pythonRegex

標籤：findall   zhang   括弧   貪婪   要求   mat   c++   運算式   str   

re模組操作

在Python中需要通過Regex對字串進行匹配的時候，可以使用一個模組，名字為re

1. re模組的使用過程

    #coding=utf-8    # 匯入re模組    import re    # 使用match方法進行匹配操作    result = re.match(Regex,要匹配的字串)    # 如果上一步匹配到資料的話，可以使用group方法來提取資料    result.group()

re.match是用來進行正則匹配檢查的方法，若字串匹配Regex，則match方法返回匹配對象（Match Object），否則返回None（注意不是Null 字元串""）。匹配對象Macth Object具有group方法，用來返回字串的匹配部分。

Regex的單字元匹配

字元	功能
.	匹配任意1個字元（除了\n）
[ ]	匹配[ ]中列舉的字元
\d	匹配數字，即0-9
\D	匹配非數字，即不是數字
\s	匹配空白，即 空格，tab鍵
\S	匹配非空白
\w	匹配單詞字元，即a-z、A-Z、0-9、_
\W	匹配非單詞字元

2. 原始字串

說明

Python中字串前面加上 r 表示原生字串，

與大多數程式設計語言相同，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，有了原始字串，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。

表示數量

匹配多個字元的相關格式

字元	功能
*	匹配前一個字元出現0次或者無限次，即可有可無
+	匹配前一個字元出現1次或者無限次，即至少有1次
?	匹配前一個字元出現1次或者0次，即要麼有1次，要麼沒有
{m}	匹配前一個字元出現m次
{m,}	匹配前一個字元至少出現m次
{m,n}	匹配前一個字元出現從m到n次

表示邊界

字元	功能
^	匹配字串開頭
$	匹配字串結尾
\b	匹配一個單詞的邊界
\B	匹配非單詞邊界

匹配分組

字元	功能
|	匹配左右任意一個運算式
(ab)	將括弧中字元作為一個分組
\num	引用分組num匹配到的字串
(?P<name>)	分組起別名
(?P=name)	引用別名為name分組匹配到的字串

re模組的進階用法search

需求：匹配出文章閱讀的次數

#coding=utf-8import reret = re.search(r"\d+", "閱讀次數為 9999")ret.group()

findall

需求：統計出python、c、c++相應文章閱讀的次數

#coding=utf-8import reret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")print ret

sub 將匹配到的資料進行替換

需求：將匹配到的閱讀次數加1

方法1：

#coding=utf-8import reret = re.sub(r"\d+", ‘998‘, "python = 997")print ret

方法2：

#coding=utf-8import redef add(temp):    strNum = temp.group()    num = int(strNum) + 1    return str(num)ret = re.sub(r"\d+", add, "python = 997")print retret = re.sub(r"\d+", add, "python = 99")print ret

split 根據匹配進行切割字串，並返回一個列表

需求：切割字串“info:xiaoZhang 33 shandong”

#coding=utf-8import reret = re.split(r":| ","info:xiaoZhang 33 shandong")print ret

python貪婪和非貪婪

Python裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配儘可能多的字元；

非貪婪則相反，總是嘗試匹配儘可能少的字元。

在"*","?","+","{m,n}"後面加上？，使貪婪變成非貪婪。

>>> s="This is a number 234-235-22-423">>> r=re.match(".+(\d+-\d+-\d+-\d+)",s)>>> r.group(1)‘4-235-22-423‘>>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s)>>> r.group(1)‘234-235-22-423‘>>>

Regex模式中使用到通配字，那它在從左至右的順序求值時，會盡量“抓取”滿足匹配最長字串，在我們上面的例子裡面，“.+”會從字串的啟始處抓取滿足模式的最長字元，其中包括我們想得到的第一個整型欄位的中的大部分，“\d+”只需一位字元就可以匹配，所以它匹配了數字“4”，而“.+”則匹配了從字串起始到這個第一位元字4之前的所有字元。

解決方式：非貪婪操作符“？”，這個操作符可以用在"*","+","?"的後面，要求正則匹配的越少越好。

 

pythonRegex