PythonRegex

Regex是一個特殊的字元序列，它能協助你方便的檢查一個字串是否與某種模式比對。Python 自1.5版本起增加了re 模組，它提供 Perl 風格的Regex模式。

re 模組使 Python 語言擁有全部的Regex功能。

compile 函數根據一個模式字串和可選的標誌參數產生一個Regex對象。該對象擁有一系列方法用於Regex匹配和替換。

re 模組也提供了與這些方法功能完全一致的函數，這些函數使用一個模式字串做為它們的第一個參數。

本章節主要介紹Python中常用的Regex處理函數。

re.match函數

re.match 嘗試從字串的開始匹配一個模式。

函數文法：

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

函數參數說明：

參數

描述

pattern 匹配的Regex

string 要匹配的字串。

flags 標誌位，用於控制Regex的匹配方式，如：是否區分大小寫，多行匹配等等。

匹配成功re.match方法返回一個匹配的對象，否則返回None。

我們可以使用group(num) 或 groups() 匹配對象函數來擷取匹配運算式。

匹配對象方法

描述

group(num=0) 匹配的整個運算式的字串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。

groups() 返回一個包含所有小組字串的元組，從 1 到 所含的小組號。

執行個體：

#!/usr/bin/python

import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:

print "matchObj.group() : ", matchObj.group()

print "matchObj.group(1) : ", matchObj.group(1)

print "matchObj.group(2) : ", matchObj.group(2)

else:

print "No match!!"

以上執行個體執行結果如下：

matchObj.group() : Cats are smarter than dogs

matchObj.group(1) : Cats

matchObj.group(2) : smarter

re.search方法

re.match 嘗試從字串的開始匹配一個模式。

函數文法：

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

函數參數說明：

參數

描述

pattern 匹配的Regex

string 要匹配的字串。

flags 標誌位，用於控制Regex的匹配方式，如：是否區分大小寫，多行匹配等等。

匹配成功re.search方法方法返回一個匹配的對象，否則返回None。

我們可以使用group(num) 或 groups() 匹配對象函數來擷取匹配運算式。

匹配對象方法

描述

group(num=0) 匹配的整個運算式的字串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。

groups() 返回一個包含所有小組字串的元組，從 1 到 所含的小組號。

執行個體：

#!/usr/bin/python

import re

line = "Cats are smarter than dogs";

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:

print "matchObj.group() : ", matchObj.group()

print "matchObj.group(1) : ", matchObj.group(1)

print "matchObj.group(2) : ", matchObj.group(2)

else:

print "No match!!"

以上執行個體執行結果如下：

matchObj.group() : Cats are smarter than dogs

matchObj.group(1) : Cats

matchObj.group(2) : smarter

re.match與re.search的區別

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；而re.search匹配整個字串，直到找到一個匹配。

執行個體：

#!/usr/bin/python

import re

line = "Cats are smarter than dogs";

matchObj = re.match( r'dogs', line, re.M|re.I)

if matchObj:

print "match --> matchObj.group() : ", matchObj.group()

else:

print "No match!!"

matchObj = re.search( r'dogs', line, re.M|re.I)

if matchObj:

print "search --> matchObj.group() : ", matchObj.group()

else:

print "No match!!"

以上執行個體運行結果如下：

No match!!

search --> matchObj.group() : dogs

檢索和替換

Python 的re模組提供了re.sub用於替換字串中的匹配項。

文法：

re.sub(pattern, repl, string, max=0)

返回的字串是在字串中用 RE 最左邊不重複的匹配來替換。如果模式沒有發現，字元將被沒有改變地返回。

選擇性參數 count 是模式比對後替換的最大次數；count 必須是非負整數。預設值是 0 表示替換所有的匹配。

執行個體：

#!/usr/bin/python

import re

phone = "2004-959-559 # This is Phone Number"

# Delete Python-style comments

num = re.sub(r'#.*$', "", phone)

print "Phone Num : ", num

# Remove anything other than digits

num = re.sub(r'\D', "", phone)

print "Phone Num : ", num

以上執行個體執行結果如下：

Phone Num : 2004-959-559

Phone Num : 2004959559

Regex修飾符 - 可選標誌

Regex可以包含一些可選標誌修飾符來控制匹配的模式。修飾符被指定為一個可選的標誌。多個標誌可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設定成 I 和 M 標誌：

修飾符

描述

re.I 使匹配對大小寫不敏感

re.L 做本地化識別（locale-aware）匹配

re.M 多行匹配，影響 ^ 和 $

re.S 使 . 匹配包括換行在內的所有字元

re.U 根據Unicode字元集解析字元。這個標誌影響 \w, \W, \b, \B.

re.X 該標誌通過給予你更靈活的格式以便你將Regex寫得更易於理解。

Regex模式

模式字串使用特殊的文法來表示一個Regex：

字母和數字表示他們自身。一個Regex模式中的字母和數字匹配同樣的字串。

多數字母和數字前加一個反斜線時會擁有不同的含義。

標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義。

反斜線本身需要使用反斜線轉義。

由於Regex通常都包含反斜線，所以你最好使用原始字串來表示它們。模式元素(如 r'/t'，等價於'//t')匹配相應的特殊字元。

下表列出了Regex模式文法中的特殊元素。如果你使用模式的同時提供了可選的標誌參數，某些模式元素的含義會改變。

模式

描述

^ 匹配字串的開頭

$ 匹配字串的末尾。

. 匹配任一字元，除了分行符號，當re.DOTALL標記被指定時，則可以匹配包括分行符號的任一字元。

[...] 用來表示一組字元,單獨列出：[amk] 匹配 'a'，'m'或'k'

[^...] 不在[]中的字元：[^abc] 匹配除了a,b,c之外的字元。

re* 匹配0個或多個的運算式。

re+ 匹配1個或多個的運算式。

re? 匹配0個或1個由前面的Regex定義的片段，貪婪方式

re{ n}

re{ n,} 精確匹配n個前面運算式。

re{ n, m} 匹配 n 到 m 次由前面的Regex定義的片段，貪婪方式

a| b 匹配a或b

(re) G匹配括弧內的運算式，也表示一個組

(?imx) Regex包含三種可選標誌：i, m, 或 x 。隻影響括弧中的地區。

(?-imx) Regex關閉 i, m, 或 x 可選標誌。隻影響括弧中的地區。

(?: re) 類似 (...), 但是不表示一個組

(?imx: re) 在括弧中使用i, m, 或 x 可選標誌

(?-imx: re) 在括弧中不使用i, m, 或 x 可選標誌

(?#...) 注釋.

(?= re) 前向肯定界定符。如果所含Regex，以 ... 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含運算式已經嘗試，匹配引擎根本沒有提高；模式的剩餘部分還要嘗試界定符的右邊。

(?! re) 前向否定界定符。與肯定界定符相反；當所含運算式不能在字串當前位置匹配時成功

(?> re) 匹配的獨立模式，省去回溯。

\w 匹配字母數字

\W 匹配非字母數字

\s 匹配任意空白字元，等價於 [\t\n\r\f].

\S 匹配任意非Null 字元

\d 匹配任一數字，等價於 [0-9].

\D 匹配任意非數字

\A 匹配字串開始

\Z 匹配字串結束，如果是存在換行，只匹配到換行前的結束字串。c

\z 匹配字串結束

\G 匹配最後匹配完成的位置。

\b 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。

\B 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。

\n, \t, 等. 匹配一個分行符號。匹配一個定位字元。等

\1...\9 匹配第n個分組的子運算式。

\10 匹配第n個分組的子運算式，如果它經匹配。否則指的是八進位字元碼的運算式。

Regex執行個體

字元匹配

執行個體

描述

python 匹配 "python".

字元類

執行個體

描述

[Pp]ython 匹配 "Python" 或 "python"

rub[ye] 匹配 "ruby" 或 "rube"

[aeiou] 匹配中括弧內的任意一個字母

[0-9] 匹配任何數字。類似於 [0123456789]

[a-z] 匹配任何小寫字母

[A-Z] 匹配任何大寫字母

[a-zA-Z0-9] 匹配任何字母及數字

[^aeiou] 除了aeiou字母以外的所有字元

[^0-9] 匹配除了數字外的字元

特殊字元類

執行個體

描述

. 匹配除 "\n" 之外的任何單個字元。要匹配包括 '\n' 在內的任何字元，請使用象 '[.\n]' 的模式。

\d 匹配一個數字字元。等價於 [0-9]。

\D 匹配一個非數字字元。等價於 [^0-9]。

\s 匹配任何空白字元，包括空格、定位字元、換頁符等等。等價於 [ \f\n\r\t\v]。

\S 匹配任何非空白字元。等價於 [^ \f\n\r\t\v]。

\w 匹配包括底線的任何單詞字元。等價於'[A-Za-z0-9_]'。

\W 匹配任何非單詞字元。等價於 '[^A-Za-z0-9_]'。

