Python3.5筆記

第11章 正則表達(dá)式

認(rèn)識正則表達(dá)式

正則表達(dá)式是一個特殊字符序列，能夠幫助用戶檢查一個字符串是否與某種格式匹配，從而達(dá)成快速檢索或替換某個格式、規(guī)則的文本。Python自1.5版本增加了re模塊。

表1：特殊字符在正則表達(dá)式中的應(yīng)用

表2：字符類在正則表達(dá)式中的作用

在正則表達(dá)式中，如果直接給出字符，就是精確匹配。從表1可知，用\d可以匹配一個數(shù)字，用\w可以匹配一個數(shù)字或字母。例如：

• '00\d'可以匹配'007'，但無法匹配'00q'
• '\d\d\d'可以匹配'123'
• '\w\w\d'可以匹配'py3'
• .可以匹配任意字符，所以'py.'可以匹配'pyc''pyo''py!'等

在正則表達(dá)式中，要匹配變長的字符，可以用*表示任意個數(shù)的字符（包括0個），用+表示至少一個字符，用?表示0個或1個字符，用{n}表示n個字符，用{n,m}表示n-m個字符。下面來看一個復(fù)雜的例子。

\d{3}\s+\d{3,8}

長度是3的數(shù)字，如：010；至少1個空白字符；3到8個數(shù)字，如：'1234567'，綜上所述，正則表達(dá)式可以匹配以任意個數(shù)的空格隔開的帶區(qū)號的電話號碼。

如果要匹配'010-12345'這樣的號碼呢？由于‘-’是特殊字符，正則表達(dá)式中用'\'轉(zhuǎn)義，因此用正則表達(dá)式可以表示為：

\d{3}\-\d{3,8}

要更精確的匹配，可以用[]表示范圍。例如：

• [0-9a-zA-Z_]可以匹配數(shù)字、字母或下劃線。
• [0-9a-zA-Z_]+可以匹配至少有一個數(shù)字、字母或下劃線組成的字符串。
• [a-zA-Z_][0-9a-zA-Z_]*可以匹配由大小寫字母下劃線開頭，后面接任意個數(shù)的數(shù)字大小寫字母及下劃線組成的字符串。也就是python的合法變量。
• [a-zA-Z][0-9a-zAO-Z_]{0,19}同上，只是更精確的限制了變量的長度個數(shù)是1-20個字符（前面1個字符加后面19個字符）
• A|B用于匹配A或B
• ^{表示行的開頭，}\d表示必須以數(shù)字開頭
• $表示表示行的結(jié)束，\d$表示必須以數(shù)字結(jié)束。

正則表達(dá)式模式

模式字符串使用特殊的語法來表示一個正則表達(dá)式：

字母和數(shù)字表示他們自身。一個正則表達(dá)式模式中的字母和數(shù)字匹配同樣的字符串。

多數(shù)字母和數(shù)字前加一個反斜杠時會擁有不同的含義。

標(biāo)點(diǎn)符號只有被轉(zhuǎn)義時才匹配自身，否則它們表示特殊的含義。

反斜杠本身需要使用反斜杠轉(zhuǎn)義。

由于正則表達(dá)式通常都包含反斜杠，所以你最好使用原始字符串來表示它們。模式元素(如 r'\t'，等價于 '\t')匹配相應(yīng)的特殊字符。

下表列出了正則表達(dá)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(biāo)志參數(shù)，某些模式元素的含義會改變。

RE模塊

re.match()函數(shù)

re.math()函數(shù)嘗試從字符串的起始位置匹配一個模式，語法格式如下：

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

函數(shù)參數(shù)說明：pattern指匹配的正則表達(dá)式；string要匹配的字符串；flag為標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如是否區(qū)分大小寫，多行匹配等。

如果匹配成功，re.match()方法就返回一個匹配的對象，否則返回None。

正則表達(dá)式對象

re.RegexObject

re.compile() 返回 RegexObject 對象。

re.MatchObject

group() 返回被 RE 匹配的字符串。

• start() 返回匹配開始的位置
• end() 返回匹配結(jié)束的位置
• span() 返回一個元組包含匹配 (開始,結(jié)束) 的位置

示例如下：

#! /usr/bin/python3
# -*- coding:UTF-8 -*-
import re
#re.match()只匹配字符串開始的字符，如果開始的字符串不符合正則表達(dá)式，就返回None
print('re.match(\'hello\',\'hello world\') = ',re.match('hello','hello world'))
#span()函數(shù)返回一個元組,表示匹配的區(qū)間，左閉又開
#起始位置匹配
print('re.match(\'hello\',\'hello world\').span() = ',re.match('hello','hello world').span())
#非起始位置匹配
print('re.match(\'world\',\'hello world\') = ',re.match('world','hello world'))

輸出：

re.match('hello','hello world') =  <_sre.SRE_Match object; span=(0, 5), match='hello'>
re.match('hello','hello world').span() =  (0, 5)
re.match('world','hello world') =  None

正則表達(dá)式修飾符 - 可選標(biāo)志

正則表達(dá)式可以包含一些可選標(biāo)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(biāo)志。多個標(biāo)志可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設(shè)置成 I 和 M 標(biāo)志，re.M|re.I：這兩參數(shù)表示多行匹配|不區(qū)分大小寫，同時生效。

匹配對象方法

re.search()方法

re.search()方法用于掃描整個字符串，并返回第一個成功匹配的字符。語法格式如下：

re.search(pattern,string,flag=0)

函數(shù)參數(shù)說明：pattern指匹配的正則表達(dá)式；string要匹配的字符串；flag為標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如是否區(qū)分大小寫，多行匹配等。

如果匹配成功，re.match()方法就返回一個匹配的對象，否則返回None。示例如下：

#re.search(),匹配整個字符串，直到找到一個匹配的對象，匹配結(jié)束后沒有找到匹配值才返回None
#起始位置匹配
print('re.search(\'hello\',\'hello world\').span() = ',re.search('hello','hello world').span())
#非起始位置匹配
print('re.search(\'world\',\'hello world\').span() = ',re.search('world','hello world').span())

輸出：

re.search('hello','hello world').span() =  (0, 5)
re.search('world','hello world').span() =  (6, 11)

re.match()與re.search()的區(qū)別

示例如下：

#RE模塊示例
line = 'cats are smarter than dogs'
matchobj = re.match(r'dogs',line,re.M|re.I)
if matchobj:
    print('使用match，匹配的字符串是：',matchobj.group())
else:
    print('沒有匹配項(xiàng)')
matchobj = re.search(r'dogs',line,re.M|re.I)
if matchobj:
    print('使用search，匹配的字符串是：',matchobj.group())
    print('第一個匹配的字符串是：',matchobj.group(0))
    #下面為什么是空？
    print('使用search，全部匹配的字符串是：',matchobj.groups())
    print('一共匹配了%s個元素' % len(matchobj.groups()))
    for matchstr in matchobj.groups():
        print('matchstr is ',matchstr)
else:
    print('沒有匹配項(xiàng)')

輸出：

沒有匹配項(xiàng)
使用search，匹配的字符串是： dogs
第一個匹配的字符串是： dogs
使用search，全部匹配的字符串是： ()
一共匹配了0個元素

貪婪模式和非貪婪模式

Python里數(shù)量詞默認(rèn)是貪婪的（在少數(shù)語言里也默認(rèn)非貪婪），總是嘗試匹配盡可能多的字符；非貪婪模式正好相反，總是嘗試匹配盡可能少的字符。

示例：

#貪婪模式
print(re.match(r'^(\d+)(0*)$','102300').groups())
#非貪婪模式
print(re.match(r'^(\d+?)(0*)$','102300').groups())
#貪婪模式,匹配盡可能多的字符
print(re.match(r'ab*','abbbbbc').span())
#非貪婪模式，匹配0到1個字符
print(re.match(r'ab*?','abbbbbc').span())

輸出：

('102300', '')
('1023', '00')
(0, 6)
(0, 1)

編譯

當(dāng)在Python中使用正則表達(dá)式時，re模塊會做以下兩下事情：

• 編譯正則表達(dá)式，如果正則表達(dá)式的字符串本身不合法，就會報(bào)錯。
• 用編譯后的正則表達(dá)式匹配字符串。

如果一個正則表達(dá)式需要出現(xiàn)很多次，處于效率的考慮，我們可以預(yù)編譯這個正則表達(dá)式。這樣重復(fù)使用時，就不會重復(fù)編譯的動作，直接匹配即可。示例如下：

telReg = re.compile(r'^(\d{3})-(\d{3,8})$')
print(telReg.match('010-1234567').groups())
def printTel(tels):
    i = 0
    for tel in telReg.match('010-1234567').groups():
        i += 1
        print('part%d of tel = %s' % (i, tel))
printTel(telReg.match('010-1234567').groups())
print(telReg.match('010-123').groups())

輸出：

('010', '1234567')
part1 of tel = 010
part2 of tel = 1234567
('010', '123')

檢索和替換

Python 的 re 模塊提供了re.sub用于替換字符串中的匹配項(xiàng)。

語法：

re.sub(pattern, repl, string, count=0, flags=0)

參數(shù)：

• pattern : 正則中的模式字符串。
• repl : 替換的字符串，也可為一個函數(shù)。
• string : 要被查找替換的原始字符串。
• count : 模式匹配后替換的最大次數(shù)，默認(rèn) 0 表示替換所有的匹配。

示例如下：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import re
 
phone = "2004-959-559 # 這是一個國外電話號碼"
 
# 刪除字符串中的 Python注釋 
num = re.sub(r'#.*$', "", phone)
print "電話號碼是: ", num
 
# 刪除非數(shù)字(-)的字符串 
num = re.sub(r'\D', "", phone)
print "電話號碼是 : ", num

以上實(shí)例執(zhí)行結(jié)果如下：

電話號碼是:  2004-959-559 
電話號碼是 :  2004959559

repl 參數(shù)是一個函數(shù)

以下實(shí)例中將字符串中的匹配的數(shù)字乘以 2：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import re
 
# 將匹配的數(shù)字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

執(zhí)行輸出結(jié)果為：

A46G8HFD1134