Python正则表达式re模块简明笔记

Python正则表达式re模块简明笔记

Python正则表达式re模块简明笔记

要注意的是，正则表达式并不是一个程序，而是用于处理字符串的一种模式，如果你想用它来处理字符串，就必须使用支持正则表达式的工具，比如Linux 中的awk, sed, grep，或者编程语言Perl, Python, Java 等等。

作者：FunHacks来源：FunHacks|2016-12-28 11:20

收藏

分享

简介

正则表达式（regular expression）是可以匹配文本片段的模式。最简单的正则表达式就是普通字符串，可以匹配其自身。比如，正则表达式‘hello’ 可以匹配字符串‘hello’。

要注意的是，正则表达式并不是一个程序，而是用于处理字符串的一种模式，如果你想用它来处理字符串，就必须使用支持正则表达式的工具，比如Linux 中的awk, sed, grep，或者编程语言Perl, Python, Java 等等。

正则表达式有多种不同的风格，下表列出了适用于Python 或Perl 等编程语言的部分元字符以及说明：

re 模块

在Python 中，我们可以使用内置的re 模块来使用正则表达式。

有一点需要特别注意的是，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‘’，我们需要使用正则表达式'python\.org'，而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'

re 模块提供了不少有用的函数，用以匹配字符串，比如：

∙compile 函数

∙match 函数

∙search 函数

∙findall 函数

∙finditer 函数

∙split 函数

∙sub 函数

∙subn 函数

re 模块的一般使用步骤如下：

∙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

compile 函数

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：

pile(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。

下面，让我们看看例子。

import re

# 将正则表达式编译成Pattern 对象

pattern = pile(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

match 方法

>>> m = pattern.search('one12twothree34four') # 这里如果使用match 方法则不匹配

>>> m

< _sre.SRE_Match object at 0x10cc03ac0>

>>> m.group()

'12'

>>> m = pattern.search('one12twothree34four', 10, 30) # 指定字符串区间

>>> m

< _sre.SRE_Match object at 0x10cc03b28>

>>> m.group()

'34'

>>> m.span()

(13, 15)

再来看一个例子：

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

import re

# 将正则表达式编译成Pattern 对象

pattern = pile(r'\d+')

# 使用search() 查找匹配的子串，不存在匹配的子串时将返回None

# 这里使用match() 无法成功匹配

m = pattern.search('hello 123456 789')

if m:

# 使用Match 获得分组信息

print 'matching string:',m.group()

print 'position:',m.span()

执行结果：

matching string: 123456

position: (6, 12)

findall 方法

上面的match 和search 方法都是一次匹配，只要找到了一个匹配的结果就返回。然而，在大多数时候，我们需要搜索整个字符串，获得所有匹配的结果。

findall 方法的使用形式如下：

findall(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是0 和len (字符串长度)。

findall 以列表形式返回全部能匹配的子串，如果没有匹配，则返回一个空列表。

看看例子：

import re

pattern = pile(r'\d+') # 查找数字

result1 = pattern.findall('hello 123456 789')

result2 = pattern.findall('one1two2three3four4', 0, 10)

print result1

print result2

执行结果：

['123456', '789']

['1', '2']

finditer 方法

finditer 方法的行为跟findall 的行为类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果（Match 对象）的迭代器。

看看例子：

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

import re

pattern = pile(r'\d+')

result_iter1 = pattern.finditer('hello 123456 789')

result_iter2 = pattern.finditer('one1two2three3four4', 0, 10)

print type(result_iter1)

print type(result_iter2)

print 'result1...'

for m1 in result_iter1: # m1 是Match 对象

print 'matching string: {}, position: {}'.format(m1.group(), m1.span())