1、查找文本中的模式

search()函数取模式和要扫描的文本作为输入,找到这个模式时就返回一个match对象。如果没有找到模式,search()就返回None。

每个match对象包含有关匹配性质的信息,包含原输入字符串,所使用的正则表达式以及模式在原字符串出现的位置。

import re

pattern = 'this'
text = 'Does this text match the pattern?' match = re.search(pattern, text) s = match.start()
e = match.end() print('Found "{}"\nin "{}"\nfrom {} to ("{}")'.format(match.re.pattern, match.string, s, e, text[s:e])) _____________________输出___________________________________________
Found "this"
in "Does this text match the pattern?"
from 5 to ("9")

start()和end()方法可以提供字符串中的相应索引,指示与模式匹配的文本在字符串中出现的位置。

2、编译表达式

尽管re包括模块级函数,可以处理作为文本字符串的正则表达式,但是对于程序频繁使用的表达式而言,编译它们会更为高效。compile()函数会把一个表达式字符串转换为一个Regex0bject。

import re

regexes = [
re.compile(p)
for p in ['this', 'that']
]
text = 'Does this text match the pattern?' print('Text: {!r}\n'.format(text)) for regex in regexes:
print('Seeking "{}" ->'.format(regex.pattern),end=' ') if regex.search(text):
print('match')
else:
print('no match') _________________________输出_________________________________ Text: 'Does this text match the pattern?' Seeking "this" -> match
Seeking "that" -> no match

模块级函数会维护一个包含已编译表达式的缓存,不过这个缓存的大小是有限的,另外直接使用已编译表达式可以避免与缓存查找相关的开销。使用已编译表达式的另一个好处为,通过在加载模块时预编译所有的表达式,可以把编译工作转移到应用开始时,而不是当程序响应一个用户动作时才编译。

3、多重匹配

使用search()来查找字面量文本字符串的单个实例,findall()函数会返回输入中与模式匹配而且不重叠的所有子串。

import re

text = 'abbaaabbbbaaaaaa'

pattern = 'ab'

for match in re.findall(pattern, text):
print('Found {!r}'.format(match)) _______________________输出_____________________
Found 'ab'
Found 'ab'

finditer()返回一个迭代器,它会生成Match实例,而不是像findall()那样返回字符串。

import re

text = 'abbaaabbbbaaaaaa'

pattern = 'ab'

for match in re.finditer(pattern, text):
s = match.start()
e = match.end()
print('Found {!r} at {:d}:{:d}'.format(text[s:e],s,e)) _______________________输出_______________________________
Found 'ab' at 0:2
Found 'ab' at 5:7

4、模式语法

正则表达式还支持更加强大的模式。模式可以重复,可以锚定到输入中不同的逻辑位置,可以用紧凑的形式表述而不需要在模式中提取每一个重复的字符

import re

def test_pattern(text,patterns):
for pattern, desc in patterns:
print("'{}' ({})\n".format(pattern,desc))
print(" '{}'".format(text))
for match in re.finditer(pattern, text):
s = match.start()
e = match.end()
substr = text[s:e]
n_backslashes = text[:s].count('\\')
prefix = '.' * (s+n_backslashes)
print(" {}'{}'".format(prefix,substr))
print()
return if __name__ == "__main__":
test_pattern('abbaaabbbbaaaaaa',[('ab',"'a' follow by 'b'"),]) ________________________输出_______________________________________
'ab' ('a' follow by 'b') 'abbaaabbbbaaaaaa'
'ab'
.....'ab'

输出显示输入文本以及输入中与模式匹配的各个部分的子串区间。

重复

模式中有5种表示重复的方法。模式后面如果有元字符*,则表示重复0次或多次(允许一个模式重复0次是指这个模式即使不出现也可以匹配)。如果把*替换为+,那么模式必须至少出现一次才能匹配。使用?表示模式出现0次或1次。如果要制定出现次数,需要在模式后面使用{m},m表示模式应重复的次数。最后,如果要允许一个可变但有限的重复次数,那么可以使用{m,n},这里m是最少重复次数,n是最大重复次数。如果省略n({m,}),则表示值必须至少出现m次,但没有最大限制。

test_pattern('abbaabbba',[('ab*','a followed by zero or more b'),
('ab+','a followed by one or more b'),
('ab?','a followed by zero or one b'),
('ab{3}','a followed by three b'),
('ab{2,3}','a followed by two or three b')],
) __________________________输出__________________________________ 'ab*' (a followed by zero or more b) 'abbaabbba'
'abb'
...'a'
....'abbb'
........'a' 'ab+' (a followed by one or more b) 'abbaabbba'
'abb'
....'abbb' 'ab?' (a followed by zero or one b) 'abbaabbba'
'ab'
...'a'
....'ab'
........'a' 'ab{3}' (a followed by three b) 'abbaabbba'
....'abbb' 'ab{2,3}' (a followed by two or three b) 'abbaabbba'
'abb'
....'abbb'

处理重复指令时,re在匹配模式时通常会尽可能多地消费输入。这种像“贪心”的行为可能会导致单个匹配减少,或匹配结果包含比预想更多的输入文本。可以在重复指令后面加?来关闭贪心行为。

test_pattern('abbaabbba',[('ab*?','a followed by zero or more b'),
('ab+?','a followed by one or more b'),
('ab??','a followed by zero or one b'),
('ab{3}?','a followed by three b'),
('ab{2,3}?','a followed by two or three b')],
) ______________________________输出________________________________ 'ab*?' (a followed by zero or more b) 'abbaabbba'
'a'
...'a'
....'a'
........'a' 'ab+?' (a followed by one or more b) 'abbaabbba'
'ab'
....'ab' 'ab??' (a followed by zero or one b) 'abbaabbba'
'a'
...'a'
....'a'
........'a' 'ab{3}?' (a followed by three b) 'abbaabbba'
....'abbb' 'ab{2,3}?' (a followed by two or three b) 'abbaabbba'
'abb'
....'abb'

字符集

字符集是一组字符,包含可以与模式中当前位置匹配的所有字符。例如,[a,b]可以匹配为a或b

test_pattern('abbaabbba',[('[ab]','either a or b'),
('a[ab]+','a followed by one or more a or b'),
('a[ab]+?','a followed by one or more a or b, not greedy')],
) ________________________________输出__________________________________________
'[ab]' (either a or b) 'abbaabbba'
'a'
.'b'
..'b'
...'a'
....'a'
.....'b'
......'b'
.......'b'
........'a' 'a[ab]+' (a followed by one or more a or b) 'abbaabbba'
'abbaabbba' 'a[ab]+?' (a followed by one or more a or b, not greedy) 'abbaabbba'
'ab'
...'aa'

尖字符(^)代表要查找不在这个尖字符后面的集合中的字符

test_pattern('This is some text -- with punctuation',[('[^-. ]+','sequences without -, ., or space')],)

__________________________________输出__________________________________
'[^-. ]+' (sequences without -, ., or space) 'This is some text -- with punctuation'
'This'
.....'is'
........'some'
.............'text'
.....................'with'
..........................'punctuation'

利用字符区间来定义一个字符集

test_pattern('This is some text -- with punctuation',
[('[a-z]+','sequences of lowercase letters'),
('[A-Z]+','sequences of uppercase letters'),
('[a-zA-Z]+','sequences of lower- or uppercase letters'),
('[a-z][A-Z]+','one uppercase followed by lowercase')],
) ————————————————————————————————————输出————————————————————————————————————
'[a-z]+' (sequences of lowercase letters) 'This is some text -- with punctuation'
.'his'
.....'is'
........'some'
.............'text'
.....................'with'
..........................'punctuation' '[A-Z]+' (sequences of uppercase letters) 'This is some text -- with punctuation'
'T' '[a-zA-Z]+' (sequencesof lower- or uppercase letters) 'This is some text -- with punctuation'
'This'
.....'is'
........'some'
.............'text'
.....................'with'
..........................'punctuation' '[a-z][A-Z]+' (one uppercase followed by lowercase) 'This is some text -- with punctuation'

元字符点号(.)指示模式应当匹配该位置的单个字符

test_pattern('This is some text -- with punctuation',
[('a.','a followed by any one character'),
('b.','b follwed by any one character'),
('a.*b','a followed by anything ending in b'),
('a.*?b','a followed by anything, ending in b')],
) ____________________________输出_____________________________________
'a.' (a followed by any one character) 'This is some text -- with punctuation'
................................'at' 'b.' (b follwed by any one character) 'This is some text -- with punctuation' 'a.*b' (a followed by anything ending in b) 'This is some text -- with punctuation' 'a.*?b' (a followed by anything, ending in b) 'This is some text -- with punctuation'

转义码

转义码 含义
\d

数字

\D

非数字

\s 空白符(制表符、空格、换行等)
\S 非空白符
\w

字母数字

\W 非字母数字
test_pattern('A prime #1 example!',
[(r'\d+','sequence of digits'),
(r'\D+','sequence of non-digits'),
(r'\s+','sequence of whitespqce'),
(r'\S+','sequence of non-whitespqce'),
(r'\w+','alphanumeric characters'),
(r'\W+','non-alphanumeric'],
) ___________________________输出_______________________________
'\d+' (sequence of digits) 'A prime #1 example!'
.........'1' '\D+' (sequence of non-digits) 'A prime #1 example!'
'A prime #'
..........' example!' '\s+' (sequence of whitespqce) 'A prime #1 example!'
.' '
.......' '
..........' ' '\S+' (sequence of non-whitespqce) 'A prime #1 example!'
'A'
..'prime'
........'#1'
...........'example!' '\w+' (alphanumeric characters) 'A prime #1 example!'
'A'
..'prime'
.........'1'
...........'example' '\W+' (non-alphanumeric) 'A prime #1 example!'
.' '
.......' #'
..........' '
..................'!'

要匹配正则表达式语法中包含的字符,需要转义搜索模式中的字符。

test_pattern(r'\d+ \D+ \s+',[(r'\\.\+','escape code')],)

________________________输出_____________________________
'\\.\+' (escape code) '\d+ \D+ \s+'
'\d+'
.....'\D+'
..........'\s+'

锚定

可以使用锚定指令指定模式在输入文本中的相对位置。

正则表达式锚定码

锚定码 含义
^ 字符串或行开头
$ 字符串或行末尾
\A 字符串开头
\Z 字符串末尾
\b 单词开头或末尾的空串
\B 不在的单词开头或末尾的空串
test_pattern('This is some text -- with punctuation',
[(r'^\w+','word at start of string'),
(r'\A\w+','word at start of string'),
(r'\w+\S*$','word near end of string'),
(r'\w+\S*\Z','word near end of string'),
(r'\bt\w+','t at end of word'),
(r'\Bt\B','not start or end of word')],
) _____________________________输出__________________________________
'^\w+' (word at start of string) 'This is some text -- with punctuation'
'This' '\A\w+' (word at start of string) 'This is some text -- with punctuation'
'This' '\w+\S*$' (word near end of string) 'This is some text -- with punctuation'
..........................'punctuation' '\w+\S*\Z' (word near end of string) 'This is some text -- with punctuation'
..........................'punctuation' '\bt\w+' (t at end of word) 'This is some text -- with punctuation'
.............'text' '\Bt\B' (not start or end of word) 'This is some text -- with punctuation'
.......................'t'
..............................'t'
.................................'t'

Python正则表达式的re库一些用法(上)的更多相关文章

  1. python正则表达式与Re库

    正则表达式是用来简洁表达一组字符串的表达式,一行胜千言,有点类似于数列的通项公式. 在python中提供了re库(regular expression)即正则表达式库,内置于python的标准库中,导 ...

  2. 【Python】http.client库的用法

    代码: # http.client测试,该库较底层,不常用 import http.client conn=None try: conn=http.client.HTTPSConnection(&qu ...

  3. Python正则表达式如何进行字符串替换实例

    Python正则表达式如何进行字符串替换实例 Python正则表达式在使用中会经常应用到字符串替换的代码.有很多人都不知道如何解决这个问题,下面的代码就告诉你其实这个问题无比的简单,希望你有所收获. ...

  4. Python正则表达式Regular Expression基本用法

    资料来源:http://blog.csdn.net/whycadi/article/details/2011046   直接从网上资料转载过来,作为自己的参考.这个写的很清楚.先拿来看看. 1.正则表 ...

  5. (转)Python爬虫利器一之Requests库的用法

    官方文档 以下内容大多来自于官方文档,本文进行了一些修改和总结.要了解更多可以参考 官方文档 安装 利用 pip 安装 $ pip install requests 或者利用 easy_install ...

  6. python爬虫---selenium库的用法

    python爬虫---selenium库的用法 selenium是一个自动化测试工具,支持Firefox,Chrome等众多浏览器 在爬虫中的应用主要是用来解决JS渲染的问题. 1.使用前需要安装这个 ...

  7. Python爬虫利器一之Requests库的用法

    前言 之前我们用了 urllib 库,这个作为入门的工具还是不错的,对了解一些爬虫的基本理念,掌握爬虫爬取的流程有所帮助.入门之后,我们就需要学习一些更加高级的内容和工具来方便我们的爬取.那么这一节来 ...

  8. 【归纳】正则表达式及Python中的正则库

    正则表达式 正则表达式30分钟入门教程 runoob正则式教程 正则表达式练习题集(附答案) 元字符\b代表单词的分界处,在英文中指空格,标点符号或换行 例子:\bhi\b可以用来匹配hi这个单词,且 ...

  9. Python爬虫:数据分析小能手:JSON库的用法

    JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式,易于人阅读和编写. 给大家推荐一个Python交流的q裙,大家在学习遇到了什么问题都可以进群一起交流,大家 ...

随机推荐

  1. Summary on deep learning framework --- Torch7

    Summary on deep learning framework --- Torch7  2018-07-22 21:30:28 1. 尝试第一个 CNN 的 torch版本, 代码如下: -- ...

  2. scala链接mysql

    方法一:链接并操作mysql //链接Mysqlval driver = "com.mysql.jdbc.Driver"val url = "jdbc:mysql://1 ...

  3. 安装与配置apache WEB服务器(Linux环境)

    Linux环境下安装一个软件的方式多数为两种: 1.通过命令从远程源下载自动默认安装 2.编译安装 第一种较为简单,直接通过 yum 或者 apt-get 直接安装即可,但是对我来说,编译安装可能更加 ...

  4. 容器中的诊断与分析2——live diagnosis——perf

    Linux下的内核测试工具——perf使用简介 系统级性能分析工具 — Perf linux perf - 性能测试和优化工具:示例&应用 从2.6.31内核开始,linux内核自带了一个性能 ...

  5. vue-router使用 看着篇就够了

    官网地址:https://router.vuejs.org/zh/ 先来个自我介绍吧,我就是你们口中的路由,我的作用就是告诉你们怎么到达某地,比如你想去一个地方(前提是这个地方是已经存在的)我会查询我 ...

  6. JQ清空select的已选择状态

    $('#payment').find("option:selected").attr("selected", false);

  7. Tomcat 提示 HTTP Status 500 – Internal Server Error

    错误信息: HTTP Status 500 – Internal Server Error Type Exception Report Message Error instantiating serv ...

  8. Git仓库删除大文件

    Git仓库删除大文件 背景 当用Git久了,难免会手误或临时添加一些大文件到仓库中,即使以后添加进了.gitignore,甚至做了git rm,但是Git为了保证版本可回退,history pack里 ...

  9. _spellmod_aura_pct_on_stat

    为玩家添加属性转换光环 `comment` 备注 `aura`光环ID `auraType1` 选择添加('治疗效果','法术强度','近战攻击强度','远程攻击强度','空')  `statType ...

  10. IDEA 介绍

    转载:https://blog.csdn.net/kanchaishaonian/article/details/81107210 前言:IntelliJ IDEA 如果说IntelliJ IDEA是 ...