本文讲述了python实现的正则表达式功能。分享给大家供大家参考,具体如下:
前文:
首先,什么叫正则表达式(Regular Expression)?
例如我们要判断字符串"adi_e32fv,Ls"里面是否含有子串"e32f",又例如我们在一个含百万个姓名的txt文件中找姓“王”,名字以“五”结尾的名字,然后打印出来。结果为:“王五”、“王小五”、“王大五”、“王小小五”……
以前我们是使用字符串函数来查找的,但是代码实现起来会很复杂。如今用正则表达式只需要一句 re.findall('王.*?五',txt1) 就可以了!正则表达式是写网络爬虫的最基本的知识,可以用正则表达式在html中搜集满足某些字串要求的网址。下面是个人对正则表达式基础知识的一些总结。
(操作环境:32位Win8系统,运行工具:python2.7.9+Eclipse.)
正文:
1、首先要导入python的re模块。
2、元字符 . ^ $ * + ? {} [] \ | ()
re模块中的findall(str1,str2)方法返回字串str2中匹配str1格式的字串。例如在字符串'dit dot det,dct dit dot'中匹配'dit'结果为:
1
2
|
str1 = 'dit dot det,dct dit dot' print re.findall( 'dit' ,str1) |
结果:
1
|
[ 'dit' , 'dit' ] |
|作用:'dit|dct'表示dit或者dct。
1
2
|
str1 = 'dit dot det,dct dit dot' print re.findall( 'dit|dct' ,str1) |
结果:
1
|
[ 'dit' , 'dct' , 'dit' ] |
[]作用:[ic]表示i或c,例如'd[ic]t'表示dit和dct两者,和'dit|dct'等价:
1
2
|
str1 = 'dit dot det,dct dit dot' print re.findall( 'd[ic]t' ,str1) |
结果:
1
|
[ 'dit' , 'dct' , 'dit' ] |
^作用一:[^ic]中^表示否定,即除了i和c:
1
2
|
str1 = 'dit dot det,dct dit dot' print re.findall( 'd[^ic]t' ,str1) |
结果:
1
|
[ 'dot' , 'det' , 'dot' ] |
^作用二:^dit表示子串dit在开头位置,而dct不是在开头:
1
2
3
|
str1 = 'dit dot det,dct dit dot' print re.findall( '^dit' ,str1) print re.findall( '^dct' ,str1) |
结果:
1
|
[ 'dit' ][] |
$作用:dot$表示子串dot要在末尾位置,而dct不是在末尾:
1
2
3
|
str1 = 'dit dot det,dct dit dot' print re.findall( 'dot$' ,str1) print re.findall( 'dct$' ,str1) |
结果:
1
|
[ 'dot' ][] |
.作用:d.t表示d与t之间省略了一个任意字符:
1
2
|
str1 = 'dit dot det,dct dit dot' print re.findall( 'd.t' ,str1) |
结果:
1
|
[ 'dit' , 'dot' , 'det' , 'dct' , 'dit' , 'dot' ] |
+作用:di+t表示d与t之间省略了一个或多个'i':
1
2
|
str1 = 'd dt dit diit det' print re.findall( 'd.+t' ,str1) |
结果:
1
|
[ 'dit' , 'diit' ] |
*作用:di*t表示d与t之间省略了零个至多个'i':
1
2
|
str1 = 'd dt dit diit det' print re.findall( 'd.*t' ,str1) |
结果:
1
|
[ 'dt' , 'dit' , 'diit' ] |
经常,'.'和'+'或者'*'搭配使用。'.+'表示省略了一个至多个任意元素,'.*'表示省略了零个至多个任意元素:
1
2
3
|
str1 = 'd dt dit diit det' print re.findall( 'd.+t' ,str1) print re.findall( 'd.*t' ,str1) |
结果:
1
|
[ 'd dt dit diit det' ][ 'd dt dit diit det' ] |
?作用一:看.+的匹配结果,'dit'、'dot'也满足'd.+t'的匹配条件,而输出的却是满足匹配条件的最长子串'dit dot det,dct dit dot',这个叫贪婪匹配。如果要输出最短的匹配字串,只需在'+'后面加上'?':(注:对于'*'也是一样,只需在'*'后面加上'?')
1
2
|
str1 = 'd dt dit diit det' print re.findall( 'd.+?t' ,str1) |
结果:
1
|
[ 'dit' , 'dot' , 'det' , 'dct' , 'dit' , 'dot' ] |
?作用二:di?t表示i可有可无,即dt、dit都满足匹配条件:
1
2
|
str1 = 'd dt dit diit det' print re.findall( 'di?t' ,str1) |
结果:
1
|
[ 'dt' , 'dit' ] |
{}作用一:di{n}t表示d和t之间有n个'i':
1
2
|
str1 = 'dt dit diit diiit diiiit' print re.findall( 'di{2}t' ,str1) |
结果:
1
|
[ 'diit' ] |
{}作用二:di{n,m}t表示d和t之间有n到m个'i':
1
2
|
str1 = 'dt dit diit diiit diiiit' print re.findall( 'di{1,3}t' ,str1) |
结果:
1
|
[ 'dit' , 'diit' , 'diiit' ] |
其中,n和m都是可以省略的。{n,}表示n个到任意个;{,m}表示0个到m个;{,}表示任意个,和'*'功能一样:
1
2
3
4
|
str1 = 'dt dit diit diiit diiiit' print re.findall( 'di{1,}t' ,str1) print re.findall( 'di{,3}t' ,str1) print re.findall( 'di{,}t' ,str1) |
结果:
1
2
3
|
[ 'dit' , 'diit' , 'diiit' , 'diiiit' ] [ 'dt' , 'dit' , 'diit' , 'diiit' ] [ 'dt' , 'dit' , 'diit' , 'diiit' , 'diiiit' ] |
\作用一:取消元字符,变成转义字符:
1
2
3
|
str1 = '^abc ^abc' print re.findall( '^abc' ,str1) print re.findall( '\^abc' ,str1) |
结果:
1
|
[][ '^abc' , '^abc' ] |
\作用二:预定义字符
1
2
3
|
str1 = '12 abc 345 efgh' print re.findall( '\d+' ,str1) print re.findall( '\w+' ,str1) |
结果:
1
2
|
[ '12' , '345' ] [ '12' , 'abc' , '345' , 'efgh' ] |
()作用:在匹配字符串后,只输出匹配字串'()'里面的内容:
1
2
3
4
|
str1 = '12abcd34' print re.findall( '12abcd34' ,str1) print re.findall( '1(2a)bcd34' ,str1) print re.findall( '1(2a)bc(d3)4' ,str1) |
结果:
1
2
3
|
[ '12abcd34' ] [ '2a' ] [( '2a' , 'd3' )] |
3、re模块里的主要方法:findall()、finditer()、match()、search()、compile()、split()、sub()、subn()。
re.findall(pattern,string,flags = 0)
作用:在string中从左往右搜索与pattern匹配的字串,结果以list形式返回。
1
2
|
str1 = 'ab cd' print re.findall( '\w+' ,str1) |
结果:['ab', 'cd']
re.finditer(pattern,string,flags = 0)
作用:其功能与re.findall相同,但结果以迭代器的形式返回。
1
2
3
4
|
str1 = 'ab cd' iter1 = re.finditer( '\w+' ,str1) for a in iter1: print a.group(),a.span() |
结果:
ab (0, 2)
cd (3, 5)
(注:a.group()返回满足匹配调节的字串,a.span()返回字串的起始位置和末尾位置)
re.search(pattern,string,flags = 0)
作用:在string中从左往右搜索与pattern匹配的字串,无匹配结果则返回None,否则返回一个search实例。
1
2
3
4
5
6
|
str1 = 'ab cd' result = re.search( 'cd' ,str1) if result = = None : print 'None' else : print result.group(),result.start(),result.end() |
结果:cd 3 5
re.match(pattern,string,flags = 0)
作用:判断string的头部是否与pattern匹配,是则返回match实例,否则返回None。
1
2
3
4
5
6
|
str1 = 'ab cd' result = re.match( 'cd' ,str1) if result = = None : print 'None' else : print result.group(),result.start(),result.end() |
结果:None
re.compile(pattern,flags = 0)
作用:对匹配格式pattern进行编译,返回一个实例对象。对正则表达式先编译,可以大幅提高匹配速度。
1
2
3
|
str1 = 'ab cd' pre = re. compile ( 'ab' ) print pre.findall(str1) |
结果:['ab']
re.split(pattern,string,maxsplit = 0,flags = 0)
作用:在string匹配pattern的时候做分割:
1
2
3
4
|
str1 = 'ab.c.de' str2 = '12+34-56*78/90' print re.split( '\.' ,str1) print re.split( '[\+\-\*/]' ,str2) |
结果:
['ab', 'c', 'de']
['12', '34', '56', '78', '90']
re.sub(pattern,repl,string,count = 0,flags = 0)
作用:在string当中把满足pattern正则的字串替换成repl:
1
2
|
str1 = 'abcde' print re.sub( 'bc' , '123' ,str1) |
结果:a123de
re.subn(pattern,repl,string,count = 0,flags = 0)
作用:其功能与re.sub()相同,但返回的结果多了一个数字,代表替换了多少次
1
2
|
str1 = 'abcdebce' print re.subn( 'bc' , '123' ,str1) |
结果:('a123de123e', 2)
希望本文所述对大家Python程序设计有所帮助。