python语言之正则
（一）正则表达式的构成
正则表达式由两种元素组成：
-
字面值
- 普通字符和
- 需要转义的字符（\，^，$，.，|，?，*，+，()，[]，{}）
-
元字符（特殊意思）
.：除\n外的所有字符
\d：数字，等同于[0-9]
\D：匹配所有非数字 [ ^ 0-9]
\s：空白字符，\t\r\n\f\v
\S：非空白字符[ ^\t\r\n\f\v]
\w：字母数字字符[A-Za-z0-9_]
\W：字母数字字符[ ^A-Za-z0-9_]
|：yes|no
+:一次或者多次
?:一次或者0次
*：0次或者多次
{3,5}：3次到5次
{m}：m次
{m,}：最少m次
{，n}：最多n次
-
贪婪与非贪婪
-
非贪婪（两次后加？）
.*?
-
贪婪（默认）
-
-
边界匹配
^：行首
$：行尾
\b：单词边界
\B：非单词边界
\A：输入开头
\Z：输入结尾
（二）Python正则模块之RegexObject
模块：import re
RegexObject：编译后的正则表达式对象（编译为字节码并缓存re.compile），有利于重用
findAll方法
import re
text = "Tom is 8 years old. Mike is 23 years old"
pattern = re.compile('\d+')
pattern.findall(text)
['8', '23']
>>> pattern = re.compile('[A-Z]\w+')
>>> pattern.findall(text)
['Tom', 'Mike']
----------------------------------------------------
s = '\\author:Kobe'
pattern = re.compile('\\author')
pattern.findall(s)
[]#p匹配不到
pattern = re.compile('\\\\author')
pattern.findall(s)
['\\author']
pattern = re.compile(r'\\author')
pattern.findall(s)
['\\author']
match(str,[,pos[,endpos]])方法，返回MatchObject：从开始的位置匹配，或指定从某个位置匹配，到哪个位置结束
pattren = re.compile(r'<html>')
text = '<html><head></head><body></body></html>'
pattren.match(text)
<_sre.SRE_Match object; span=(0, 6), match='<html>'>
text1 = ' <html><head></head><body></body></html>'
pattren.match(text1)
pattren.match(text1,1)
<_sre.SRE_Match object; span=(1, 7), match='<html>'>
search(str,[,pos[,endpos]])方法任意位置搜索，返回MatchObject
text = "Tom is 8 years old. Mike is 23 years old"
p1 = re.compile('\d+')
p2 = re.compile('[A-Z]\w+')
p1.match(text)
p2.match(text)
<_sre.SRE_Match object; span=(0, 3), match='Tom'>
p1.search(text)
<_sre.SRE_Match object; span=(7, 8), match='8'>
p2.search(text)
<_sre.SRE_Match object; span=(0, 3), match='Tom'>
finditer方法，类似于findAll，查找所有匹配项，返回一个可迭代对象
it = p1.finditer(text)
for m in it:
print(m)
<_sre.SRE_Match object; span=(7, 8), match='8'>
<_sre.SRE_Match object; span=(28, 30), match='23'>
（三）Python正则模块之MatchObject
text
'Tom is 8 years old. Mike is 23 years old'
pattern = re.compile(r'(\d+).*?(\d+)')
m = pattern.search(text)
m
<_sre.SRE_Match object; span=(7, 30), match='8 years old. Mike is 23'>
m.group()
'8 years old. Mike is 23'
m.group(0)
'8 years old. Mike is 23'
#查看匹配的第一个分组
m.group(1)
'8'
#查看匹配的第二个分组
m.group(2)
'23'
#查看匹配的第一个分组的起始下标
m.start(1)
7
#查看匹配的第一个分组的结束下标
m.end(1)
8
#查看匹配的第一个分组的开始下标和结束下标
m.span(1)
(7, 8)
#查看匹配的第二个分组的起始下标
m.start(2)
28
#查看匹配的第二个分组的结束下标
m.end(2)
30
m.groups()
('8', '23')
type(m.groups())
<class 'tuple'>
-----------------------------------------------
text = 'i am a good teacher'
pattern = re.compile('(\w+) (\w+)')
pattern.findall(text)
[('i', 'am'), ('a', 'good')]
iter = pattern.finditer(text)
for m in iter:
print(m.group())
i am
a good
（四）Group编组
- 从匹配模式中抽取信息
re.search(r'ab+c','ababc')
<_sre.SRE_Match object; span=(2, 5), match='abc'>
re.search(r'(ab)+c','ababc')
<_sre.SRE_Match object; span=(0, 5), match='ababc'>
-
限制备选项范围
re.search(r'Cent(er|re)','Center') <_sre.SRE_Match object; span=(0, 6), match='Center'> re.search(r'Cent(er|re)','Centre') <_sre.SRE_Match object; span=(0, 6), match='Centre'> -
重用正则模式中提取的内容
re.search(r'(\w+) \1','hello world')
re.search(r'(\w+) \1','hello hello world')
<_sre.SRE_Match object; span=(0, 11), match='hello hello'>
- 带名称的group
text = 'tom:98'
pattern = re.compile(r'(\w+):(\d+)')
m = pattern.search(text)
m.group()
'tom:98'
m.groups()
('tom', '98')
------------------------------------------------------
pattern = re.compile(r'(?P<name>\w+):(?P<score>\d+)')
p = pattern.search(text)
p.group()
'tom:98'
p.group('name')
'tom'
p.group('score')
'98'
--------------------------------------------------------
re.search(r'(?P<name>\w+) (?P=name)','hello hello world')
<_sre.SRE_Match object; span=(0, 11), match='hello hello'>
（五）字符串操作
split
text = 'Beautiful is better than ugly.\nExplicity is better than implicity'
p = re.compile(r'\n')
p.split(text)
['Beautiful is better than ugly.', 'Explicity is better than implicity']
-----------------------------------------------------------------------
re.split(r'\W','good morning')
['good', 'morning']
re.split(r'-','good-morning')
['good', 'morning']
re.split(r'(-)','good-morning-hello')
['good', '-', 'morning', '-', 'hello']
sub
ords = 'ord000\nord001\nord003'
re.sub(r'\d+','-',ords)
'ord-\nord-\nord-'
---------------------------------------------
text = 'Beautiful is *better* than ugly.'
re.sub(r'\*(.*?)\*','<strong>\g<1></strong>',text)
'Beautiful is <strong>better</strong> than ugly.'
re.sub(r'\*(?P<name>.*?)\*','<strong>\g<name></strong>',text)
'Beautiful is <strong>better</strong> than ugly.'
-----------------------------------------------
ords = 'ord000\nord001\nord003'
re.sub(r'([a-z]+)(\d+)','\g<2>-\g<1>',ords)
'000-ord\n001-ord\n003-ord'
re.subn(r'([a-z]+)(\d+)','\g<2>-\g<1>',ords)
('000-ord\n001-ord\n003-ord', 3)
（六）编译标记
re.I 忽略大小写
text = 'python Python PYTHON'
re.findall(r'python',text)
['python']
re.findall(r'python',text,re.I)
['python', 'Python', 'PYTHON']
re.M 匹配多行
re.findall(r'^<html>','\n<html>')
[]
re.findall(r'^<html>','\n<html>',re.M)
['<html>']
re.S .匹配任意字符，包括\n
re.findall(r'\d(.)','1\ne',re.S)
['\n']
（七）模块级别的操作
清理正则缓存
re.purge()
逃逸字符
re.escape()
re.findall(r'^','^python^')
['']
re.findall(re.escape('^p'),'^python^')
['^p']
