【Python习题】python正则表达式


正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。


一、元字符

  1) .     --匹配任意字符(不包括换行符)

  2) ^    --匹配开始位置,多行模式下匹配每一行的开始

  3) $    --匹配结束位置,多行模式下匹配每一行的结束

  4) *    --匹配前一个元字符0到多次

  5) +    --匹配前一个元字符1到多次

  6) ?    --匹配前一个元字符0到1次

  7) {m,n}   --匹配前一个元字符m到n次

  8) \\   --转义字符,跟在其后的字符将失去作为特殊元字符的含义,例如\\.只能匹配.,不能再匹配任意字符

  9) []   --字符集,一个字符的集合,可匹配其中任意一个字符

  10) |   --逻辑表达式 或 ,比如 a|b 代表可匹配 a 或者 b

  11) (...)   -- 分组,默认为捕获,即被分组的内容可以被单独取出,默认每个分组有个索引,从 1 开始,按照"("的顺序决定索引值

  12) (?iLmsux)   -- 分组中可以设置模式,iLmsux之中的每个字符代表一个模式,用法参见 模式 I

  13) (?:...)   -- 分组的不捕获模式,计算索引时会跳过这个分组

  14) (?P<name>...)   -- 分组的命名模式,取此分组中的内容时可以使用索引也可以使用name

  15) (?P=name)   -- 分组的引用模式,可在同一个正则表达式用引用前面命名过的正则

  16) (?#...)   -- 注释,不影响正则表达式其它部分,用法参见 模式 I

  17) (?=...)   -- 顺序肯定环视,表示所在位置右侧能够匹配括号内正则

  18 (?!...)   -- 顺序否定环视,表示所在位置右侧不能匹配括号内正则

  19) (?<=...)   -- 逆序肯定环视,表示所在位置左侧能够匹配括号内正则

  20) (?<!...)   --逆序否定环视,表示所在位置左侧不能匹配括号内正则

  21) (?(id/name)yes|no)   -- 若前面指定id或name的分区匹配成功则执行yes处的正则,否则执行no处的正则

  22) \number   -- 匹配和前面索引为number的分组捕获到的内容一样的字符串

  23) \A   -- 匹配字符串开始位置,忽略多行模式

  24) \Z   -- 匹配字符串结束位置,忽略多行模式

  25) \b   -- 匹配位于单词开始或结束位置的空字符串

  26) \B   -- 匹配不位于单词开始或结束位置的空字符串

  27) \d   -- 匹配一个数字, 相当于 [0-9]

  28) \D   -- 匹配非数字,相当于 [^0-9]

  29) \s   -- 匹配任意空白字符, 相当于 [ \t\n\r\f\v]

  30) \S   -- 匹配非空白字符,相当于 [^ \t\n\r\f\v]

  31) \w   -- 匹配数字、字母、下划线中任意一个字符, 相当于 [a-zA-Z0-9_]

  32) \W   -- 匹配非数字、字母、下划线中的任意字符,相当于 [^a-zA-Z0-9_]


二、函数 (参见 python 模块 re 文档)


2.1 compile(pattern, flags=0) 

给定一个正则表达式 pattern,指定使用的模式 flags 默认为0 即不使用任何模式,然后会返回一个 SRE_Pattern 

示例:


    regex = re.compile(".+")
    print regex
    # >>> <_sre.SRE_Pattern object at 0x00000000026BB0B8>

  

这个对象可以调用其他函数来完成匹配,一般来说推荐使用 compile 函数预编译出一个正则模式之后再去使用,这样在后面的代码中可以很方便的复用它,当然大部分函数也可以不用 compile 直接使用,具体见 findall 函数


示例:

    s = '''first line
    second line
    third line'''
    # 调用 findall 函数
    print regex.findall(s)
    #>>> ['first line', 'second line', 'third line']
    # 调用 search 函数
    print regex.search(s).group()
    # >>> first lin

  

2.2 escape(pattern) 

转义 如果你需要操作的文本中含有正则的元字符,你在写正则的时候需要将元字符加上反斜扛 \ 去匹配自身, 而当这样的字符很多时,写出来的正则表达式就看起来很乱而且写起来也挺麻烦的,这个时候你可以使用这个函数,用法如下

示例:

    s = ".+\d123"
    regex_str = re.escape(".+\d123")
    # 查看转义后的字符
    print regex_str
    # >>> \.\+\\d123
    # 查看匹配到的结果
    for g in re.findall(regex_str, s):
    print g
    # >>> .+\d123


2.3 findall(pattern, string, flags=0) 

参数 pattern 为正则表达式, string 为待操作字符串, flags 为所用模式,函数作用为在待操作字符串中寻找所有匹配正则表达式的字串,返回一个列表,如果没有匹配到任何子串,返回一个空列表。

  示例:

    s = '''first line
    second line
    third line'''
    # compile 预编译后使用 findall
    regex = re.compile("\w+")
    print regex.findall(s)
    # >>> ['first', 'line', 'second', 'line', 'third', 'line']
    # 不使用 compile 直接使用 findall
    print re.findall("\w+", s)
    # >>> ['first', 'line', 'second', 'line', 'third', 'line']

 

2.4 finditer(pattern, string, flags=0) 

参数和作用与 findall 一样,不同之处在于 findall 返回一个列表, finditer 返回一个迭代器, 而且迭代器每次返回的值并不是字符串,而是一个 SRE_Match (参见 第四小节 re 内置对象用法) 对象,这个对象的具体用法见 match 函数。

   示例:

    s = '''first line
    second line
    third line'''
    regex = re.compile("\w+")
    print regex.finditer(s)
    # >>> <callable-iterator object at 0x0000000001DF3B38>
    for i in regex.finditer(s):
    print i
    # >>> <_sre.SRE_Match object at 0x0000000002B7A920>
    # <_sre.SRE_Match object at 0x0000000002B7A8B8>
    # <_sre.SRE_Match object at 0x0000000002B7A920>
    # <_sre.SRE_Match object at 0x0000000002B7A8B8>
    # <_sre.SRE_Match object at 0x0000000002B7A920>
    # <_sre.SRE_Match object at 0x0000000002B7A8B8>


2.5 match(pattern, string, flags=0) 

使用指定正则去待操作字符串中寻找可以匹配的子串, 返回匹配上的第一个字串,并且不再继续找,需要注意的是 match 函数是从字符串开始处开始查找的,如果开始处不匹配,则不再继续寻找,返回值为 一个 SRE_Match 对象,找不到时返回 None

  示例:

    s = '''first line
    second line
    third line'''
    # compile
    regex = re.compile("\w+")
    m = regex.match(s)
    print m
    # >>> <_sre.SRE_Match object at 0x0000000002BCA8B8>
    print m.group()
    # >>> first
    # s 的开头是 "f", 但正则中限制了开始为 i 所以找不到
    regex = re.compile("^i\w+")
    print regex.match(s)
    # >>> None

   

2.6 purge() 

当你在程序中使用 re 模块,无论是先使用 compile 还是直接使用比如 findall 来使用正则表达式操作文本,re 模块都会将正则表达式先编译一下, 并且会将编译过后的正则表达式放到缓存中,这样下次使用同样的正则表达式的时候就不需要再次编译, 因为编译其实是很费时的,这样可以提升效率,而默认缓存的正则表达式的个数是 100, 当你需要频繁使用少量正则表达式的时候,缓存可以提升效率,而使用的正则表达式过多时,缓存带来的优势就不明显了, 这个函数的作用是清除缓存中的正则表达式,可能在你需要优化占用内存的时候会用到。


2.7 search(pattern, string, flags=0) 

   函数类似于 match,不同之处在于不限制正则表达式的开始匹配位置

  示例:

    s = '''first line
    second line
    third line'''
    # 需要从开始处匹配 所以匹配不到 
    print re.match('i\w+', s)
    # >>> None
    # 没有限制起始匹配位置
    print re.search('i\w+', s)
    # >>> <_sre.SRE_Match object at 0x0000000002C6A920>
    print re.search('i\w+', s).group()
    # >>> irst


2.8 split(pattern, string, maxsplit=0, flags=0) 

参数 maxsplit 指定切分次数, 函数使用给定正则表达式寻找切分字符串位置,返回包含切分后子串的列表,如果匹配不到,则返回包含原字符串的一个列表

    示例:

    s = '''first 111 line
    second 222 line
    third 333 line'''
    # 按照数字切分
    print re.split('\d+', s)
    # >>> ['first ', ' line\nsecond ', ' line\nthird ', ' line']
    # \.+ 匹配不到 返回包含自身的列表
    print re.split('\.+', s, 1)
    # >>> ['first 111 line\nsecond 222 line\nthird 333 line']
    # maxsplit 参数
    print re.split('\d+', s, 1)
    # >>> ['first ', ' line\nsecond 222 line\nthird 333 line']


2.9 sub(pattern, repl, string, count=0, flags=0) 

替换函数,将正则表达式 pattern 匹配到的字符串替换为 repl 指定的字符串, 参数 count 用于指定最大替换次数

  示例:

    s = "the sum of 7 and 9 is [7+9]."
    # 基本用法 将目标替换为固定字符串
    print re.sub('\[7\+9\]', '16', s)
    # >>> the sum of 7 and 9 is 16.
    # 高级用法 1 使用前面匹配的到的内容 \1 代表 pattern 中捕获到的第一个分组的内容
    print re.sub('\[(7)\+(9)\]', r'\2\1', s)
    # >>> the sum of 7 and 9 is 97.
    # 高级用法 2 使用函数型 repl 参数, 处理匹配到的 SRE_Match 对象
    def replacement(m):
      p_str = m.group()
      if p_str == '7':
        return '77'
      if p_str == '9':
        return '99'
    return ' '
    print re.sub('\d', replacement, s)
    # >>> the sum of 77 and 99 is [77+99].
    # 高级用法 3 使用函数型 repl 参数, 处理匹配到的 SRE_Match 对象 增加作用域 自动计算
    scope = {}
    example_string_1 = "the sum of 7 and 9 is [7+9]."
    example_string_2 = "[name = 'Mr.Gumby']Hello,[name]"
    def replacement(m):
      code = m.group(1)
      st = ''
      try:
        st = str(eval(code, scope))
      except SyntaxError:
        exec code in scope
      return st
    # 解析: code='7+9'
    # str(eval(code, scope))='16'
    print re.sub('\[(.+?)\]', replacement, example_string_1)
    # >>> the sum of 7 and 9 is 16.
    # 两次替换
    # 解析1: code="name = 'Mr.Gumby'"
    # eval(code)
    # raise SyntaxError
    # exec code in scope
    # 在命名空间 scope 中将 "Mr.Gumby" 赋给了变量 name
    # 解析2: code="name"
    # eval(name) 返回变量 name 的值 Mr.Gumby
    print re.sub('\[(.+?)\]', replacement, example_string_2)
    # >>> Hello,Mr.Gumby


2.10 subn(pattern, repl, string, count=0, flags=0) 

   作用与函数 sub 一样, 唯一不同之处在于返回值为一个元组,第一个值为替换后的字符串,第二个值为发生替换的次数


  2.11 template(pattern, flags=0)



最新回复 (0)
返回