写在前面
一篇正则小笔记。断断续续看过正则的一些知识,总感觉要记的挺多,每次都随手一写,然后由于使用的机会也不多所以啊永远是看了忘忘了看。
正则表达式是一些由字符和特殊符号组成的字符串,能按照某种模式匹配一系列有相似特征的字符串。Python中通过标准库中的re模块来支持正则表达式。当然,正则表达式并不是python所特有的,在其他语言中也是支持的,其中关于正则表达式的部分是一样的,只是可能调用的一些函数会有简单区别。
正则表达式语法
在实际解决问题中,需要匹配的文本模式有很多,当然这里的语法也就会有很多。下面是一个关于正则表达式的小册子
练习与验证工具
emmmm,掌握一种技能的方式不外乎是反复地练习,如果你也有这个想法,可以试试下面这个正则表达式的练习网站:Regex Golf。
或者你只是想自己尝试一下上面小册子里的语法,可以去这个正则表达式匹配网站进行验证:正则表达式在线验证。
Good Luck!
Python案例
掌握了以上正则表达式的语法以后,当然要结合代码进行应用。在python语言里面,通过re模块进行对正则表达式的支持。
使用re的一般步骤是:
- 利用compile方法将正则表达式的字符串形式编译为一个Pattern实例;
- 利用match方法处理文本并获得匹配结果;
- 使用match实例获得信息,进行其他相应操作。
import re
#将正则表达式编译成一个pattern对象
pattern = re.compile(r'hello.*\!')
#使用pattern匹配文本,获得匹配结果,无法匹配时返回None
match = pattern.match('hello, kaiyuan! Where are you from?')
if match:
#输出match获得的分组xinx
print(match.group())
"""
结果应该是
hello,kaiyuan!
"""
re.compile(strPattern[,flag]):
这个方法是Pattern类的工厂方法,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。
当然,你也可以在regex字符串中指定模式,比如re.compile('pattern', re.I | re.M)等价于re.compile('(?im)pattern')
flag可选值有:
- re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
- re.M(MULTILINE): 多行模式,改变'^'和'$'的行为(参见上图)
- re.S(DOTALL): 点任意匹配模式,改变'.'的行为
- re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
- re.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
- re.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。以下两个正则表达式是等价的:
regex_1 = re.compile(r"""\d + # 数字部分 \. # 小数点部分 \d * # 小数的数字部分""", re.X) regex_2 = re.compile(r"\d+\.\d*")
Match
Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获得这些信息。
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。
Pattern
pattern对象是一个编译好的正则表达式,通过python提供的一些列方法可以对文本进行匹配查找。
pattern不能直接实例化,必须使用re.compile()进行构造
Pattern提供了几个可读属性用于获取表达式的相关信息:
- pattern: 编译时用的表达式字符串。
- flags: 编译时用的匹配模式。数字形式。
- groups: 表达式中分组的数量。
- groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。
以上~