python 正則表達式基礎

又一段時間沒寫博客了 

最近一段時間在寫pygame

又忽略了博客

今天因要幫朋友修改電影字幕

用到了正則表達式

重新學了一遍

發現還是得多練

才能算漸漸掌握

 

python 正則表達式

1.1介紹

　　正則表達式並不是Python的一部分。正則表達式是用於處理字符串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表達式的語言裡，正則表達式的語法都是一樣的，區別只在於不同的編程語言實現支持的語法數量不同；但不用擔心，不被支持的語法通常是不常用的部分。

　　正則表達式是一個特殊的字符序列，它能幫助你方便的檢查一個字符串是否與某種模式匹配。Python 自1.5版本起增加了re 模塊，它提供 Perl 風格的正則表達式模式。re 模塊使 Python 語言擁有全部的正則表達式功能。

 

1.2要知道的各種用法

　　模式字符串使用特殊的語法來表示一個正則表達式：

　　字母和數字表示他們自身。一個正則表達式模式中的字母和數字匹配同樣的字符串。多數字母和數字前加一個反斜槓時會擁有不同的含義。標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義。反斜槓本身需要使用反斜槓轉義。

　　由於正則表達式通常都包含反斜槓，所以你最好使用原始字符串來表示它們。模式元素(如 r'/t'，等價於'//t')匹配相應的特殊字符。

　　下表列出了正則表達式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標志參數，某些模式元素的含義會改變。

　　當然這些用法很多，待會會給出經常使用到的用法，多試試就能理解了。

模式

模式描述 ^ 匹配字符串的開頭 $ 匹配字符串的末尾。 . 匹配任意字符，除了換行符，當re.DOTALL標記被指定時，則可以匹配包括換行符的任意字符。 [...] 用來表示一組字符,單獨列出：[amk] 匹配 'a'，'m'或'k' [^...] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。 re* 匹配0個或多個的表達式。 re+ 匹配1個或多個的表達式。 re? 匹配0個或1個由前面的正則表達式定義的片段，非貪婪方式 re{ n}   re{ n,} 精確匹配n個前面表達式。 re{ n, m} 匹配 n 到 m 次由前面的正則表達式定義的片段，貪婪方式 a| b 匹配a或b (re) G匹配括號內的表達式，也表示一個組 (?imx) 正則表達式包含三種可選標志：i, m, 或 x 。只影響括號中的區域。 (?-imx) 正則表達式關閉 i, m, 或 x 可選標志。只影響括號中的區域。 (?: re) 類似 (...), 但是不表示一個組 (?imx: re) 在括號中使用i, m, 或 x 可選標志 (?-imx: re) 在括號中不使用i, m, 或 x 可選標志 (?#...) 注釋. (?= re) 前向肯定界定符。如果所含正則表達式，以 ... 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含表達式已經嘗試，匹配引擎根本沒有提高；模式的剩余部分還要嘗試界定符的右邊。 (?! re) 前向否定界定符。與肯定界定符相反；當所含表達式不能在字符串當前位置匹配時成功 (?> re) 匹配的獨立模式，省去回溯。 \w 匹配字母數字 \W 匹配非字母數字 \s 匹配任意空白字符，等價於 [\t\n\r\f]. \S 匹配任意非空字符 \d 匹配任意數字，等價於 [0-9]. \D 匹配任意非數字 \A 匹配字符串開始 \Z 匹配字符串結束，如果是存在換行，只匹配到換行前的結束字符串。c \z 匹配字符串結束 \G 匹配最後匹配完成的位置。 \b 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 \B 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 \n, \t, 等. 匹配一個換行符。匹配一個制表符。等 \1...\9 匹配第n個分組的子表達式。 \10 匹配第n個分組的子表達式，如果它經匹配。否則指的是八進制字符碼的表達式。

字符類

實例描述 [Pp]ython 匹配 "Python" 或 "python" rub[ye] 匹配 "ruby" 或 "rube" [aeiou] 匹配中括號內的任意一個字母 [0-9] 匹配任何數字。類似於 [0123456789] [a-z] 匹配任何小寫字母 [A-Z] 匹配任何大寫字母 [a-zA-Z0-9] 匹配任何字母及數字 [^aeiou] 除了aeiou字母以外的所有字符 [^0-9] 匹配除了數字外的字符

特殊字符類

實例描述 . 匹配除 "\n" 之外的任何單個字符。要匹配包括 '\n' 在內的任何字符，請使用象 '[.\n]' 的模式。 \d 匹配一個數字字符。等價於 [0-9]。 \D 匹配一個非數字字符。等價於 [^0-9]。 \s 匹配任何空白字符，包括空格、制表符、換頁符等等。等價於 [ \f\n\r\t\v]。 \S 匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。 \w 匹配包括下劃線的任何單詞字符。等價於'[A-Za-z0-9_]'。 \W 匹配任何非單詞字符。等價於 '[^A-Za-z0-9_]'。

1.3re.match函數

　　re.match 嘗試從字符串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。

　　re.match(pattern,  string, flags = 0)

　　pattern 正則表達式

　　string 匹配的字符串

　　flags 標志位，用來控制匹配方式，下文會講

　　直接上程序：

　　

 import string,re
 
 r1 = "abc"        #正則表達式
 
 if re.match(r1,"abc"):    #匹配
     print 'done'    
 else:
     print 'defeat' 

結果:

　　done

可以根據上面各表給出的用法，多練練：

 import string,re
  
 r1 = "a.c"         #正則表達式 . 匹配任意字符，除了換行符，當re.DOTALL標記被指定時，則可以匹配包括換行符的任意字符。
 
 if re.match(r1,"abc"):     
     print re.match(r1,"abc")
     print 'done'      
 else:
     print 'defeat' 

結果：

<_sre.SRE_Match object at 0x01dd6158>

done

 

　　注意這裡不是顯示匹配成功的字符串,re.match() 返回的是一個對象，不成功返回的是none.

　　我們可以通過group(num)或groups()匹配對象函數來獲取匹配表達式。　

匹配對象方法描述 group(num=0) 匹配的整個表達式的字符串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。 groups() 返回一個包含所有小組字符串的元組，從 1 到 所含的小組號。

程序：

　　　

 import string,re
  
 r1 = "a.c"         
 
 if re.match(r1,"abc"):     
     line = re.match(r1,"abc")
     print line.group()
      
 else:
     print 'defeat'

 

結果：
　　abc

1.3re.search函數

 

re.search()  掃描整個字符串並返回第一個成功的匹配

　　re.search(pattern, string, flags=0)

　　pattern 正則表達式

　　string 匹配的字符串

　　flags 標志位，用於控制匹配方式 

　　和re.match()一樣，匹配成功re.search方法返回一個匹配的對象，否則返回None。

　　直接上程序：

　　

 import string,re
  
 r1 = "abc"         
 s = 'aacawcabc'
 if re.search(r1,s):     
     line = re.search(r1,s)
     print line.group()

 

結果：

abc

注意：
re.match()和re.search()的區別：

　　re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

 

1.4re.sub函數

　　re.sub（）函數用於替換匹配項。

　　re.sub(pattern,repl,string,max = 0)

　　pattern 正則表達式

　　repl 替換 項

　　string 匹配的字符串

　　count 替換的最大次數 缺省值是0 表示替換所有的匹配

　　返回的字符串是在字符串中用 RE 最左邊不重復的匹配來替換。如果模式沒有發現，字符將被沒有改變地返回。

　　程序：
　　

 import string,re
 
 pattern = '\d' 
 repl = "!"         
 s = '123456789abcdefg'  
 
 line = re.sub(pattern,repl,s)
 
 print line 

結果：

!!!!!!!!!abcdefg

1.5正則表達式修飾符 - 可選標志

我們來說說什麼是標志位：

正則表達式可以包含一些可選標志修飾符來控制匹配的模式。修飾符被指定為一個可選的標志。多個標志可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設置成 I 和 M 標志：

 

修飾符描述 re.I 使匹配對大小寫不敏感 re.L 做本地化識別（locale-aware）匹配 re.M 多行匹配，影響 ^ 和 $ re.S 使 . 匹配包括換行在內的所有字符 re.U 根據Unicode字符集解析字符。這個標志影響 \w, \W, \b, \B. re.X 該標志通過給予你更靈活的格式以便你將正則表達式寫得更易於理解。

 

程序：

　　

 import string,re
 
 pattern = '[Aa][Bb][Cc][Dd]'    
 s = 'AbCd'  
 if re.match(pattern,s):
     line = re.match(pattern,s)
     print line.group()

結果：

AbCd

上面程序可以通過選擇標志位來實現：

 import string,re
 
 pattern = 'abcd'    
 s = 'AbCd'  
 if re.match(pattern,s,re.I):
     line = re.match(pattern,s,re.I)
     print line.group()

結果;

AbCd

 

1.6re.compile函數

　　使用re的一般步驟是先使用re.compile()函數，將正則表達式的字符串形式編譯為Pattern實例，然後使用Pattern實例處理文本並獲得匹配結果（一個Match實例），最後使用Match實例獲得信息，進行其他的操作。

 

程序：

　

 import string,re
 
 pattern = re.compile('\d+')    
 s = '11223344aabbccdd' 
  
 if pattern.match(s):
     line = pattern.match(s)
     print line.group()

結果：

11223344