python标准库介绍——5 re模块详解

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203

== re 模块==             "Some people, when confronted with a problem, think 'I know, I'll use regular expressions.' Now they have two problems."           - Jamie Zawinski, on comp.lang.emacs   ``re`` 模块提供了一系列功能强大的正则表达式 (regular expression) 工具, 它们允许你快速检查给定字符串是否与给定的模式匹配 (使用 ``match`` 函数), 或者包含这个模式 (使用 ``search`` 函数). 正则表达式是以紧凑(也很神秘)的语法写出的字符串模式.   ``match`` 尝试从字符串的起始匹配一个模式, 如 [Example 1-54 #eg-1-54] 所示. 如果模式匹配了某些内容 (包括空字符串, 如果模式允许的话) , 它将返回一个匹配对象. 使用它的 ``group`` 方法可以找出匹配的内容.   ====Example 1-54. 使用 re 模块来匹配字符串====[eg-1-54]   ``` File: re-example-1.py   import re   text = "The Attila the Hun Show"   # a single character 单个字符 m = re.match(".", text) if m: print repr("."), "=>", repr(m.group(0))   # any string of characters 任何字符串 m = re.match(".*", text) if m: print repr(".*"), "=>", repr(m.group(0))   # a string of letters (at least one) 只包含字母的字符串(至少一个) m = re.match("\w+", text) if m: print repr("\w+"), "=>", repr(m.group(0))   # a string of digits 只包含数字的字符串 m = re.match("\d+", text) if m: print repr("\d+"), "=>", repr(m.group(0))   *B* '.' => 'T' '.*' => 'The Attila the Hun Show' '\\w+' => 'The'*b* ```   可以使用圆括号在模式中标记区域. 找到匹配后, ``group`` 方法可以抽取这些区域的内容， 如 [Example 1-55 #eg-1-55] 所示. ``group(1)`` 会返回第一组的内容, ``group(2)`` 返回第二组的内容, 这样... 如果你传递多个组数给 ``group`` 函数, 它会返回一个元组.   ====Example 1-55. 使用 re 模块抽出匹配的子字符串====[eg-1-55]   ``` File: re-example-2.py   import re   text ="10/15/99"   m = re.match("(\d{2})/(\d{2})/(\d{2,4})", text) if m:     print m.group(1, 2, 3)   *B*('10', '15', '99')*b* ```   ``search`` 函数会在字符串内查找模式匹配, 如 [Example 1-56 #eg-1-56] 所示. 它在所有可能的字符位置尝试匹配模式, 从最左边开始, 一旦找到匹配就返回一个匹配对象. 如果没有找到相应的匹配, 就返回 //None// .   ====Example 1-56. 使用 re 模块搜索子字符串====[eg-1-56]   ``` File: re-example-3.py   import re   text = "Example 3: There is 1 date 10/25/95 in here!"   m = re.search("(\d{1,2})/(\d{1,2})/(\d{2,4})", text)   print m.group(1), m.group(2), m.group(3)   month, day, year = m.group(1, 2, 3) print month, day, year   date = m.group(0) print date   *B*10 25 95 10 25 95 10/25/95*b* ```   [Example 1-57 #eg-1-57] 中展示了 ``sub`` 函数, 它可以使用另个字符串替代匹配模式.   ====Example 1-57. 使用 re 模块替换子字符串====[eg-1-57]   ``` File: re-example-4.py   import re   text = "you're no fun anymore..."   # literal replace (string.replace is faster) # 文字替换 (string.replace 速度更快) print re.sub("fun", "entertaining", text)   # collapse all non-letter sequences to a single dash # 将所有非字母序列转换为一个"-"(dansh,破折号) print re.sub("[^\w]+", "-", text)   # convert all words to beeps # 将所有单词替换为 BEEP print re.sub("\S+", "-BEEP-", text)   *B*you're no entertaining anymore... you-re-no-fun-anymore- -BEEP- -BEEP- -BEEP- -BEEP-*b* ```   你也可以通过回调 (callback) 函数使用 ``sub`` 来替换指定模式. [Example 1-58 #eg-1-58] 展示了如何预编译模式.   ====Example 1-58. 使用 re 模块替换字符串(通过回调函数)====[eg-1-58]   ``` File: re-example-5.py   import re import string   text = "a line of text\\012another line of text\\012etc..."   def octal(match):     # replace octal code with corresponding ASCII character     # 使用对应 ASCII 字符替换八进制代码     return chr(string.atoi(match.group(1), 8))   octal_pattern = re.compile(r"\\(\d\d\d)")   print text print octal_pattern.sub(octal, text)   *B*a line of text\012another line of text\012etc... a line of text another line of text etc...*b* ```   如果你不编译, ``re`` 模块会为你缓存一个编译后版本, 所有的小脚本中, 通常不需要编译正则表达式. Python1.5.2 中, 缓存中可以容纳 20 个匹配模式, 而在 2.0 中, 缓存则可以容纳 100 个匹配模式.   最后, [Example 1-59 #eg-1-59] 用一个模式列表匹配一个字符串. 这些模式将会组合为一个模式, 并预编译以节省时间.   ====Example 1-59. 使用 re 模块匹配多个模式中的一个====[eg-1-59]   ``` File: re-example-6.py   import re, string   def combined_pattern(patterns):     p = re.compile(         string.join(map(lambda x: "("+x+")", patterns), "|")         )     def fixup(v, m=p.match, r=range(0,len(patterns))):         try:             regs = m(v).regs         except AttributeError:             return None # no match, so m.regs will fail         else:             for i in r:                 if regs[i+1] != (-1, -1):                     return i     return fixup   # # try it out!   patterns = [     r"\d+",     r"abc\d{2,4}",     r"p\w+" ]   p = combined_pattern(patterns)   print p("129391") print p("abc800") print p("abc1600") print p("python") print p("perl") print p("tcl")   *B*0 1 1 2 2 None*b* ```