Python:笔记(6)——正则表达式

Python:笔记(6)——正则表达式

re模块

　　re模块用于在字符串中执行基于正则表达式模式的匹配和替换。

使用原始字符串

　　正则表达式使用 \ 对特殊字符进行转义，比如，为了匹配字符串 ‘python.org’，我们需要使用正则表达式 'python\.org'。

　　但是Python 的字符串本身也用 \ 转义，所以上面的正则表达式在 Python 中应该写成 'python\\.org'，这会很容易陷入 \ 的困扰中，因此，我们建议使用 Python 的原始字符串，只需加一个 r 前缀，上面的正则表达式可以写成：

r'python\.org'

关于中文的匹配

　　　正则匹配中文，固定形式：[\u4E00-\u9FA5]+。

import re
str = 'posted @ 2018-11-03 15:00 MrSaber 阅读(82) 评论(0)'
pattern = re.compile(r'[\u4E00-\u9FA5]+\((\d+)\)');
m = pattern.findall(str)
print(m)

re模块的使用步骤

• 使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象
• 通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）
• 最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作

编译Pattern对象

　　compile 函数用于编译正则表达式，生成一个 Pattern 对象，它的一般使用形式如下：

re.compile(pattern[, flag])

　　其中，pattern 是一个字符串形式的正则表达式，flag 是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等。

import re
# 将正则表达式编译成 Pattern 对象
pattern = re.compile(r'\d+')

　　在上面，我们已将一个正则表达式编译成 Pattern 对象，接下来，我们就可以利用 pattern 的一系列方法对文本进行匹配查找了。Pattern 对象的一些常用方法主要有：

• match 方法
• search 方法
• findall 方法
• finditer 方法
• split 方法
• sub 方法
• subn 方法

匹配

　　我们主要讨论一下四个匹配方法的区别。

match(pattern,string,[,flags])

　　检查String的开头是否有字符与pattern匹配。如果成功，返回一个MatchObject，否则返回None。

search(pattern,string,[,flags]）

　　在String中搜索pattern的第一个匹配值。如果成功，返回一个MatchObject，否则返回None。

　　以下面代码为例，我们想匹配阅读数，但是阅读不是str的开头，所以match匹配失败。

import re
str = 'posted @ 2018-11-03 15:00 MrSaber 阅读(82) 评论(0)'
pattern = re.compile(r'阅读\((\d+)\)');
m1 = pattern.search(str)
m2 = pattern.match(str)
print(m1) # 阅读(82)
print(m2) # None

findall(pattern,string,[,flags])

　　返回String中与pattern匹配的所有未重叠的值，包括空匹配值。如果模式包含分组，将返回与分组匹配的文本列表。如果使用了不止一个分组，那么列表中的每项都是一个元组，包含每个分组的文本。

finditer(pattern,string,[,flags])

　　与findall方法含义相同，但是返回的是一个迭代器对象。迭代器的返回类型是MatchObject的项。

分组

　　除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：

　　^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：

>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'