Python中的正则表达式

Python支持正则表达式功能。正则表达式是一种专门的语言，用来对字符串进行处理。

正则表达式的基本功能是定义字符串模式，在被处理的字符串中识别特定的目标字符串。 

正则表达式的语法

语法包含以下几个方面

 1. 匹配的对象

.      --任意一个字符

[]     --字符集合中的任意元素，例：[abce], [a-zA-Z0-9], [^a-z]

\d     -- decimal 数字

\w     -- 字母、数字

\s     -- any whitespace

\b    -- empty string

以上这些字符为大写时，逻辑取反。

2. 出现的位置

^, \A     -- 字符串起始位置

$, \Z     -- 字符串结束位置

3. 重复的次数

*     -- 0 或者任意多次

+     -- 1 或者任意多次

?     -- 0 或 1次

{m}, {m,n}     -- 指定的次数，m次，或者从m到n次

 

上面符号默认是greedy模式，会尽可能多的匹配字符。后面增加？后，将使用non-greedy匹配模式，比如：*?, +?, ??, {m}?

 

4. 群组（group）的定义

对于匹配上的字符串，如果要进行引用，需要使用组。

()     -- 定义组

\number     -- 引用组

(?P<name>) -- 定义组的名字

(?P=<name>)     -- 通过组名字引用组

 

5. 扩展定义

(?...) -- 这种格式是对正则表达式的各类扩展

 

(?=...), (?!...)  -- lookahead assertion

(?<=...), (?<!...) -- negative lookahead assertion

 

正则表达式应用举例

[a-z]{5}     -- 任意5个字符

(\w+)-?(\w+)     --  匹配这样的字符串：xxx-yyy, 或者xxxyyy

 

Python中的操作方式

两种使用正则表达式的方法：

1) 通过全局函数，直接使用

2) compile正则表达式，生成 RegexObject 对象，通过该对象进行查找操作

 

Python中支持两种查找方式：

1) match -- 只在字符串开始位置进行匹配

2) search -- 在字符串任意位置进行匹配

 

支持的操作：

• match
• search
• findall
• finditer
• split
• sub

 

对匹配结果的处理

如果能够搜索到，将反馈 MatchObject 对象，通过该对象可以访问搜索结果信息，主要有：

1) 通过group引用匹配上的字符串；

2) 匹配字符串的位置信息；

 

其它注意点

使用 raw string notation, r"xxxx"

 

 

date: 2013.11.17