python正则,,正则表达式是一个特殊
python正则,,正则表达式是一个特殊
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。
python支持的常用的正则表达式元字符和方法有如下一些:
. 匹配任意除换行符\n外的字符。\ 转义字符,使后一个字符改变原来的意思。* 匹配前一个字符0次或无限次。+ 匹配前一个字符1次或无限次。? 匹配前一个字符0次或1次。{m} 匹配前一个字符m次。{m,n} 匹配前一个字符m至n次,m和n可以省略,若省略m则匹配0至n次,若省略n则匹配m至无限次。\d 匹配一个数字字符。等价于 [0-9]。\D 匹配一个非数字字符。等价于 [^0-9]。\s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。\w 匹配包括下划线的任何单词字符。等价于‘[A-Za-z0-9_]‘。\W 匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。^ 匹配字符串开头,在多行模式中匹配每一行的开头。$ 匹配字符串的末尾。\A 匹配字符串开始。\Z 匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。\z 匹配字符串结束。\G 匹配最后匹配完成的位置。\b 匹配一个单词边界,也就是指单词和空格间的位置。例如, ‘er\b‘ 可以匹配"never" 中的 ‘er‘,但不能匹配 "verb" 中的 ‘er‘。\B 匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘,但不能匹配 "never" 中的 ‘er‘。| 代表左右表达式任意匹配一个。
re模块
re模块是python中处理正则表达式的一个模块,通过re模块的方法,把正则表达式pattern编译成正则对象,以便使用正则对象的方法。# encoding: UTF-8import re # 将正则表达式编译成Pattern对象pattern = re.compile(r‘hello‘) # 使用Pattern匹配文本,获得匹配结果,无法匹配时将返回Nonematch = pattern.match(‘hello world!‘) if match: # 使用Match获得分组信息 print match.group() 结果:# hello
re提供了很多模块方法用于完成正则表达式的功能。
compile方法
re.compile(strPattern[, flag])
用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式,取值可以使用按位或运算符‘|‘表示同时生效,比如re.I | re.M。另外,你也可以在regex字符串中指定模式,比如re.compile(‘pattern‘, re.I | re.M)
re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
M(MULTILINE): 多行模式,改变‘^‘和‘$‘的行为(参见上图)
S(DOTALL): 点任意匹配模式,改变‘.‘的行为
L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。
不同匹配规则,效率也是不一样的。
import reimport timeitprint(timeit.timeit(setup=‘‘‘import re; reg = re.compile(‘<(?P<tagname>\w*)>.*</(?P=tagname)>‘)‘‘‘, stmt=‘‘‘reg.match(‘<h1>xxx</h1>‘)‘‘‘, number=1000000))print(timeit.timeit(setup=‘‘‘import re‘‘‘, stmt=‘‘‘re.match(‘<(?P<tagname>\w*)>.*</(?P=tagname)>‘, ‘<h1>xxx</h1>‘)‘‘‘, number=1000000))结果:0.468051082769719631.0449010241470704
group方法
group([group1, …]):
获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。
groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。
groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典,没有别名的组不包含在内。default含义同上。
import rem = re.match(r‘(\w+) (\w+)(?P<sign>.*)‘, ‘hello world!‘)print "m.group(1,2):", m.group(1, 2)print "m.groups():", m.groups()print "m.groupdict():", m.groupdict()结果:# m.group(1,2): (‘hello‘, ‘world‘)# m.groups(): (‘hello‘, ‘world‘, ‘!‘)# m.groupdict(): {‘sign‘: ‘!‘}
match方法
Match从开头开始匹配,匹配不到,返回空。match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):这个方法将从string的pos下标处起尝试匹配pattern;如果pattern结束时仍可匹配,则返回一个Match对象;如果匹配过程中pattern无法匹配,或者匹配未结束就已到达endpos,则返回None。pos和endpos的默认值分别为0和len(string);re.match()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。注意:这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符‘$‘。import reprint(re.match(‘www‘, ‘www.runoob.com‘)) # 在起始位置匹配print(re.match(‘com‘, ‘www.runoob.com‘)) # 不在起始位置匹配
search方法
Search从开头开始匹配,然后第第二个开始匹配,只匹配一个结果。search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None。pos和endpos的默认值分别为0和len(string));re.search()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。import re print(re.search(‘www‘, ‘www.runoob.com‘)) # 在起始位置匹配print(re.search(‘com‘, ‘www.runoob.com‘)) # 不在起始位置匹配
split方法
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。import re p = re.compile(r‘\d+‘)print p.split(‘one1two2three3four4‘) 结果:# [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘‘]
findall方法
搜索string,以列表形式返回全部能匹配的子串。import re p = re.compile(r‘\d+‘)print p.findall(‘one1two2three3four4‘) 结果:# [‘1‘, ‘2‘, ‘3‘, ‘4‘]
finditer方法
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。import re p = re.compile(r‘\d+‘)for m in p.finditer(‘one1two2three3four4‘): print m.group(), 结果:# 1 2 3 4
python正则
评论关闭