Python正則表達式學習

Python 中的re 模塊

正則表達式

就我的而言，主要用它來作一些複雜字符串分析，提取想要的信息
學習原則：夠用就行，須要的時候在深刻

現總結以下：

正則表達式中特殊的符號：

「.」 表任意字符
「^ 」 表string起始
「$」 表string 結束
「*」 「+」 「?」 跟在字符後面表示，0個——多個， 1個——多個， 0個或者1個
*?, +?, ?? 符合條件的狀況下，匹配的儘量少//限制*,+,?匹配的貪婪性
{m} 匹配此前的字符，重複m次
{m,n} m到n次，m，n能夠省略

舉個例子 ‘a.*b’ 表示a開始，b結束的任意字符串
a{5} 匹配連續5個a

[] 表一系列字符 [abcd] 表a，b，c，d [^a] 表示非a
| A|B 表示A或者B , AB爲任意的正則表達式 另外|是非貪婪的若是A匹配，則不找B
(…) 這個括號的做用要結合實例才能理解， 用於提取信息

\d [0-9]
\D 非 \d
\s 表示空字符
\S 非空字符
\w [a-zA-Z0-9_]
\W 非 \w

一：re的幾個函數

1： compile(pattern, [flags])
根據正則表達式字符串 pattern 和可選的flags 生成正則表達式 對象

生成正則表達式 對象（見二）

其中flags有下面的定義：
I 表示大小寫忽略
L 使一些特殊字符集，依賴於當前環境
M 多行模式 使 ^ $ 匹配除了string開始結束外，還匹配一行的開始和結束
S 「.「 匹配包括‘\n’在內的任意字符，不然 . 不包括‘\n’
U Make \w, \W, \b, \B, \d, \D, \s and \S dependent on the Unicode character properties database
X 這個主要是表示，爲了寫正則表達式，更可毒，會忽略一些空格和#後面的註釋

其中S比較經常使用，
應用形式以下
import re
re.compile(……,re.S)

2： match(pattern,string,[,flags])
讓string匹配，pattern，後面分flag同compile的參數同樣
返回MatchObject 對象（見三）

3： split( pattern, string[, maxsplit = 0])
用pattern 把string 分開
>>> re.split(‘\W+’, ‘Words, words, words.’)
['Words', 'words', 'words', '']
括號‘（）’在pattern內有特殊做用，請查手冊

4：findall( pattern, string[, flags])
比較經常使用，
從string內查找不重疊的符合pattern的表達式，而後返回list列表

5：sub( pattern, repl, string[, count])
repl能夠時候字符串，也能夠式函數
當repl是字符串的時候，
就是把string 內符合pattern的子串，用repl替換了

當repl是函數的時候，對每個在string內的，不重疊的，匹配pattern
的子串，調用repl（substring），而後用返回值替換substring

>>> re.sub(r’def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\):’,
… r’static PyObject*\npy_\1(void)\n{‘,
… ‘def myfunc():’)
‘static PyObject*\npy_myfunc(void)\n{‘

>>> def dashrepl(matchobj):
… if matchobj.group(0) == ‘-’: return ‘ ‘
… else: return ‘-’
>>> re.sub(‘-{1,2}’, dashrepl, ‘pro—-gram-files’)
‘pro–gram files’

二：正則表達式對象 （Regular Expression Objects ）

產生方式：經過 re.compile(pattern，[flags])回

match( string[, pos[, endpos]]) ；返回string[pos,endpos]匹配
pattern的MatchObject（見三）

split( string[, maxsplit = 0])
findall( string[, pos[, endpos]])
sub( repl, string[, count = 0])
這幾個函數和re模塊內的相同，只不過是調用形式有點差異

re.幾個函數和 正則表達式對象的幾個函數，功能相同，但同一程序若是
屢次用的這些函數功能，正則表達式對象的幾個函數效率高些

三：matchobject

經過 re.match(……) 和 re.compile(……).match返回

該對象有以下方法和屬性：

方法：
group( [group1, ...])
groups( [default])
groupdict( [default])
start( [group])
end( [group])

說明這幾個函數的最好方法，就是舉個例子

matchObj = re.compile(r」(?P\d+)\.(\d*)」)
m = matchObj.match(’3.14sss’)
#m = re.match(r」(?P\d+)\.(\d*)」, ’3.14sss’)

print m.group()
print m.group(0)
print m.group(1)
print m.group(2)
print m.group(1,2)

print m.group(0,1,2)
print m.groups()
print m.groupdict()

print m.start(2)
print m.string

輸出以下：
3.14
3.14
3
14
(’3′, ’14′)
(’3.14′, ’3′, ’14′)
(’3′, ’14′)
{‘int’: ’3′}
2
3.14sss

因此group() 和group(0)返回，匹配的整個表達式的字符串
另外group(i) 就是正則表達式中用第i個「（）」 括起來的匹配內容
(’3.14′, ’3′, ’14′)最能說明問題了。

更進一步的學習，請看手冊