python使用正則表達式
python中使用正則表達式
1. 匹配字符
正則表達式中的元字符有 . ^ $ * + ? { } [ ] \ | ( )
匹配字符用的模式有
\d 匹配任意數字
\D 匹配任意非數字
\s 匹配任意空白字符
\S 匹配任意非空格字符
\w 匹配任意數字或者字母
\W 匹配任意非數字或者字母
2. 正則表達式
python中使用compile處理正則表達式，如：
import re;
p=re.compile(‘[a-c]’);
p.match(s);
s是待匹配的字符串，match是匹配方法，類似的方法有
match() 確定從行首開始匹配
search() 在任意位置匹配
findall() 找匹配的所有子串，并作為子串返回
finditer() 找匹配的所有子串，并且以迭代器的形式返回
match也有很多方法，如：
group() 把正則表達式匹配的字符串返回
start() 返回匹配的起點
end() 返回匹配的終點
span() 返回匹配的(start,end)的元組
例1：>>>import re;
>>>p=re.compile(‘^[a-c]’)
>>>q=p.match(“abcd”);
>>>print q.group()
ab
>>>>q.span()
(0,2)
例2：
>>>import re
>>>p=re.compile(‘\d+’);
>>>q=p.findall(‘1 and 10 and 20’);
>>>print q
[‘1’,’2’,’3’]
上述的匹配也可以使用另外一種形式，即：
re.match(’\d+’,’d23r’)
例3：
>>>p=re.match(’\d+’,’d23r’)
>>>print p
None
匹配的其它參數：
re.compile(‘[a-c]’,re.I) re.I 表示忽略大小寫
re.compile(‘^ab$’,re.M) re.M 表示^或者$在行首和行尾以及字符串的開頭和結束都會進行匹配。如果不加這個標志，只會在字符串的開始和結束之處匹配
例4：
re.compile(“””
[1-3] #1-3
[a-c] # a-c
“””,re.VERBOSE
) re.VERBOSE 的出現使得正則表達式可以再多行出現，而且可以在每行加上注釋
上面的匹配相當于 re.compile(‘[1-3][a-c]’)
3. 分組
使用()來進行分組
例5：
>>>p=re.compile(‘(12)+’)
>>>m=p.match(‘121212’)
>>>print m.group()
121212
上面匹配的是12重復出現一次或多次
還可以打印分組的信息，
>>>print m.group(1)
12
python會自動捕獲分組的信息，如果不想捕獲分組的信息，可以使用?:
例6：
>>>import re
>>>s =”hello ab1cd”;
>>>p=re.search(‘(?:h.*)(a.*)(c.*)’);
>>>print “a* {0}”.format(p.group(1))
a* ab
>>>print “c* {0}”.format(p.group(2))
c* cd
p.group(0)存放的是整個表達式的匹配情況，p.group(1)存放的是(a.*)的匹配信息，p.group(2)存放的是(b.*)的匹配信息，而 h.*前面因為有?:沒有被捕獲
如果分組過多，使用組的標號還是顯得麻煩，這時可以對組進行命名，然后可以通過名字來使用它們。
例7：
>>>import re;
>>>s=”hello ab1cd”
>>>p=re.search(‘(?P<a>a.*)(?P<c>c.*)’);
>>>print “a* {0}”.format(p.group(‘a’)
a* ab
>>>print “c* {0}”.format(p.group(‘c’))
c* cd
4.貪婪和非貪婪模式
在貪婪模式下，* + 都會盡可能地多匹配字符，如：
例8：
>>>import re;
>>>p=re.compile('<h.*></h>');
>>>m=p.findall('<h1></h><h2></h>')
>>>print m;
[‘<h1></h><h2></h>’]
有時希望它匹配出<h1></h>,<h2></h>兩個結果，這時就可以用非貪婪模式了。只要在*或.后面加上?。
例9：
>>>import re;
>>>p=re.compile('<h.*?></h>');
>>>m=p.findall('<h1></h><h2></h>')
>>>print m;
[‘<h1></h>’,’<h2></h>’]
5. 前向定界符和后向定界符
如果先匹配模式A,在匹配模式B,可以使用A(?=B),如果先匹配模式A,而且希望后面沒有B,可以使用A(?!B).
例10：
>>>import re;
>>>s=”ab2cd”
>>>m=re.search(“ab2(?=cd)”,s);
>>>print m.group();
ab2cd
例11：
>>>import re;
>>>s='ab2cd'
>>>m=re.search('ab2(?!cd)',s);
>>>print m
None
類似地，如果匹配模式B,同時在其前面要有模式A，可以使用(?<=A)B的形式，
如果匹配模式B，同時在其前面沒有模式A，可以使用(?<!A)B的形式
例12：
>>>import re;
>>>s=”ab2cd”;
>>>m=re.search(‘(?<=ab2)cd’,s)
>>>print m.group()
cd
例13：
>>>import re
>>>string= "ab2cd">>>pattern = re.search(r'(?<!ab2)cd',string)
>>>print pattern;
None