正则表达式（转载）

本文转自易百  http://www.yiibai.com/python/python_reg_expressions.html

 

正则表达式是字符一个特殊的序列，可帮助匹配或者寻找其他的字符串或一组字符串，用一个模式支持一个专门的语法。正则表达式被广泛应用于UNIX世界中。

模块re在Python提供类似Perl的正则表达式全面支持。 re模块引发异常re.error如果在编译或使用正则表达式时发生错误。

我们将涉及两个重要的功能，这将被用于处理的正则表达式。但是首先：有各种各样的字符，当它们在正则表达式中使用，将有特殊的意义。为了避免在处理正则表达式的任何困惑，将使用原始字符串作为r'expression“。

match函数

此函数会尝试重新模式匹配字符串可选标志。

下面是此函数的语法：

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

这里的参数的说明：

参数	描述
pattern	这是正则表达式来进行匹配。
string	这是字符串，这将被搜索匹配的模式，在字符串的开头。
flags	可以指定使用位的不同的标志OR (|)。这些改性剂，其列于下表中。

re.match函数返回成功，失败匹配对象则返回None。我们会group(num) orgroups()函数匹配对象来获得匹配的表达式。

匹配对象的方法	描述
group(num=0)	此方法返回整个匹配（或指定分组num）
groups()	此方法返回所有元组匹配的子组（空，如果没有）

例子：

#!/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!!"

当执行上面的代码，它产生以下结果：

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

search函数

此函数将搜索字符串中使用可选的标志第一次出现的RE模式。

下面是此函数语法：

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

这里的参数说明：

参数	描述
pattern	这是正则表达式来进行匹配。
string	这是字符串，这将被搜索到的字符串中的任何位置匹配的模式。
flags	可以指定使用位的不同的标志OR (|)。这些改性剂，其列于下表中。

re.search函数返回成功，没有失败的匹配对象。我们会用group(num) 或groups() 函数来获得匹配的表达式。

匹配对象的方法	描述
group(num=0)	此方法返回整个匹配（或指定分组num）
groups()	此方法返回所有元组匹配的子组（空，如果没有）

例子：

#!/usr/bin/python
import re

line = "Cats are smarter than dogs";

searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)

if searchObj:
   print "searchObj.group() : ", searchObj.group()
   print "searchObj.group(1) : ", searchObj.group(1)
   print "searchObj.group(2) : ", searchObj.group(2)
else:
   print "Nothing found!!"

当执行上面的代码，它产生以下结果：

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

匹配VS搜索：

python提供基于正则表达式两种不同的基本操作：只在字符串的开头匹配检查的匹配，而对于一个匹配字符串中的任何位置搜索检查（这是Perl并在默认情况下）。

例子：

#!/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!!"

searchObj = re.search( r'dogs', line, re.M|re.I)
if searchObj:
   print "search --> searchObj.group() : ", searchObj.group()
else:
   print "Nothing found!!"

当执行上面的代码，产生以下结果：

No match!!
search --> matchObj.group() :  dogs

搜索和替换：

一些最重要的re方法，使用正则表达式sub。

语法

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

这种方法取代了RE模式字符串中使用的Perl所有匹配，替换所有出现如果提供最大匹配。这个方法将返回修改后的字符串。

例子

下面是一个例子：

#!/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

当执行上面的代码，产生以下结果：

Phone Num :  2004-959-559
Phone Num :  2004959559

正则表达式修饰符 - 选项标志

正则表达式字面可以包含一个可选的修饰符来控制匹配的各个方面。修饰符被指定为一个可选的标志。可以使用异或提供多个修饰符（|），如先前所示，并且可以由这些中的一个来表示：

修辞符	描述
re.I	执行不区分大小写的匹配。
re.L	根据当前的语言环境解释词组。这种解释影响字母组（\w和\W），以及单词边界的行为（\b和\B）
re.M	使$匹配一行（串的不只是端部）的尾部，使^匹配的行（串不只是开始）的开始
re.S	使一个句号（点）匹配任何字符，包括换行符
re.U	根据Unicode字符集解释的字母。这个标志会影响\w, \W, \b, \B的行为。
re.X	许可证“cuter”正则表达式语法。它忽略空格（除了一组[]或当用一个反斜杠转义内），并把转义＃作为注释标记

正则表达式模式：

除了控制字符(+ ? . * ^ $ ( ) [ ] { } | \)，所有字符匹配自己。可以通过用反斜杠前就转义控制字符。

下表列出了Python中可用正则表达式语法：

模式	描述
^	匹配的开始的
$	匹配行尾
.	匹配除换行符的任何单个字符。使用-m选项允许其匹配换行符也是如此。
[...]	匹配括号内任何单个字符
[^...]	匹配任何单个字符不在括号中
re*	匹配0个或多个匹配前面表达式。
re+	匹配1个或多个先前出现的表达式。
re?	匹配0或1前面出现的表达式。
re{ n}	精确匹配n个前面表达式的数量。
re{ n,}	匹配n或多次出现上述表达式。
re{ n, m}	匹配至少n次和前面表达式的大多数出现m次。
a| b	匹配a或b。
(re)	组正则表达式并记住匹配的文本。
(?imx)	暂时切换上 i, m 或 x正则表达式的选项。如果括号中，仅该区域受到影响。
(?-imx)	暂时关闭切换 i, m, 或 x 正则表达式的选项。如果括号中，仅该区域受到影响。
(?: re)	组正则表达式而不匹配的记住文字。
(?imx: re)	暂时切换上i, m, 或 x 括号内的选项。
(?-imx: re)	暂时关闭切换i, m, 或 x 括号内的选项。
(?#...)	注释
(?= re)	指定使用的模式位置，没有一个范围。
(?! re)	指定使用模式取反位置，没有一个范围。
(?> re)	匹配独立的模式而不反向追踪。
\w	匹配单词字符。
\W	匹配非单词字符
\s	匹配的空白，等价于[\ t\ñ\ r\ F]
\S	匹配非空白
\d	匹配的数字。等价于[0-9]
\D	匹配非数字
\A	匹配字符串的开始
\Z	匹配字符串的结尾。如果一个换行符的存在，它只是换行之前匹配
\z	匹配字符串的结尾
\G	匹配点，最后一次匹配结束
\b	匹配单词边界之外时，括号内。匹配退格键（0×08），括号里面的时候
\B	匹配非单词边界
\n, \t, etc.	匹配换行符，回车符，制表符等
\1...\9	匹配第n个分组的子表达式。
\10	匹配，如果它已经匹配第n个分组的子表达式。否则指的是一个字符码的八进制表示。

正则表达式的例子

文字字符：

示例	描述
python	匹配 "python".

字符类：

示例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配  "ruby" 或 "rube"
[aeiou]	匹配任何一个小写元音
[0-9]	匹配任何数字;如果[0123456789]
[a-z]	匹配任何小写ASCII的字母
[A-Z]	匹配任何大写的ASCII字母
[a-zA-Z0-9]	匹配任何上述的
[^aeiou]	匹配任何不是小写元音
[^0-9]	匹配任何非数字

特殊字符类：

示例	描述
.	匹配除换行符外的任何字符
\d	匹配一个数字：[0-9]
\D	匹配一个非数字：[^0-9]
\s	匹配一个空白字符：[\ t\ r\ñ\ F]
\S	匹配非空白：[^\ t\ r\ñ\ F]
\w	匹配一个单词字符：[A-ZA-Z0-9 _]
\W	匹配非单词字符：[^ A-ZA-Z0-9 _]

重复案例：

示例	描述
ruby?	匹配“rub”或“ruby”：y是可选的
ruby*	匹配“rub”加上0个或多个ys
ruby+	匹配“rub”加上1个或多个ys
\d{3}	完全匹配3个数字
\d{3,}	完全匹配3个及以上的数字
\d{3,5}	匹配3，4或5个数字

非贪婪的重复：

匹配最小重复次数：

示例	描述
<.*>	贪婪的重复：匹配“<python>perl>”
<.*?>	非贪婪：匹配“<python>”，在“<python>perl>”

分组使用括号：

示例	描述
\D\d+	不分组：+重复\d
(\D\d)+	分组：+重复\D\d对
([Pp]ython(, )?)+	匹配“Python”，“Python, python, python”等。

反向引用：

再次匹配​​先前匹配的组：

示例	描述
([Pp])ython&\1ails	匹配python&pails或Python&Pails
(['"])[^\1]*\1	单或双引号字符串。 \1匹配第一组匹配。 \2匹配第二组匹配等等。

替代方案：

示例	描述
python|perl	匹配"python" 或 "perl"
rub(y|le))	匹配 "ruby" 或 "ruble"
Python(!+|\?)	“Python”后跟一个或多个！或者一个？

锚点：

需要指定匹配位置

示例	描述
^Python	匹配“Python”在一个字符串或内部行的开始
Python$	匹配“巨蟒”的字符串或行尾
\APython	匹配“Python”在字符串的开始
Python\Z	匹配“Python”在字符串的结尾
\bPython\b	匹配“Python”在字边界
\brub\B	\B非单词的边界：匹配“rub”，“rube”和“ruby”，但并不单独
Python(?=!)	匹配“Python”，如果后面的感叹号
Python(?!!)	匹配“Python”，如果后面不是感叹号

特殊的语法用圆括号：

 

示例	描述
R(?#comment)	符合“R”。其余全是注释
R(?i)uby	当匹配“uby”时，不区分大小写
R(?i:uby)	与上述相同
rub(?:y|le))	只有组，而无需创建\1反向引用