Python re(正则表达式)模块
re模块
Python可以通过re模块来实现使用正则表达式匹配字符串,我们可以通过查看~/installs/python/lib/python2.7/re.py 文件查看re提供的方法,主要使用的下面的几个接口:
l def match(pattern, string, flags=0):
"""Try toapply the pattern at the start of the string, returning
a match object, or None ifno match was found."""
return _compile(pattern,flags).match(string)
re.match从字符串的开始匹配一个模式,第一个参数是正则表达式,第二个字符串是要匹配的字符串,第三个参数是标志位,缺省为0;如果可以查找到则返回一个match对象,否则返回None。
l def search(pattern, string, flags=0):
"""Scan through string looking for a match to thepattern, returning
amatch object, or None if no match was found."""
return_compile(pattern, flags).search(string)
re.search函数在字符串内查找模式,直到找到第一个就退出,查找不到返回None,其参数和re.match一致。而与match的区别在于,match只是匹配字符串的开始,而search匹配整个字符串。
l def findall(pattern, string, flags=0):
"""Return a list of all non-overlapping matches in thestring.
If one or more groups are present in the pattern, return a
list of groups; this will be a list of tuples if the pattern
has more than one group.
Empty matches are included in the result."""
return_compile(pattern, flags).findall(string)
re.findall可以获取所有匹配的字符串,并且以list形式返回。
l def compile(pattern, flags=0):
"Compile a regular expression pattern, returning a patternobject."
return_compile(pattern, flags)
re.compile可以将一个正则表达式编译成一个正则表达式对象,可以把经常用的正则表达式编译成正则表达式对象,从而提升匹配的效率。
上面提到search()和match()方法返回match object,下面介绍下match object的属性和方法。
Matchobject
属性:
- string: 传给search()或者match()用于匹配的文本。
- re: search()或者match()时使用的Pattern对象。
- pos: 文本中正则表达式开始搜索的索引。对于match()和seach()函数默认值是0,。
- endpos: 文本中正则表达式结束搜索的索引。对于match()与search()函数默认值是len(string)。
- lastindex: 最后一个被捕获的分组的索引。如果没有被捕获的分组,则为None。
- lastgroup: 最后一个被捕获的分组的名称。如果这个分组没有别名或者没有被捕获的分组,则为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。 一个适度复杂的例子如下:
m = re.match(r"(?P<int>\d+)\.(\d*)",‘3.14‘)
执行这个匹配后,m.group(0)是3.14,m.group(1)是‘3’,m.group(2)是14。
- 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。
上述属性和方法的输出,group方法最常使用。
使用示例
下面就上面的一些接口进行代码测试:
Import re
for name inre.findall("name=\((.*?)\)", "phone=124567 name=(john)phone=2345678 name=(tom)"):
print "got match name %s" % name
注意这里面使用()作为分组的标识,由于要匹配的数据里面也有()并且我们需要的是里面的数据,所以需要对()进行转义,为了限制python中的贪婪匹配使用*?,保证每次尽可能匹配小的文本。
k=re.search("tm=\((.*?)\)","tt=123 tm=(abc) vm=test tm=(cba)")
if k:
print "match tm is %s, %s, %d, %d, %s, %s" % (k.group(0),k.group(1), k.pos, k.endpos, k.string, k.re.pattern)
输出:
match tmis tm=(abc), abc, 0, 32, tt=123 tm=(abc)vm=test tm=(cba), tm=\((.*?)\)
text ="JGood is abc handsome boy he is cool, clever, and so on..."
#指定一个额外的分组
m =re.search(r"\s(?P<sign1>\w+)\s(?P<sign2>\w+)\s", text)
if m:
print m.group(0), ‘\t‘, m.group(1), ‘\t‘,m.group(2)
print "groups %s, %s, %s, %s, %s,%s" %(m.groups(), m.lastindex, m.lastgroup,
m.groupdict().keys(), m.groupdict().values(),m.string[m.start(2):m.end(2)])
print "string span is %s, %s"%(m.span(2)) #返回(start(group), end(group))。
使用?p<>表达式指定了自定义的分组名,所以可以看到m.groupdict的结果。
输出:
is abc is abc
groups (‘is‘,‘abc‘), 2, sign2, [‘sign1‘, ‘sign2‘], [‘is‘, ‘abc‘], abc
string span is9, 12s
参考链接:
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。