python正則

一、正則通常流程

#導入正則模塊
import re

#編譯正則模式對象
regex = re.compile('string')

#使用正則模式匹配字符串，返回字符串中第一次匹配模式的match對象
m = regex.search(stringobject)

print m.group()#match對象使用group方法獲取匹配文本
               #當模式中有（）包含時，可使用對應的數值參數精確提取（如 1,2,3等等）
               #不傳參數或0返回整個匹配文本
print m.groups()#一次返回全部分組

 

二、正則經常使用模式

re.search(r'batman|spiderman',string) #使用管道符進行多項可能的匹配
re.search(r'Bat(man|mobile|copter)',string)#使用管道符進行多項可能的匹配
re.search(r'Bat(wo)?man',string) # 字符?代表它前面的分組是可選，出現0次或1次
re.search(r'Bat(wo)*man',string) # 字符*代表它前面的分組是可選，出現0次或多（n=1,2...）次
re.search(r'Bat(wo)+man',string) # 字符+代表它前面的分組是必選，出現1次或多（n=2,3...）次
re.search(r'Bat(wo){m,n}man',string) # {}指定前面分組出現的次數，最少m次，最多n次

#Python 的正則表達式默認是「 貪心」 的， 這表示在有二義的狀況下，它們會盡量匹配最長的字符串。
#請注意， 問號在正則表達式中可能有兩種含義： 聲明非貪心匹配或表示可選的分組。這兩種含義是徹底無關的
re.search(r'Bat(wo){m,n}?man',string)#在花括號後方跟上？，變爲非貪心模式，匹配符合條件的最短串

#要讓正則表達式不區分大小寫，能夠向 re.compile()傳入 re.IGNORECASE 或 re.I，做爲第二個參數
regex = re.compile(r'WeRwT',re.I)

 

三、findall()

•  若是調用在一個沒有分組的正則表達式上， 例如\d\d\d-\d\d\d-\d\d\d\d， 方法findall()將返回一個匹配字符串的列表， 例如['415-555-9999', '212-555-0000']。
• 若是調用在一個有分組的正則表達式上， 例如(\d\d\d)-(\d\d\d)-(\d\d\d\d)， 方法 findall()將返回一個字符串的元組的列表 （ 每一個分組對應一個字符串），例如[('415','555', '1122'), ('212', '555', '0000')]。

四、字符分類集合

• \w 任何字母、數字或下劃線字符（能夠認爲是匹配「單詞」字符）
• \W 除字母、數字和下劃線之外的任何字符
• \s 空格、製表符或換行符（能夠認爲是匹配「空白」字符）
• \S 除空格、製表符和換行符之外的任何字符
• \d 數字0-9
• \D 非數字，即[^\d]
• 自定義字符集[aeiouAEIOU]，使用中括號包含。
   

五、通配符 "." :

默認匹配除換行之外的全部字符，經過傳入 re.DOTALL 做爲 re.compile()的第二個參數， 可讓句點字符匹配全部字符， 包括換行字符。

noNewlineRegex = re.compile('.*')
noNewlineRegex.search('Serve the public trust.\nProtect the innocent\nUphold the law.').group()
#'Serve the public trust.'
newlineRegex = re.compile('.*', re.DOTALL)
newlineRegex.search('Serve the public trust.\nProtect the innocent\nUphold the law.').group()
#'Serve the public trust.\nProtect the innocent.\nUphold the law.'

 

六、使用sub()方法替換字符串

有時候，你可能須要使用匹配的文本自己，做爲替換的一部分。在 sub()的第一個參數中，能夠輸入\一、 \二、 \3……，表示「在替換中輸入分組 一、 二、 3……的文本」。

namesRegex = re.compile(r'Agent \w+')
namesRegex.sub('CENSORED', 'Agent Alice gave the secret documents to Agent Bob.')
#'CENSORED gave the secret documents to CENSORED.

agentNamesRegex = re.compile(r'Agent (\w)\w*')
agentNamesRegex.sub(r'\1****', 'Agent Alice told Agent Carol that Agent Eve knew Agent Bob \
                      was a double agent.')
#A**** told C**** that E**** knew B**** was a double agent.'