python-re模块
python re模块中的用法:
1,compile: re.compile(strPattern[, flag])
pattern=re.compile(r"<div.*?>(.*?)</div>")
得到的是一个pattern对象,属性有:
- pattern: 编译时用的表达式字符串。
- flags: 编译时用的匹配模式。数字形式。
- groups: 表达式中分组的数量。
- groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。
1 #! /usr/bin/env python
2 #coding=utf-8
3 import re
4 pattern=re.compile(r‘(\w+) (\w+)(?P<sign>.*)‘,re.I|re.M)
5 print pattern.pattern
6 print pattern.flags
7 print pattern.groups
8 print pattern.groupindex
9 "(\w+) (\w+)(?P<sign>.*)
10 10
11 3
12 {‘sign‘: 3}"
2,match:match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
如:matchObj = re.match( r‘(.*) are (.*?) .*‘, string, re.M|re.I)
或
pattern=re.compile("hello",re.S)
matchObj=pattern.match("hello world!")
这个方法将从string的pos下标处起尝试匹配pattern;
如果pattern结束时仍可匹配,则返回一个Match对象;
如果匹配过程中pattern无法匹配,或者匹配未结束就已到达endpos,则返回None。
pos和endpos的默认值分别为0和len(string);
re.match()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
注意:这个方法并不是完全匹配。
当pattern结束时若string还有剩余字符,仍然视为成功。
想要完全匹配,可以在表达式末尾加上边界匹配符‘$‘。
得到的是Match对象,属性有:
- string: 匹配时使用的文本。
- re: 匹配时使用的Pattern对象。
- pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
- lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。
方法:
- group([group1, …]):
获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。 - groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。 - groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典,没有别名的组不包含在内。default含义同上。 - start([group]):
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。 - end([group]):
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0。 - span([group]):
返回(start(group), end(group))。 - expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组,但不能使用编号0。\id与\g<id>是等价的;但\10将被认为是第10个分组,如果你想表达\1之后是字符‘0‘,只能使用\g<1>0。
1 #! /usr/bin/env python
2 #coding=utf-8
3 import re
4 pattern=re.compile(r‘<p.*?>#(\d*)(\w+) (\w+)(?P<sign>.*)#.*?‘,re.I|re.M)
5 str="<p style=‘font-family:arial;color:red;font-size:20px;‘>#6748hello word!#6748</p>"
6 Match=pattern.match(str)
7 print "Match.string:", Match.string
8 print "Match.re:", Match.re
9 print "Match.pos:", Match.pos
10 print "Match.endpos:", Match.endpos
11 print "Match.lastindex:", Match.lastindex
12 print "Match.lastgroup:", Match.lastgroup
13
14 print "Match.group():", Match.group()
15 print "Match.group(1,2):", Match.group(1, 2)
16 print "Match.groups():", Match.groups()
17 print "Match.groupdict():", Match.groupdict()
18 print "Match.start(2):", Match.start(2)
19 print "Match.end(2):", Match.end(2)
20 print "Match.span(2):", Match.span(2)
21 print r"Match.expand(r‘\g<2> \g<3> \g<4> \g<1>‘):", Match.expand(r‘\2 \3 \4 \1‘)
22
23 ‘‘‘
24 atch.string: <p style=‘font-family:arial;color:red;font-size:20px;‘>#6748hello word!#6748</p>
25 Match.re: <_sre.SRE_Pattern object at 0x0263D600>
26 Match.pos: 0
27 Match.endpos: 80
28 Match.lastindex: 4
29 Match.lastgroup: sign
30 Match.group(): <p style=‘font-family:arial;color:red;font-size:20px;‘>#6748hello word!#
31 Match.group(1,2): (‘6748‘, ‘hello‘)
32 Match.groups(): (‘6748‘, ‘hello‘, ‘word‘, ‘!‘)
33 Match.groupdict(): {‘sign‘: ‘!‘}
34 Match.start(2): 60
35 Match.end(2): 65
36 Match.span(2): (60, 65)
37 Match.expand(r‘\g<2> \g<3> \g<4> \g<1>‘): hello word ! 6748
38
39 ‘‘‘
3,search
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
这个方法用于查找字符串中可以匹配成功的子串。
从string的pos下标处起尝试匹配pattern,
如果pattern结束时仍可匹配,则返回一个Match对象;
若无法匹配,则将pos加1后重新尝试匹配;
直到pos=endpos时仍无法匹配则返回None。
pos和endpos的默认值分别为0和len(string));
re.search()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
那么它和match有什么区别呢?
match()函数只检测re是不是在string的开始位置匹配,
search()会扫描整个string查找匹配,
,match()只有在0位置匹配成功的话才有返回,如果不是开始位置匹配成功的话,match()就返回none
例如:
print(re.match(‘super’, ‘superstition’).span())
会返回(0, 5)
print(re.match(‘super’, ‘insuperable’))
则返回None
search()会扫描整个字符串并返回第一个成功的匹配
例如:
print(re.search(‘super’, ‘superstition’).span())
返回(0, 5)
print(re.search(‘super’, ‘insuperable’).span())
返回(2, 7)
4,split
split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能够匹配的子串将string分割后返回列表。
maxsplit用于指定最大分割次数,不指定将全部分割。
- import re
- p = re.compile(r‘\d+‘)
- print p.split(‘one1two2three3four4‘)
- ### output ###
- # [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘‘]
5.findall
findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜索string,以列表形式返回全部能匹配的子串。
[python] view plaincopyprint?
- import re
- p = re.compile(r‘\d+‘)
- print p.findall(‘one1two2three3four4‘)
- ### output ###
- # [‘1‘, ‘2‘, ‘3‘, ‘4‘]
6,finditer
finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。
- import re
- p = re.compile(r‘\d+‘)
- for m in p.finditer(‘one1two2three3four4‘):
- print m.group(),
- ### output ###
- # 1 2 3 4
7,sub
sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
使用repl替换string中每一个匹配的子串后返回替换后的字符串。
当repl是一个字符串时,可以使用\id或\g<id>、\g<name>引用分组,但不能使用编号0。
当repl是一个方法时,这个方法应当只接受一个参数(Match对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。
count用于指定最多替换次数,不指定时全部替换。,
- import re
- p = re.compile(r‘(\w+) (\w+)‘)
- s = ‘i say, hello world!‘
- print p.sub(r‘\2 \1‘, s)
- def func(m):
- return m.group(1).title() + ‘ ‘ + m.group(2).title()
- print p.sub(func, s)
- ### output ###
- # say i, world hello!
- # I Say, Hello World!
8,subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。
- import re
- p = re.compile(r‘(\w+) (\w+)‘)
- s = ‘i say, hello world!‘
- print p.subn(r‘\2 \1‘, s)
- def func(m):
- return m.group(1).title() + ‘ ‘ + m.group(2).title()
- print p.subn(func, s)
- ### output ###
- # (‘say i, world hello!‘, 2)
- # (‘I Say, Hello World!‘, 2)
转自: http://blog.csdn.net/pleasecallmewhy/article/details/8929576
郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。