亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

在Python中使用正則表達(dá)式的方法

 更新時(shí)間：2015年08月13日 08:57:27   作者：木頭lbj  
這篇文章主要介紹了在Python中使用正則表達(dá)式的方法,講到了專門對(duì)正則表達(dá)式提供支持的擴(kuò)展庫(kù)re,需要的朋友可以參考下

正則表達(dá)式(regular expression)是一種用形式化語(yǔ)法描述的文本匹配模式。在需要處理大量文本處理的應(yīng)用中有廣泛的使用，我沒使用的編輯器，IDE中的搜索常用正則表達(dá)式作為搜索模式。玩過*nix系統(tǒng)的都知道如sed，grep,awk這類的命令，他們是非常強(qiáng)大的文本處理工具。幾乎所有的語(yǔ)言都有對(duì)正則表達(dá)式的支持，有的直接在語(yǔ)法中支持，有的使用擴(kuò)展庫(kù)的形式。python使用的就是擴(kuò)展庫(kù)re。

    re.search(pattern,string,flag=0)

    搜索文本中的匹配的模式是最常用的.以模式和文本作為輸入，如果有匹配則返回一個(gè)Match對(duì)象，反之返回None。
    每個(gè)Match對(duì)象包括相關(guān)的匹配信息:原字符串、正則表達(dá)式和匹配的文本在字符串中的位置。
import re 
pattern = "this" 
text = "Does this text match the pattern?" 
match = re.search(pattern, text) # 返回一個(gè)Match對(duì)象 
print match.re.pattern # 要匹配的正則表達(dá)式"this"
print match.string   # 匹配的文本"Does this match the pattern?" 
print match.start()   # 匹配的開始位置 5
print match.end()    # 匹配的結(jié)束位置 9

    re.compile(pattern,flag=0)
    如果程序中頻繁的使用到同一個(gè)正則表達(dá)式，每次使用的時(shí)候都寫一遍正則表達(dá)式不僅不高效而且會(huì)大大增加出錯(cuò)的幾率,re提供了compile函數(shù)將一個(gè)表達(dá)式字符串編譯為一個(gè)RegexObject。
    模塊級(jí)函數(shù)會(huì)維護(hù)已編譯表達(dá)式的一個(gè)緩存，而這個(gè)緩存是的大小是有限制的。直接使用已經(jīng)編譯的表達(dá)式可以避免緩存查找的開銷，并且在加載模塊時(shí)就會(huì)預(yù)編譯所有的表達(dá)式。

import re 
regex = re.compile("this") 
text = "Does this text match the pattern?" 
match = regex.search(text) 
if match: 
  print "match" 
  match.group(0)  #返回匹配的字符串  
else:
  print "not match"

    re.findall(pattern, string, flag=0)
    使用search會(huì)返回匹配的單個(gè)實(shí)例，使用findall會(huì)返回所有匹配的不重疊的子串。

import re 
pattern = 'ab' 
text = 'abbaaabbbbaaaaaa' 
re.findall(pattern, text)  # 返回['ab', 'ab']

    re.finditer(pattern, string, flag=0)
    finditer會(huì)返回一個(gè)迭代器，會(huì)生成Match實(shí)例，不像findall()返回字符串.

import re 
pattern = 'ab' 
text = 'abbaaabbbbaaaaaa' 
match = re.finditer(pattern, text)  
for m in match:
  print m.start() 
  print m.end()

以上的例子會(huì)分別輸出兩次匹配結(jié)果的起始位置和結(jié)束位置。

正則匹配默認(rèn)采用的是貪婪算法，也就是說會(huì)re在匹配的時(shí)候會(huì)利用盡可能多的輸入，而使用？可以關(guān)閉這種貪心行為，只匹配最少的輸入。這之前先說下量詞。

量詞是為了簡(jiǎn)化正則表達(dá)式的讀寫而定義的，通用的形式是{m,n},這表示匹配的個(gè)數(shù)至少是m，最多是n，在','之后不能有空格，否則會(huì)出錯(cuò)，并且均為閉區(qū)間。

  •     {n} 之前的元素必須出現(xiàn)n次
  •     {m,n} 之前元素最少出現(xiàn)m次，最多n次
  •     {m,} 之前的元素最少出現(xiàn)m次，無上限
  •     {0,n} 之前的元素可以不出現(xiàn)，也可以出現(xiàn)，出現(xiàn)的話最多出現(xiàn)n次

除了之上，還有三個(gè)常用的量詞*,?和+

  •     * 等價(jià)于{0,}
  •     + 等價(jià)于{1,}
  •     \? 等價(jià)于{0,1}

還有^和$，分別表示段或者字符串的開始與結(jié)束。

import re 
re.search("^travell?er$", "traveler")  # True 
re.search("^travell?er$", "traveller")  # True  
re.search("^ab\*", "abbbbbbb")      # True,返回"abbbbbbb" 
re.search("^ab\*?", "abbbbbbb")     # True,返回"a" 
re.search("^ab+", "abbbbbbb")      # True,返回"abbbbbbb" 
re.search("^ab+?", "abbbbbbb")      # True,返回"ab"

對(duì)于一些預(yù)定義的字符集可以使用轉(zhuǎn)義碼可以更加緊湊的表示，re可以識(shí)別的轉(zhuǎn)義碼有3對(duì)，6個(gè)，分別為三個(gè)字母的大小寫，他們的意義是相反的。

  •     \d : 一個(gè)數(shù)字
  •     \D : 一個(gè)非數(shù)字
  •     \w : 字母或者數(shù)字
  •     \W : 非字母，非數(shù)字
  •     \s : 空白符（制表符，空格，換行符等）
  •     \S : 非空白符

如果想指定匹配的內(nèi)容在文本的相對(duì)位置，可以使用錨定，跟轉(zhuǎn)義碼類似。

  •     ^ 字符或行的開始
  •     $ 字符或行的結(jié)束
  •     \A 字符串的開始
  •     \Z 字符串結(jié)束
  •     \b 一個(gè)單詞開頭或者末尾的空串
  •     \B 不在一個(gè)單詞開頭或末尾的空串
import re
the_str = "This is some text -- with punctuation" 
re.search(r'^\w+', the_str).group(0)    # This
re.search(r'\A\w+', the_str).group(0)   # This 
re.search(r'\w+\S*$', the_str).group(0)  # punctuation 
re.search(r'\w+\S*\Z', the_str).group(0)  # punctuation 
re.search(r'\w*t\W*', the_str).group(0)  # text -- 
re.search(r'\bt\w+', the_str).group(0)   # text 
re.search(r'\Bt*\B', the_str).group(0)   # 沒有匹配

用組來解析匹配，簡(jiǎn)單的說就是在一個(gè)正則表達(dá)式中有幾個(gè)小括號(hào)()將匹配的表達(dá)式分成不同的組，使用group()函數(shù)來獲取某個(gè)組的匹配，其中0為整個(gè)正則表達(dá)式所匹配的內(nèi)容，后面從1開始從左往右依次獲取每個(gè)組的匹配，即每個(gè)小括號(hào)中的匹配。使用groups()可以獲取所有的匹配內(nèi)容。

import re 
the_str = "--aabb123bbaa" 
pattern = r'(\W+)([a-z]+)(\d+)(\D+)' 
match = re.search(pattern, the_str)  
match.groups()  # ('--', 'aabb', '123', 'bbaa') 
match.group(0)  # '--aabb123bbaa' 
match.group(1)  # '--' 
match.group(2)  # 'aabb' 
match.group(3)  # '123' 
match.group(4)  # 'bbaa'

python對(duì)分組的語(yǔ)法做了擴(kuò)展，我們可以對(duì)每個(gè)分組進(jìn)行命名，這樣便可以使用名稱來調(diào)用。語(yǔ)法:(?P<name>pattern),使用groupdict()可以返回一個(gè)包含了組名的字典。

import re 
the_str = "--aabb123bbaa" 
pattern = r'(?P<not_al_and_num>\W+)(?P<al>[a-z]+)(?P<num>\d+)(?P<not_num>\D+)' 
match = re.search(pattern, the_str)  
match.groups()  # ('--', 'aabb', '123', 'bbaa') 
match.groupdict() # {'not_al_and_num': '--', 'not_num': 'bbaa', 'num': '123', 'al': 'aabb'} 
match.group(0)          # '--aabb123bbaa' 
match.group(1)          # '--' 
match.group(2)          # 'aabb' 
match.group(3)          # '123' 
match.group(4)          # 'bbaa'  
match.group('not_al_and_num')  # '--'
match.group('al')         # 'aabb' 
match.group('num')        # '123' '
match.group('not_num')      # 'bbaa'

以上的group()方法在使用的時(shí)候需要注意，只有在有匹配的時(shí)候才會(huì)正常運(yùn)行，否則會(huì)拋錯(cuò)，所以在不能保證有匹配而又要輸出匹配結(jié)果的時(shí)候，必須做校驗(yàn)。

在re中可以設(shè)置不通的標(biāo)志，也就是search()和compile()等中都包含的缺省變量flag。使用標(biāo)志可以進(jìn)行完成一些特殊的要求，如忽略大小寫，多行搜索等。

import re 
the_str = "this Text" 
re.findall(r'\bt\w+', the_str)  # ['this'] 
re.findall(r'\bt\w+', the_str, re.IGNORECASE) # ['this', 'Text']

 

相關(guān)文章

最新評(píng)論