數的功能和 sub() 相同，但它還返回新的字串以及替換的次數。同樣 RegexObject 有：
subn(repl, string[, count=0])

>>> pattern.subn(‘no‘,‘12hh34hh‘,count=0)(‘nonohhnonohh‘, 4)

分組

除了簡單地判斷是否匹配之外，Regex還有提取子串的強大功能。用()表示的就是要提取的分組（Group）。比如：

^(\d{3})-(\d{3,8})$分別定義了兩個組，可以直接從匹配的字串中提取出區號和本地號碼：

>>> m = re.match(r‘^(\d{3})-(\d{3,8})$‘, ‘010-12345‘)>>> m<_sre.SRE_Match object; span=(0, 9), match=‘010-12345‘>>>> m.group(0)‘010-12345‘>>> m.group(1)‘010‘>>> m.group(2)‘12345‘>>> m.groups()(‘010‘, ‘12345‘)

通過實驗，如果不用括弧，得到的Match對象課可以使用例如a.group(0)或者a.group()但是，使用a.group(1)就會報錯的。

貪婪匹配

正則匹配預設是貪婪匹配，也就是匹配儘可能多的字元。舉例如下，匹配出數字後面的0：

>>> re.match(r‘^(\d+)(0*)$‘, ‘102300‘).groups()(‘102300‘, ‘‘)

由於\d+採用貪婪匹配，直接把後面的0全部匹配了，結果0*只能匹配Null 字元串了。

必須讓\d+採用非貪婪匹配（也就是儘可能少匹配），才能把後面的0匹配出來，加個?就可以讓\d+採用非貪婪匹配：

>>> re.match(r‘^(\d+?)(0*)$‘, ‘102300‘).groups()(‘1023‘, ‘00‘)

PythonRegex學習資源

• 廖雪峰-Regex

• IBM-使用 Python 模組 re 實現解析小工具

• deerchao-則運算式30分鐘入門教程

• deerchao-Regex30分鐘入門教程

• 靜覓-爬蟲入門七之Regex

原文連結：--By Michael翔

PythonRegex學習摘要及資料