python正则表达式专题

python正则表达式专题

一、整理其应用于python的用到的正则表达式

1.1   字符匹配

元字符列表：

. ^ $ * + ? { [ ] \ | ( )

字符可以单个列出，也可以用“-”号分隔的两个给定字符来表示一个字符区间。例如，[abc] 将匹配"a", "b", 或 "c"中的任意一个字符；也可以用区间[a-c]来表示同一字符集，和前者效果一致。如果你只想匹配小写字母。那么 RE 应写成 [a-z].

你可以用补集来匹配不在区间范围内的字符。其做法是把"^"作为类别的首个字符；其它地方的"^"只会简单匹配 "^"字符本身。例如，[^5] 将匹配除 "5" 之外的任意字符。

也许最重要的元字符是反斜杠"\"。 做为 Python 中的字符串字母，反斜杠后面可以加不同的字符以表示不同特殊意义。它也可以用于取消所有的元字符，这样你就可以在模式中匹配它们了。举个例子，如果你需要 匹配字符 "[" 或 "\"，你可以在它们之前用反斜杠来取消它们的特殊意义： \[ 或 \\。

PS：其中的\ 表示转义处理

常用的字符：

\d  匹配任何十进制数；它相当于类 [0-9]。

\D  匹配任何非数字字符；它相当于类 [^0-9]。

\s  匹配任何空白字符；它相当于类  [ \t\n\r\f\v]。

\S  匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。

\w  匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。

\W  匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]。

这两种写法是等价的！

1.2   重复

第一个重复功能的元字符是 *。* 并不匹配字母字符 "*"；相反，它指定前一个字符可以被匹配零次或更多次，而不是只有一次。

另一个重复元字符是 +，表示匹配一或更多次。请注意 * 和 + 之间的不同；＊ 匹配零或更多次，所以根本就可以不出现，而 + 则要求至少出现一次。

问号 ? 匹配一次或零次；

最复杂的重复限定符是 {m,n}，其中 m 和 n 是十进制整数。该限定符的意思是至少有 m 个重复，至多到 n 个重复。

你可以忽略 m 或 n；因为会为缺失的值假设一个合理的值。忽略 m 会认为下边界是 0，而忽略 n 的结果将是上边界为无穷大 -- 实际上是先前我们提到的 2 兆，但这也许同无穷大一样。

PS：包括* ? + {m,n}  这样的重复标识

 

了解了常用的正则表达式之后就可以将其融入到python里面了。因为我发现不同的语言在正则上面还是有点差异的。故此我先将其能用到的正则内容整理完。

 

二、python中应用正则

使用正则对象

import re

p = re.compile('^[1-9]\d*$',re.S)

得到一个RegexObject对象。可以用它来做的事情如下：

 

方法/属性	作用
match()	决定 RE 是否在字符串刚开始的位置匹配
search()	扫描字符串，找到这个 RE 匹配的位置
findall()	找到 RE 匹配的所有子串，并把它们作为一个列表返回
finditer()	找到 RE 匹配的所有子串，并把它们作为一个迭代器返回

如果没有匹配到的话，match() 和 search() 将返回 None。如果成功的话，就会返回一个 `MatchObject` 实例，其中有这次匹配的信息：它是从哪里开始和结束，它所匹配的子串等等。

PS：所以可以这样写

#-*- coding: utf-8 -*-

import re

p = re.compile('^[1-9]\d*$',re.S)

if p.match("sd"):               如果存在则不会返回None值对象

    print "is ok"

else:

print "not "

如果返回了一个MatchObject对象之后就可以使用其方法进行相关操作

现在你可以查询 `MatchObject` 关于匹配字符串的相关信息了。MatchObject 实例也有几个方法和属性；最重要的那些如下所示：

方法/属性	作用
group()	返回被 RE 匹配的字符串
start()	返回匹配开始的位置
end()	返回匹配结束的位置
span()	返回一个元组包含匹配 (开始,结束) 的位置

试试这些方法不久就会清楚它们的作用了：

一般的代码：

#-*- coding: utf-8 -*-

import re

p = re.compile('^[1-9]\d*$',re.S)

if p.match("23"):                   #如果此匹配返回的不是None之后就可以继续调用它方法

    print p.match("23").group(0)    #调用其

    print "is ok"

else:

    print "not"

 

 

 

一般的写法：

#!python

p = re.compile( ... )

m = p.match( 'string goes here' )

if m:                                      #如果返回不为None则可以继续

print 'Match found: ', m.group()

else:

print 'No match'

 

2.2 编译标志

这有个可用标志表，对每个标志后面都有详细的说明。

标志	含义
DOTALL, S	使 . 匹配包括换行在内的所有字符
IGNORECASE, I	使匹配对大小写不敏感
LOCALE, L	做本地化识别（locale-aware）匹配
MULTILINE, M	多行匹配，影响 ^ 和 $
VERBOSE, X	能够使用 REs 的 verbose 状态，使之被组织得更清晰易懂