【Python基础学习篇十】Python正则表达式（2015-01-01）

一、正则表达式简介

正则表达式用于文本匹配的工具，在源字符串中查找与给定的正则表达式相匹配的部分。一个正则表达式是由字母、数字和特殊字符组成的。正则表达式中有许多特殊的字符，这些特殊字符是构成正则表达式的要素。

1、正则表达式中的特殊字符：

2、正则表达式中的常用限定符：

利用{}可以控制字符重复的次数。

例如，\d{1,4}表示1位到3位的数字；

某些地区的电话号码是8位数，区号也有可能是3位或4位数字。

\d{3}-\d{8}|\d{4}-\d{7}

 

3、限定符与“？”的组合

 

二、使用sys.re模块处理正则表达式

Python的re模块具有正则表达式匹配的功能。re模块提供了一些根据正则表达式进行查找、替换、分隔字符串的函数，这些函数使用一个正则表达式作为第一个参数。

re模块常用的函数如下：

注意：

match()必须从字符串的第0个索引位置处开始搜索。如果第0个索引位置的字符不匹配，match()的匹配就会失败。

re模块的一些函数都有一个flags参数，该参数用于设置匹配的附加选项。例如，是否忽略大小写、是否支持多行匹配等。

re模块的规则选项

re模块定义了一些常量来表示这些选项，使用前导符号“re.”加选项的简写或名称的方式表示某个常量。例如，re.I或re.IGNORECASE表示忽略大小写。

正则表达式中有3种间隔符号：“^”、“$”和“\b”。

“^”匹配字符串首部的子串；

“$”匹配结束部分的子串；

“\b”用于分隔单词

例子：

#!/usr/bin/env python
# -*- coding=utf-8 -*-
#Using GPL v2.7
#Author: [email protected]
#间隔符在Python中的使用方法
import re
s = "HELLO WORLD"
print re.findall(r"^hello",s)
print re.findall(r"^hello",s,re.I)
print re.findall("WORLD$",s)
print re.findall(r"wORLD$",s,re.I)
print re.findall(r"\b\w+\b",s)

输出结果：

---------- python2.7 ----------
[]
['HELLO']
['WORLD']
['WORLD']
['HELLO', 'WORLD']

输出完成 (耗时 0 秒) - 正常终止

例子：

使用re模块的sub()实现字符串的替代功能。

#!/usr/bin/env python
# -*- coding=utf-8 -*-
#Using GPL v2.7
#Author: [email protected]

import re
s = "hello world"
print re.sub("hello","hi",s)
print re.sub("hello","hi",s[-4:])
print re.sub("world","China",s[-5:])

输出结果：

---------- python2.7 ----------
hi world
orld
China

输出完成 (耗时 0 秒) - 正常终止

注意：

sub()先创建变量s的拷贝，然后在拷贝中替换字符串，并不会改变变量s的内容。

subn()功能与sub()相同，但是多返回1个值，即匹配后的替换次数。

例子：

subn()对字符串的替换以及正则表达式中特殊字符的使用方法。

#!/usr/bin/env python
# -*- coding=utf-8 -*-
#Using GPL v2.7
#Author: [email protected]
# 特殊字符的使用
import re

s = "你好 WORLD2"
print "匹配字母数字：" + re.sub(r"\w", "hi", s)
print "替换次数：" + str(re.subn(r"\w", "hi", s)[1])
print "匹配非字母数字的字符：" + re.sub(r"\W", "hi", s) 
print "替换次数：" + str(re.subn(r"\W", "hi", s)[1])
print "匹配空白字符：" + re.sub(r"\s", "*", s)  
print "替换次数：" + str(re.subn(r"\s", "*", s)[1])
print "匹配非空白字符：" + re.sub(r"\S", "hi", s) 
print "替换次数：" + str(re.subn(r"\S", "hi", s) [1])
print "匹配数字：" + re.sub(r"\d", "2.0", s)
print "替换次数：" + str(re.subn(r"\d", "2.0", s)[1])
print "匹配非数字：" + re.sub(r"\D", "hi", s) 
print "替换次数：" + str(re.subn(r"\D", "hi", s)[1])
print "匹配任意字符：" + re.sub(r".", "hi", s)  
print "替换次数：" + str(re.subn(r".", "hi", s)[1])

输出结果：

---------- python2.7 ----------
匹配字母数字：你好 hihihihihihi
替换次数：6
匹配非字母数字的字符：hihihihihiWORLD2
替换次数：5
匹配空白字符：你好*WORLD2
替换次数：1
匹配非空白字符：hihihihi hihihihihihi
替换次数：10
匹配数字：你好 WORLD2.0
替换次数：1
匹配非数字：hihihihihihihihihihi2
替换次数：10
匹配任意字符：hihihihihihihihihihihi
替换次数：11

输出完成 (耗时 0 秒) - 正常终止

例子：

实现电话号码的匹配

#!/usr/bin/env python
# -*- coding=utf-8 -*-
#Using GPL v2.7
#Author: [email protected]
# 特殊字符的使用
import re

# 限定符的使用
tel1 = "0791-1234567"
print re.findall(r"\d{3}-\d{8}|\d{4}-\d{7}", tel1)
tel2 = "010-12345678"
print re.findall(r"\d{3}-\d{8}|\d{4}-\d{7}", tel2)
tel3 = "(010)12345678"
print re.findall(r"[\(]?\d{3}[\)-]?\d{8}|[\(]?\d{4}[\)-]?\d{7}", tel3)
print re.findall(r"a.*?c", "abcabc")

输出结果：

---------- python2.7 ----------
['0791-1234567']
['010-12345678']
['(010)12345678']
['abc', 'abc']

输出完成 (耗时 0 秒) - 正常终止

正则表达式的解析十分费时，如果多次使用findall()的方式匹配字符串，搜索效率可能比较低。如果要多次使用同一规则匹配字符串，可以使用compile()函数进行预编译，compile函数返回1个pattern对象。该对象拥有一系列方法用于查找、替换或扩展字符串，从而提高字符串的匹配速度。

pattern对象的属性和方法。

例子：

在1个字符串中查找多个数字，使用compile()函数以提高查找的效率。

#!/usr/bin/env python
# -*- coding=utf-8 -*-
#Using GPL v2.7
#Author: [email protected]
# 特殊字符的使用
import re

# compile()预编译
s = "1abc23def45"
p = re.compile(r"\d+")
print p.findall(s)
print p.pattern

输出结果：

---------- python2.7 ----------
['1', '23', '45']
\d+

输出完成 (耗时 0 秒) - 正常终止

函数compile()通常与match()、search()、group()一起使用，对含有分组的正则表达式进行解析。正则表达式的分组从左往右开始计数，第1个出现的圆括号标记为第1组，依次类推。此外还有0号组，0号组用于存储匹配整个正则表达式的结果。match()和search()将返回1个match对象，match对象提供了一系列的方法和属性来管理匹配的结果。

match对象的方法和属性

例子：

#!/usr/bin/env python
# -*- coding=utf-8 -*-
#Using GPL v3.3
#Author: [email protected]

import re
p = re.compile(r"(abc)\1")
m = p.match("abcabcabc")
print m.group(0)
print m.group(1)
print m.group()

p = re.compile(r"(?P<one>abc)(?P=one)")
m = p.search("abcabcabc")
print m.group(0)
print m.group("one")
print m.groupdict().keys()
print m.groupdict().values()

输出结果：

---------- python2.7 ----------
abcabc
abc
abcabc
abcabc
abc
['one']
['abc']

输出完成 (耗时 0 秒) - 正常终止