Python标准库01 正则表达式 (re包)(转载)
Python标准库01 正则表达式 (re包)
作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!
我将从正则表达式开始讲Python的标准库。正则表达式是文字处理中常用的工具,而且不需要额外的系统知识或经验。我们会把系统相关的包放在后面讲解。
正则表达式(regular expression)主要功能是从字符串(string)中通过特定的模式(pattern),搜索想要找到的内容。
语法
之前,我们简介了字符串相关的处理函数。我们可以通过这些函数实现简单的搜索功能,比如说从字符串“I love you”中搜索是否有“you”这一子字符串。但有些时候,我们只是模糊地知道我们想要找什么,而不能具体说出我是在找“you”,比如说,我想找出字符串中包含的数字,这些数字可以是0到9中的任何一个。这些模糊的目标可以作为信息写入正则表达式,传递给Python,从而让Python知道我们想要找的是什么。
在Python中使用正则表达式需要标准库中的一个包re。
import re
m = re.search('[0-9]','abcd4ef')
print(m.group(0))
re.search()接收两个参数,第一个'[0-9]'就是我们所说的正则表达式,它告诉Python的是,“听着,我从字符串想要找的是从0到9的一个数字字符”。
re.search()如果从第二个参数找到符合要求的子字符串,就返回一个对象m,你可以通过m.group()的方法查看搜索到的结果。如果没有找到符合要求的字符,re.search()会返回None。
如果你熟悉Linux或者Perl, 你应该已经熟悉正则表达式。当我们打开Linux shell的时候,可以用正则表达式去查找或着删除我们想要的文件,比如说:
$rm book[0-9][0-9].txt
这就是要删除类似于book02.txt的文件。book[0-9][0-9].txt所包含的信息是,以book开头,后面跟两个数字字符,之后跟有".txt"的文件名。如果不符合条件的文件名,比如说:
bo12.txt
book1.txt
book99.text
都不会被选中。
Perl中内建有正则表达式的功能,据说是所有正则表达式系统中最强的,这也是Perl成为系统管理员利器的一个原因。
正则表达式的函数
m = re.search(pattern, string) # 搜索整个字符串,直到发现符合的子字符串。
m = re.match(pattern, string) # 从头开始检查字符串是否符合正则表达式。必须从字符串的第一个字符开始就相符。
可以从这两个函数中选择一个进行搜索。上面的例子中,我们如果使用re.match()的话,则会得到None,因为字符串的起始为‘a’, 不符合'[0-9]'的要求。
对于返回的m, 我们使用m.group()来调用结果。(我们会在后面更详细解释m.group())
我们还可以在搜索之后将搜索到的子字符串进行替换:
str = re.sub(pattern, replacement, string)
# 在string中利用正则变换pattern进行搜索,对于搜索到的字符串,用另一字符串replacement替换。返回替换后的字符串。
此外,常用的正则表达式函数还有
re.split() # 根据正则表达式分割字符串, 将分割后的所有子字符串放在一个表(list)中返回
re.findall() # 根据正则表达式搜索字符串,将所有符合的子字符串放在一给表(list)中返回
(在熟悉了上面的函数后,可以看一下re.compile(),以便于提高搜索效率。)
写一个正则表达式
关键在于将信息写成一个正则表达式。我们先看正则表达式的常用语法:
1)单个字符:
. 任意的一个字符
a|b 字符a或字符b
[afg] a或者f或者g的一个字符
[0-4] 0-4范围内的一个字符
[a-f] a-f范围内的一个字符
[^m] 不是m的一个字符
\s 一个空格
\S 一个非空格
\d [0-9]
\D [^0-9]
\w [0-9a-zA-Z]
\W [^0-9a-zA-Z]
2)重复
紧跟在单个字符之后,表示多个这样类似的字符
* 重复 >=0 次
+ 重复 >=1 次
? 重复 0或者1 次
{m} 重复m次。比如说 a{4}相当于aaaa,再比如说[1-3]{2}相当于[1-3][1-3]
{m, n} 重复m到n次。比如说a{2, 5}表示a重复2到5次。小于m次的重复,或者大于n次的重复都不符合条件。
正则表达 相符的字符串举例
[0-9]{3,5} 9678
a?b b
a+b aaaaab
3) 位置
^ 字符串的起始位置
$ 字符串的结尾位置
正则表达 相符的字符串举例 不相符字符串
^ab.*c$ abeec cabeec (如果用re.search(), 将无法找到。)
4)返回控制
我们有可能对搜索的结果进行进一步精简信息。比如下面一个正则表达式:
output_(\d{4})
该正则表达式用括号()包围了一个小的正则表达式,\d{4}。 这个小的正则表达式被用于从结果中筛选想要的信息(在这里是四位数字)。这样被括号圈起来的正则表达式的一部分,称为群(group)。
我们可以m.group(number)的方法来查询群。group(0)是整个正则表达的搜索结果,group(1)是第一个群……
import re
m = re.search("output_(\d{4})", "output_1986.txt")
print(m.group(1))
我们还可以将群命名,以便更好地使用m.group查询:
import re
m = re.search("output_(?P<year>\d{4})", "output_1986.txt") #(?P<name>...) 为group命名
print(m.group("year"))
练习
有一个文件,文件名为output_1981.10.21.txt 。下面使用Python: 读取文件名中的日期时间信息,并找出这一天是周几。将文件改名为output_YYYY-MM-DD-W.txt (YYYY:四位的年,MM:两位的月份,DD:两位的日,W:一位的周几,并假设周一为一周第一天)
总结
re.search() re.match() re.sub() re.findall()
正则表达式构成方法
如果你喜欢这篇文章,欢迎推荐。
技术推动进步,分享促进社区。
1
2
3
4
5
6
7
8
9
10
11
12
|
# Let output_1981.10.21.txt be in the current directory import os, re, datetime filename = "output_1981.10.21.txt" get_time = re.search( "\d{4}\.\d{2}\.\d{2}\." , filename) filename_time = get_time.group( 0 ) # The date in the file name is saved in filename_time print filename_time date = datetime.date( 1981 , 10 , 21 ) w = date.weekday() + 1 W = str (w) os.rename( "output_1981.10.21.txt" , "output_1981-10-21-" + W + ".txt" ) |
1
2
3
4
5
6
7
8
9
|
import os,re,datetime filename = "output_1981.10.21.txt" get_time = re.search( "(?P<year>\d{4})\.(?P<month>\d{2})\.(?P<day>\d{2})\." ,filename) year = get_time.group( "year" ) month = get_time.group( "month" ) day = get_time.group( "day" ) date = datetime.date( int (year), int (month), int (day)) wd = date.weekday() + 1 os.rename(filename, "output_" + year + "-" + month + "-" + day + "-" + str (wd) + ".txt" ) |
当我在终端输入代码时能够正常工作,但用了 PyCharm 时会出错,好像是没有找到这个 “re” 库,什么问题呢?THANKS! :D
代码:
1
2
3
4
|
import re str = re.search( '\d{2}' , 'abcde56hi' ) print str .group( 0 ) |
报错如下:
1
2
3
|
File "/Users/name/test/re.py" , line 3 , in <module> str = re.search( '\d{2}' , 'abcde56hi' ) AttributeError: 'module' object has no attribute 'search' |
1
2
3
4
5
6
7
8
9
10
11
|
import re import datetime m = re.search( 'output_(?P<year>\d{4}).(?P<month>\d{2}).(?P<day>\d{2})' , 'output_1981.10.21.txt' ) weekday = datetime.datetime( int (m.group( 'year' )), int (m.group( 'month' )), int (m.group( 'day' ))).strftime( "%w" ) filename = 'output_' + m.group( 'year' ) + '-' + m.group( 'month' ) + '-' + m.group( 'day' ) + '-' + weekday + '.txt' print (weekday) print filename |
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
1 #!/usr/bin/env python 2 # Filename: vamei-re.py 3 4 import time 5 import re,os 6 7 dirlist = os.listdir( '.' ) 8 flag = 0 9 10 for name in dirlist: 11 m = re.search( '\d+\.\d+\.\d+' ,name) 12 if m: 13 date = m.group() 14 week = time.struct_time(time.strptime(date, '%Y.%m.%d' ))[ 6 ] + 1 15 finename,ext = os.path.splitext(name) 16 newname = re.sub( '\.' , '-' ,finename,count = 2 ) + '-' + str (week) + ext 17 os.rename(name,newname) 18 flag = 1 19 20 if flag = = 1 : 21 print 'Successful operation' 22 else : 23 print 'no such file ' |
我也写了一个,希望大家指点,支持博主