Python:筆記(6)——正則表達式

Python:筆記(6)——正則表達式

re模塊

　　re模塊用於在字符串中執行基於正則表達式模式的匹配和替換。

使用原始字符串

　　正則表達式使用 \ 對特殊字符進行轉義，好比，爲了匹配字符串 ‘python.org’，咱們須要使用正則表達式 'python\.org'。

　　可是Python 的字符串自己也用 \ 轉義，因此上面的正則表達式在 Python 中應該寫成 'python\\.org'，這會很容易陷入 \ 的困擾中，所以，咱們建議使用 Python 的原始字符串，只需加一個 r 前綴，上面的正則表達式能夠寫成：

r'python\.org'

關於中文的匹配

　　　正則匹配中文，固定形式：[\u4E00-\u9FA5]+。

import re
str = 'posted @ 2018-11-03 15:00 MrSaber 閱讀(82) 評論(0)'
pattern = re.compile(r'[\u4E00-\u9FA5]+\((\d+)\)');
m = pattern.findall(str)
print(m)

re模塊的使用步驟

• 使用 compile 函數將正則表達式的字符串形式編譯爲一個 Pattern 對象
• 經過 Pattern 對象提供的一系列方法對文本進行匹配查找，得到匹配結果（一個 Match 對象）
• 最後使用 Match 對象提供的屬性和方法得到信息，根據須要進行其餘的操做

 

編譯Pattern對象

　　compile 函數用於編譯正則表達式，生成一個 Pattern 對象，它的通常使用形式以下：

re.compile(pattern[, flag])

　　其中，pattern 是一個字符串形式的正則表達式，flag 是一個可選參數，表示匹配模式，好比忽略大小寫，多行模式等。

import re
# 將正則表達式編譯成 Pattern 對象 
pattern = re.compile(r'\d+')

　　在上面，咱們已將一個正則表達式編譯成 Pattern 對象，接下來，咱們就能夠利用 pattern 的一系列方法對文本進行匹配查找了。Pattern 對象的一些經常使用方法主要有：

• match 方法
• search 方法
• findall 方法
• finditer 方法
• split 方法
• sub 方法
• subn 方法

 

匹配

　　咱們主要討論一下四個匹配方法的區別。

match(pattern,string,[,flags])

　　檢查String的開頭是否有字符與pattern匹配。若是成功，返回一個MatchObject，不然返回None。

search(pattern,string,[,flags]）

　　在String中搜索pattern的第一個匹配值。若是成功，返回一個MatchObject，不然返回None。

　　如下面代碼爲例，咱們想匹配閱讀數，可是閱讀不是str的開頭，因此match匹配失敗。

import re
str = 'posted @ 2018-11-03 15:00 MrSaber 閱讀(82) 評論(0)'
pattern = re.compile(r'閱讀\((\d+)\)');
m1 = pattern.search(str)
m2 = pattern.match(str)
print(m1) # 閱讀(82)
print(m2) # None

findall(pattern,string,[,flags])

　　返回String中與pattern匹配的全部未重疊的值，包括空匹配值。若是模式包含分組，將返回與分組匹配的文本列表。若是使用了不止一個分組，那麼列表中的每項都是一個元組，包含每一個分組的文本。

finditer(pattern,string,[,flags])

　　與findall方法含義相同，可是返回的是一個迭代器對象。迭代器的返回類型是MatchObject的項。

 

分組

　　除了簡單地判斷是否匹配以外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）。好比：

　　^(\d{3})-(\d{3,8})$分別定義了兩個組，能夠直接從匹配的字符串中提取出區號和本地號碼：

>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'