Python 正則表達(dá)式

正則表達(dá)式是一個(gè)特殊的字符序列，它能幫助你方便的檢查一個(gè)字符串是否與某種模式匹配。

Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達(dá)式模式。

re 模塊使 Python 語言擁有全部的正則表達(dá)式功能。?

compile 函數(shù)根據(jù)一個(gè)模式字符串和可選的標(biāo)志參數(shù)生成一個(gè)正則表達(dá)式對象。該對象擁有一系列方法用于正則表達(dá)式匹配和替換。?

re 模塊也提供了與這些方法功能完全一致的函數(shù)，這些函數(shù)使用一個(gè)模式字符串做為它們的第一個(gè)參數(shù)。

本章節(jié)主要介紹Python中常用的正則表達(dá)式處理函數(shù)。

re.match函數(shù)

re.match 嘗試從字符串的起始位置匹配一個(gè)模式，如果不是起始位置匹配成功的話，match() 就返回 none。

函數(shù)語法：

re.match(pattern, string, flags=0)

函數(shù)參數(shù)說明：

匹配成功 re.match 方法返回一個(gè)匹配的對象，否則返回 None。

我們可以使用 group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達(dá)式。

實(shí)例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re print(re.match('www', 'www.runoob.com').span()) # 在起始位置匹配 print(re.match('com', 'www.runoob.com')) # 不在起始位置匹配

以上實(shí)例運(yùn)行輸出結(jié)果為：

(0, 3)
None

實(shí)例

#!/usr/bin/python import re line = "Cats are smarter than dogs" matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I) if matchObj: print "matchObj.group() : ", matchObj.group() print "matchObj.group(1) : ", matchObj.group(1) print "matchObj.group(2) : ", matchObj.group(2) else: print "No match!!"

以上實(shí)例執(zhí)行結(jié)果如下：

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

re.search方法

re.search 掃描整個(gè)字符串并返回第一個(gè)成功的匹配。

函數(shù)語法：

re.search(pattern, string, flags=0)

函數(shù)參數(shù)說明：

匹配成功re.search方法返回一個(gè)匹配的對象，否則返回None。

我們可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達(dá)式。

實(shí)例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配 print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配

以上實(shí)例運(yùn)行輸出結(jié)果為：

(0, 3)
(11, 14)

實(shí)例

#!/usr/bin/python import re line = "Cats are smarter than dogs"; searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I) if searchObj: print "searchObj.group() : ", searchObj.group() print "searchObj.group(1) : ", searchObj.group(1) print "searchObj.group(2) : ", searchObj.group(2) else: print "Nothing found!!"

以上實(shí)例執(zhí)行結(jié)果如下：

searchObj.group() :  Cats are smarter than dogs
searchObj.group(1) :  Cats
searchObj.group(2) :  smarter

re.match與re.search的區(qū)別

re.match只匹配字符串的開始，如果字符串開始不符合正則表達(dá)式，則匹配失敗，函數(shù)返回None；而re.search匹配整個(gè)字符串，直到找到一個(gè)匹配。

實(shí)例

#!/usr/bin/python import re line = "Cats are smarter than dogs"; matchObj = re.match( r'dogs', line, re.M|re.I) if matchObj: print "match --> matchObj.group() : ", matchObj.group() else: print "No match!!" matchObj = re.search( r'dogs', line, re.M|re.I) if matchObj: print "search --> searchObj.group() : ", matchObj.group() else: print "No match!!"

以上實(shí)例運(yùn)行結(jié)果如下：

No match!!
search --> searchObj.group() :  dogs

檢索和替換

Python 的 re 模塊提供了re.sub用于替換字符串中的匹配項(xiàng)。

語法：

re.sub(pattern, repl, string, count=0, flags=0)

參數(shù)：

• pattern : 正則中的模式字符串。
• repl : 替換的字符串，也可為一個(gè)函數(shù)。
• string : 要被查找替換的原始字符串。
• count : 模式匹配后替換的最大次數(shù)，默認(rèn) 0 表示替換所有的匹配。

實(shí)例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re phone = "2004-959-559 # 這是一個(gè)國外電話號碼" # 刪除字符串中的 Python注釋 num = re.sub(r'#.*$', "", phone) print "電話號碼是: ", num # 刪除非數(shù)字(-)的字符串 num = re.sub(r'\D', "", phone) print "電話號碼是 : ", num

以上實(shí)例執(zhí)行結(jié)果如下：

電話號碼是:  2004-959-559 
電話號碼是 :  2004959559

repl 參數(shù)是一個(gè)函數(shù)

以下實(shí)例中將字符串中的匹配的數(shù)字乘以 2：

實(shí)例

#!/usr/bin/python # -*- coding: UTF-8 -*- import re # 將匹配的數(shù)字乘以 2 def double(matched): value = int(matched.group('value')) return str(value * 2) s = 'A23G4HFD567' print(re.sub('(?P<value>\d+)', double, s))

執(zhí)行輸出結(jié)果為：

A46G8HFD1134

re.compile 函數(shù)

compile 函數(shù)用于編譯正則表達(dá)式，生成一個(gè)正則表達(dá)式（ Pattern ）對象，供 match() 和 search() 這兩個(gè)函數(shù)使用。

語法格式為：

re.compile(pattern[, flags])

參數(shù)：

• pattern?: 一個(gè)字符串形式的正則表達(dá)式

• flags?: 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數(shù)為：

  1. re.I?忽略大小寫
  2. re.L?表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境
  3. re.M?多行模式
  4. re.S?即為?.?并且包括換行符在內(nèi)的任意字符（.?不包括換行符）
  5. re.U?表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫
  6. re.X?為了增加可讀性，忽略空格和?#?后面的注釋

實(shí)例

實(shí)例

>>>import re >>> pattern = re.compile(r'\d+') # 用于匹配至少一個(gè)數(shù)字 >>> m = pattern.match('one12twothree34four') # 查找頭部，沒有匹配 >>> print m None >>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配 >>> print m None >>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配 >>> print m # 返回一個(gè) Match 對象 <_sre.SRE_Match object at 0x10a42aac0> >>> m.group(0) # 可省略 0 '12' >>> m.start(0) # 可省略 0 3 >>> m.end(0) # 可省略 0 5 >>> m.span(0) # 可省略 0 (3, 5)

在上面，當(dāng)匹配成功時(shí)返回一個(gè) Match 對象，其中：

• group([group1, …])?方法用于獲得一個(gè)或多個(gè)分組匹配的字符串，當(dāng)要獲得整個(gè)匹配的子串時(shí)，可直接使用?group()?或?group(0)；
• start([group])?方法用于獲取分組匹配的子串在整個(gè)字符串中的起始位置（子串第一個(gè)字符的索引），參數(shù)默認(rèn)值為 0；
• end([group])?方法用于獲取分組匹配的子串在整個(gè)字符串中的結(jié)束位置（子串最后一個(gè)字符的索引+1），參數(shù)默認(rèn)值為 0；
• span([group])?方法返回?(start(group), end(group))。

再看看一個(gè)例子：

實(shí)例

>>>import re >>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小寫 >>> m = pattern.match('Hello World Wide Web') >>> print m # 匹配成功，返回一個(gè) Match 對象 <_sre.SRE_Match object at 0x10bea83e8> >>> m.group(0) # 返回匹配成功的整個(gè)子串 'Hello World' >>> m.span(0) # 返回匹配成功的整個(gè)子串的索引 (0, 11) >>> m.group(1) # 返回第一個(gè)分組匹配成功的子串 'Hello' >>> m.span(1) # 返回第一個(gè)分組匹配成功的子串的索引 (0, 5) >>> m.group(2) # 返回第二個(gè)分組匹配成功的子串 'World' >>> m.span(2) # 返回第二個(gè)分組匹配成功的子串 (6, 11) >>> m.groups() # 等價(jià)于 (m.group(1), m.group(2), ...) ('Hello', 'World') >>> m.group(3) # 不存在第三個(gè)分組 Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: no such group

findall

在字符串中找到正則表達(dá)式所匹配的所有子串，并返回一個(gè)列表，如果有多個(gè)匹配模式，則返回元組列表，如果沒有找到匹配的，則返回空列表。

注意：?match 和 search 是匹配一次 findall 匹配所有。

語法格式為：

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

參數(shù)：

• string?: 待匹配的字符串。
• pos?: 可選參數(shù)，指定字符串的起始位置，默認(rèn)為 0。
• endpos?: 可選參數(shù)，指定字符串的結(jié)束位置，默認(rèn)為字符串的長度。

查找字符串中的所有數(shù)字：

實(shí)例

# -*- coding:UTF8 -*- import re pattern = re.compile(r'\d+') # 查找數(shù)字 result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2)

輸出結(jié)果：

['123', '456']
['88', '12']

多個(gè)匹配模式，返回元組列表：

實(shí)例

import?re

result?=?re.findall(r'(\w+)=(\d+)',?'set width=20 and height=10')
print(result)

[('width', '20'), ('height', '10')]

re.finditer

和 findall 類似，在字符串中找到正則表達(dá)式所匹配的所有子串，并把它們作為一個(gè)迭代器返回。

re.finditer(pattern, string, flags=0)

參數(shù)：

實(shí)例

# -*- coding: UTF-8 -*- import re it = re.finditer(r"\d+","12a32bc43jf3") for match in it: print (match.group() )

輸出結(jié)果：

12 
32 
43 
3

re.split

split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

re.split(pattern, string[, maxsplit=0, flags=0])

參數(shù)：

實(shí)例

>>>import re >>> re.split('\W+', 'runoob, runoob, runoob.') ['runoob', 'runoob', 'runoob', ''] >>> re.split('(\W+)', ' runoob, runoob, runoob.') ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', ''] >>> re.split('\W+', ' runoob, runoob, runoob.', 1) ['', 'runoob, runoob, runoob.'] >>> re.split('a*', 'hello world') # 對于一個(gè)找不到匹配的字符串而言，split 不會對其作出分割 ['hello world']

正則表達(dá)式對象

re.RegexObject

re.compile() 返回 RegexObject 對象。

re.MatchObject

group() 返回被 RE 匹配的字符串。

• start()?返回匹配開始的位置
• end()?返回匹配結(jié)束的位置
• span()?返回一個(gè)元組包含匹配 (開始,結(jié)束) 的位置

正則表達(dá)式修飾符 - 可選標(biāo)志

正則表達(dá)式可以包含一些可選標(biāo)志修飾符來控制匹配的模式。修飾符被指定為一個(gè)可選的標(biāo)志。多個(gè)標(biāo)志可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設(shè)置成 I 和 M 標(biāo)志：

正則表達(dá)式模式

模式字符串使用特殊的語法來表示一個(gè)正則表達(dá)式：

字母和數(shù)字表示他們自身。一個(gè)正則表達(dá)式模式中的字母和數(shù)字匹配同樣的字符串。

多數(shù)字母和數(shù)字前加一個(gè)反斜杠時(shí)會擁有不同的含義。

標(biāo)點(diǎn)符號只有被轉(zhuǎn)義時(shí)才匹配自身，否則它們表示特殊的含義。

反斜杠本身需要使用反斜杠轉(zhuǎn)義。

由于正則表達(dá)式通常都包含反斜杠，所以你最好使用原始字符串來表示它們。模式元素(如 r'\t'，等價(jià)于 '\\t')匹配相應(yīng)的特殊字符。

下表列出了正則表達(dá)式模式語法中的特殊元素。如果你使用模式的同時(shí)提供了可選的標(biāo)志參數(shù)，某些模式元素的含義會改變。

正則表達(dá)式實(shí)例

字符匹配

字符類

特殊字符類文章來源地址http://www.zghlxwxcb.cn/news/detail-801364.html

到了這里，關(guān)于Python從入門到網(wǎng)絡(luò)爬蟲（正則表達(dá)詳解）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！