Python正則匹配 -> 模組和基本函數

PythonRegex - re模組

1. findall函數

>>> import re

>>> s='123abc456eabc789'

>>> re.findall(r’abc’,s) 結果：['abc', 'abc']

返回結果是一個列表，中間存放的是符合規則的字串，如果沒有符合規則的字串被找到，就返回一個空列表。

2. compile函數

>>> s='111,222,aaa,bbb,ccc333,444ddd123abc456eabc789'

>>> rule=r’\b\d+\b’

>>> compiled_rule=re.compile(rule)

>>> compiled_rule.findall(s) 結果：['111', '222']

直接使用findall ( rule , target )的方式來匹配字串，一次兩次沒什麼，如果是多次使用的話，由於正則引擎每次都要把規則解釋一遍，而規則的解釋又是相當費時間的，所以這樣的效率就很低了。如果要多次使用同一規則來進行匹配的話，可以使用re.compile函數來將規則先行編譯，使用編譯過返回的Regular Expression Object或叫做Pattern對象來進行尋找。

compile函數還可以指定一些規則標誌，來指定一些特殊選項，多個選項之間用 ’|’（位或）串連起來。

I      IGNORECASE 忽略大小寫區別

M    MULTILINE  多行匹配。在這個模式下’^’(代表字串開頭)和’$’(代表字串結尾)將能夠匹配多行的情況，成為行首和行尾標記。

>>> s=’123 456\n789 012\n345 678’

>>> rc=re.compile(r’^\d+’)    #匹配一個位於開頭的數字，沒有使用M選項

>>> rc.findall(s)

['123']             #結果只能找到位於第一個行首的’123’

>>> rcm=re.compile(r’^\d+’, re.M)       #使用 M 選項

>>> rcm.findall(s)

['123', '789', '345']  #找到了三個行首的數字

對於‘$’的情況是類似的：

>>> rc=re.compile(r’\d+$’)

>>> rcm=re.compile(r’\d+$’, re.M)

>>> rc.findall(s)

['678']

>>> rcm.findall(s)

['456', '012', '678'] 還有一些其他規則標誌，參考連結： http://blog.csdn.net/smilelance/article/details/6529950

3. match函數與search函數

match( rule , targetString [,flag] )

search( rule , targetString [,flag] ) 第一個參數是正則規則，第二個是目標字串，第三個是選項（同compile函數的選項）

返回結果不是字串列表，而是一個MatchObject （如果匹配成功的話），通過操作這個matchObject，來得到更多的資訊；如果匹配不成功，它們則返回一個NoneType。

所以，一般的使用規則是：

>>> m=re.match( rule , target )

>>> if m:                       #必需先判斷是否成功

        doSomething

兩個函數的區別：

match從字串的開頭開始匹配，如果開頭位置沒有匹配成功，就算失敗；而search會跳過開頭，繼續向後尋找是否有匹配的字串。

4. 其它函數

參考連結： http://blog.csdn.net/smilelance/article/details/6529950