曹佳润

Jerry Cao

Welcome to my homepage. The English version is coming very soon. Please stay tuned.


Regular expression

正则表达式

正则表达式是处理字符串的强大工具,拥有独特的语法和独立的处理引擎。
我们在大文本中匹配字符串时,有些情况用str自带的函数(比如find, in)可能可以完成,有些情况会稍稍复杂一些(比如说找出所有“像邮箱”的字符串),这个时候我们需要一个某种模式的工具,这个时候正则表达式就派上用场了。
说起来正则表达式效率上可能不如str自带的方法,但匹配功能实在强大太多。对啦,正则表达式不是Python独有的。
正则表达式在线验证工具
正则表达式语法

re模块

Python通过re模块提供对正则表达式的支持。

使用re的一般步骤是

  • 将正则表达式的字符串形式编译为Pattern实例
  • 使用Pattern实例处理文本并获得匹配结果(一个Match实例)
  • 使用Match实例获得信息,进行其他的操作。 ```python

    encoding: UTF-8

    import 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None

match = pattern.match(‘hello, hanxiaoyang! How are you?’)

if match: # 使用Match获得分组信息 print match.group()

###### match属性:
* string: 匹配时使用的文本。
* re: 匹配时使用的Pattern对象。
* pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
* endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
* lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
* lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。
###### match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。
* start([group]): 
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。
* end([group]): 
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0。
* span([group]): 
返回(start(group), end(group))。
* expand(template): 
将匹配到的分组代入template中然后返回。template中可以使用\id或\g、\g引用分组,但不能使用编号0。\id与\g是等价的;但\10将被认为是第10个分组,如果你想表达\1之后是字符'0',只能使用\g<1>0。
## 使用Pattern模块
#### 按照能够匹配的子串将string分割后返回列表
```python
p = re.compile(r'\d+')
print p.split('one1two2three3four4')

[‘one’, ‘two’, ‘three’, ‘four’, ‘’]

搜索string,以列表形式返回全部能匹配的子串

p = re.compile(r'\d+')
print p.findall('one1two2three3four4')

[‘1’, ‘2’, ‘3’, ‘4’]

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

p = re.compile(r'\d+')
for m in p.finditer('one1two2three3four4'):
    print m.group()

1
2
3
4

使用repl替换string中每一个匹配的子串后返回替换后的字符串

p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello hanxiaoyang!'
 
print p.sub(r'\2 \1', s)
 
def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
 
print p.sub(func, s)

say i, hanxiaoyang hello!
I Say, Hello Hanxiaoyang!

返回 (sub(repl, string[, count]), 替换次数)

p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello hanxiaoyang!'
 
print p.subn(r'\2 \1', s)
 
def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
 
print p.subn(func, s)

(‘say i, hanxiaoyang hello!’, 2)
(‘I Say, Hello Hanxiaoyang!’, 2)

20180918更新:正则表达式替换字符串

import re
s = '需要替换的字符串'
tag = re.compile('正则表达式')
result = tag.sub('',s)

Donation

取消

Thanks for your kindly support!

扫码支持
扫码支持
Please scan the QR code

The donation will be used to maintain this website