python之正則

使用的Python中正則表達式的模塊一般叫作‘re'。

1. Python中的原始類型字符串

Python編譯器用‘\'（反斜槓）來表示字符串常量中的轉義字符。

若是反斜槓後面跟着一串編譯器可以識別的特殊字符，那麼整個轉義序列將被替換成對應的特殊字符（例如，‘\n'將被編譯器替換成換行符）。

但這給在Python中使用正則表達式帶來了一個問題，由於在‘re'模塊中也使用反斜槓來轉義正則表達式中的特殊字符（好比*和+）。

這兩種方式的混合意味着有時候你不得不轉義轉義字符自己（當特殊字符能同時被Python和正則表達式的編譯器識別的時候），但在其餘時候你沒必要這麼作（若是特殊字符只能被Python編譯器識別）。

與其將咱們的心思放在去弄懂到底須要多少個反斜槓，咱們可使用原始字符串來替代。

原始類型字符串能夠簡單的經過在普通字符串的雙引號前面加一個字符‘r'來建立。當一個字符串是原始類型時，Python編譯器不會對其嘗試作任何的替換。本質上來說，你在告訴編譯器徹底不要去幹涉你的字符串。

>>> string  =  'This is a\nnormal string' >>> rawString  =  r 'and this is a\nraw string' >>>  print  string

這是一個普通字符串

>>>  print  rawString and  this  is  a\nraw string

這是一個原始類型字符串。

在Python中使用正則表達式進行查找

‘re'模塊提供了幾個方法對輸入的字符串進行確切的查詢。咱們將會要討論的方法有：

•re.match() •re.search() •re.findall()

每個方法都接收一個正則表達式和一個待查找匹配的字符串。讓咱們更詳細的查看這每個方法從而弄明白他們是如何工做的以及他們各有什麼不一樣。

2. 使用re.match查找 – 匹配開始

讓咱們先來看一下match()方法。match()方法的工做方式是隻有當被搜索字符串的開頭匹配模式的時候它才能查找到匹配對象。

舉個例子，對字符串‘dog cat dog'調用mathch()方法，查找模式‘dog'將會匹配：

>>> re.match(r 'dog' ,  'dog cat dog' ) <_sre.SRE_Match  object  at  0xb743e720 < >>> match  =  re.match(r 'dog' ,  'dog cat dog' ) >>> match.group( 0 ) 'dog'

咱們稍後將更多的討論group()方法。如今，咱們只須要知道咱們用0做爲它的參數調用了它，group()方法返回查找到的匹配的模式。

我還暫且略過了返回的SRE_Match對象，咱們很快也將會討論到它。

可是，若是咱們對同一個字符串調用math()方法，查找模式‘cat'，則不會找到匹配。

>>> re.match(r 'cat' ,  'dog cat dog' ) >>>

3. 使用re.search查找 – 匹配任意位置

search()方法和match()相似，不過search()方法不會限制咱們只從字符串的開頭查找匹配，所以在咱們的示例字符串中查找‘cat'會查找到一個匹配：

search(r 'cat' ,  'dog cat dog' ) >>> match.group( 0 ) 'cat'

然而search()方法會在它查找到一個匹配項以後中止繼續查找，所以在咱們的示例字符串中用searc()方法查找‘dog'只找到其首次出現的位置。

>>> match  =  re.search(r 'dog' ,  'dog cat dog' ) >>> match.group( 0 ) 'dog'

4. 使用 re.findall – 全部匹配對象

目 前爲止在Python中我使用的最多的查找方法是findall()方法。當咱們調用findall()方法，咱們能夠很是簡單的獲得一個全部匹配模式的 列表，而不是獲得match的對象（咱們會在接下來更多的討論match對象）。對我而言這更加簡單。對示例字符串調用findall()方法咱們獲得：

[ 'dog' ,  'dog' ] >>> re.findall(r 'cat' ,  'dog cat dog' ) [ 'cat' ]

5. 使用 match.start 和 match.end 方法

那麼，先前search()和match()方法先前返回給咱們的‘match'對象」究竟是什麼呢？

和只簡單的返回字符串的匹配部分不一樣，search()和match()返回的「匹配對象」，其實是一個關於匹配子串的包裝類。

先前你看到我能夠經過調用group()方法獲得匹配的子串，（咱們將在下一個部分看到，事實上匹配對象在處理分組問題時很是有用），可是匹配對象還包含了更多關於匹配子串的信息。

例如，match對象能夠告訴咱們匹配的內容在原始字符串中的開始和結束位置：

>>> match  =  re.search(r 'dog' ,  'dog cat dog' ) >>> match.start() >>> match.end()

知道這些信息有時候很是有用。

6. 使用 mathch.group 經過數字分組

就像我以前提到的，匹配對象在處理分組時很是駕輕就熟。

分組是對整個正則表達式的特定子串進行定位的能力。咱們能夠定義一個分組作爲整個正則表達式的一部分，而後單獨的對這部分對應匹配到的內容定位。

讓咱們來看一下它是怎麼工做的：

>>> contactInfo  =  'Doe, John: 555-1212'

我剛纔建立的字符串相似一個從某人的地址本里取出來的一個片斷。咱們能夠經過這樣一個正則表達式來匹配這一行：

>>> re.search(r '\w+, \w+: \S+' , contactInfo) <_sre.SRE_Match  object  at  0xb74e1ad8 <

經過用圓括號來（字符‘('和‘)'）包圍正則表達式的特定部分，咱們能夠對內容進行分組而後對這些子組作單獨處理。

>>> match  =  re.search(r '(\w+), (\w+): (\S+)' , contactInfo)

這些分組能夠經過用分組對象的group()方法獲得。它們能夠經過其在正則表達式中從左到右出現的數字順序來定位（從1開始）：

>>> match.group( 1 ) 'Doe' >>> match.group( 2 ) 'John' >>> match.group( 3 ) '555-1212'

組的序數從1開始的緣由是由於第0個組被預留來存放全部匹配對象（咱們在以前學習match()方法和search()方法到時候看到過）。

>>> match.group( 0 ) 'Doe, John: 555-1212'

7. 使用 match.group 經過別名來分組

有時候，特別是當一個正則表達式有不少分組的時候，經過組的出現次序來定位就會變的不現實。Python還容許你經過下面的語句來指定一個組名：

>>> match  =  re.search(r '(?P<last>\w+), (?P<first>\w+): (?P<phone>\S+)' , contactInfo)

咱們仍是能夠用group()方法獲取分組的內容，但這時候咱們要用咱們所指定的組名而不是以前所使用的組的所在位數。

>>> match.group( 'last' ) 'Doe' >>> match.group( 'first' ) 'John' >>> match.group( 'phone' ) '555-1212'

這大大增強了代碼的明確性和可讀性。你能夠想像當正則表達式變得愈來愈複雜，去弄懂一個分組到捕獲了什麼內容將會變得愈來愈困難。給你的分組命名將明確的告訴了你和你的讀者你的意圖。

儘管findall()方法不返回分組對象，它也可使用分組。相似的，findall()方法將返回一個元組的集合，其中每一個元組中的第N個元素對應了正則表達式中的第N個分組。

>>> re.findall(r '(\w+), (\w+): (\S+)' , contactInfo) [( 'Doe' ,  'John' ,  '555-1212' )]

可是，給分組命名並不適用於findall()方法。

在 本文中咱們介紹了Python中使用正則表達式的一些基礎。咱們學習了原始字符串類型（還有它能幫你解決的在使用正則表達式中一些頭痛的問題）。咱們還學 習瞭如何適使用match(), search(), and findall()方法進行基本的查詢，以及如何使用分組來處理匹配對象的子組件。

和往常同樣，若是想查看更多關於這個主題的內容，re模塊的Python官方文檔是一個很是好的資源。