Python之re模块 - 正则表达式操作,,一、前言 字符串是编
Python之re模块 - 正则表达式操作,,一、前言 字符串是编
一、前言
字符串是编程时涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在。而正则表达式就是一种用来描述字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
学习本章知识,你需要有了解正则表达式基础, 网上快速入门教程一抓一大把,这里就不再叙述了。
二、re 模块
Python 的 re 模块提供了与 Perl 相似的正则表达式匹配操作, Unicode 字符串也同样适用。
正则表达式使用反斜杠" \ "来代表特殊形式或用作转义字符,不幸的是 Python 也是使用反斜杠"\"来转义。这里跟Python的语法冲突,因此,Python用"\\\\"表示正则表达式中真正意义的" \ ",因为正则表达式中如果要匹配" \ ",需要用\来转义,变成" \\ ",而Python语法中又需要对字符串中每一个\进行转义,所以就变成了"\\\\"。
上面的写法是不是觉得很麻烦,而且难以理解,为了使正则表达式具有更好的可读性,Python特别设计了原始字符串(raw string),需要提醒你的是,在写文件路径的时候就不要使用raw string了,这里存在陷阱。raw string就是用‘r‘作为字符串的前缀,如 r"\n":表示两个字符"\"和"n",而不是代表转义序列(换行符)了。Python中写正则表达式时推荐使用这种形式。
正则表达式也是用 \ 来转义元字符, 而 Python的字符串本身也用\转义, 因此我们强烈建议,对于要使用正则表达式的字符串,全部使用 r 前缀。
s=‘ABC\\-001‘#Python的字符串#对应的正则表达式字符串变成:#‘ABC\-001‘因此我们强烈建议使用Python的r前缀,就不用考虑转义的问题了:s=r‘ABC\-001‘#Python的字符串#对应的正则表达式字符串不变:#‘ABC\-001‘
re.match (仅能从字符串开头匹配)
re.match(pattern, string, flags)
re.match(r‘regex‘, string)
match()方法判断是否匹配,如果匹配成功,返回一个
Match对象,否则返回
None。
>>>importre>>>re.match(r‘^\d{3}\-\d{3,8}‘,‘010-12345‘)<_sre.SRE_Matchobjectat0x7fb49aaf7648>>>>m=re.match(r‘^\d{3}\-\d{3,8}‘,‘010-12345‘)>>>ifm:...print‘match‘...else:...print‘Nomatch‘...match
re.search (匹配)
re.search(pattern, string, flags)
match()方法判断是否匹配,如果匹配成功,返回一个
Match对象,否则返回
None。
re.match与re.search的区别:
re.match只有当且仅当从字符串的开头进行匹配,如果字符串开头不匹配正则表达式,则匹配失败,函数返回None;而re.search从字符串任意位置进行,直到找到一个匹配。
re.split (切分)
re.split(r‘regex‘, string)
#用正则表达式切分字符串比用固定的字符更加灵活>>>‘abc‘.split(‘‘)[‘a‘,‘b‘,‘‘,‘‘,‘‘,‘c‘]#看到了么,无法识别连续的空格,用正则表达式试试:>>>re.split(r‘\s+‘,‘abc‘)[‘a‘,‘b‘,‘c‘]#很完美,加入“,”试试>>>re.split(r‘[\s,]+‘,‘a,b,,cd‘)[‘a‘,‘b‘,‘c‘,‘d‘]
re.group (分组)
re.group(index)
用() 表示的就是要提取的分组(Group)。
>>>m=re.match(r‘^(\d{3})-(\d{3,8})$‘,‘010-12345‘)>>>m<_sre.SRE_Matchobjectat0x1026fb3e8>>>>m.group(0)‘010-12345‘>>>m.group(1)‘010‘>>>m.group(2)‘12345‘
如果正则表达式中定义了组,就可以在Match对象上用
group()方法提取出子串来。
注意到group(0)永远是原始字符串,
group(1)、
group(2)……表示提取第1个括号的子串、提取第2个、……个子串。
re.sub (替换)
re.sub(r‘regex‘, repl, string, count)
其中第二个参数是替换后的字符串;
第四个参数指替换第几次匹配的项。默认为0,表示每个匹配项都替换。
re.compile (编译)
当我们在Python中使用正则表达式时,re模块内部会干两件事情:
编译正则表达式,如果正则表达式的字符串本身不合法,会报错;
用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:
>>>importre
#编译:>>>re_telephone=re.compile(r‘^(\d{3})-(\d{3,8})$‘)
#使用:>>>re_telephone.match(‘010-12345‘).groups()
(‘010‘,‘12345‘)
>>>re_telephone.match(‘010-8086‘).groups()
(‘010‘,‘8086‘)
编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。
最后:如果能用字符串的方法,就不要选择正则表达式,因为字符串方法更简单快速。
本文出自 “Share your knowledge” 博客,请务必保留此出处http://skypegnu1.blog.51cto.com/8991766/1791680
Python之re模块 - 正则表达式操作
相关内容
- Python从菜鸟到高手(11):列表的基础操作,python11,&
- Python中的数据类型,,原文链接:http:
- Python-类继承,,当在Python中出
- Python学习-字符串格式化,,Python的字符串
- Python基础 - 字符串格式化 (%操作符),python操作符,在P
- Python的字符串索引和分片,,>>> str="H
- Python字符串关键点总结,python字符串关键点,在python中最
- Python字符串连接的5种方法,python字符串5种,这种方式用
- 字符串的encode与decode解决乱码问题,encodedecode,字符串在
- python强大的字符串格式化函数 - format,pythonformat,那么,
评论关闭