|
作者：Vamei 出處：http://www.cnblogs.com/vamei 歡迎轉(zhuǎn)載，也請保留這段聲明。謝謝！
我將從正則表達式開始講Python的標準庫。正則表達式是文字處理中常用的工具，而且不需要額外的系統(tǒng)知識或經(jīng)驗。我們會把系統(tǒng)相關(guān)的包放在后面講解。
正則表達式(regular expression)主要功能是從字符串(string)中通過特定的模式(pattern)，搜索想要找到的內(nèi)容。 語法之前，我們簡介了字符串相關(guān)的處理函數(shù)。我們可以通過這些函數(shù)實現(xiàn)簡單的搜索功能，比如說從字符串“I love you”中搜索是否有“you”這一子字符串。但有些時候，我們只是模糊地知道我們想要找什么，而不能具體說出我是在找“you”，比如說，我想找出字符串中包含的數(shù)字，這些數(shù)字可以是0到9中的任何一個。這些模糊的目標可以作為信息寫入正則表達式，傳遞給Python，從而讓Python知道我們想要找的是什么。 在Python中使用正則表達式需要標準庫中的一個包re。 import re
m = re.search('[0-9]','abcd4ef')
print(m.group(0))
re.search()接收兩個參數(shù)，第一個'[0-9]'就是我們所說的正則表達式，它告訴Python的是，“聽著，我從字符串想要找的是從0到9的一個數(shù)字字符”。 re.search()如果從第二個參數(shù)找到符合要求的子字符串，就返回一個對象m，你可以通過m.group()的方法查看搜索到的結(jié)果。如果沒有找到符合要求的字符，re.search()會返回None。
如果你熟悉Linux或者Perl, 你應(yīng)該已經(jīng)熟悉正則表達式。當(dāng)我們打開Linux shell的時候，可以用正則表達式去查找或著刪除我們想要的文件，比如說： $rm book[0-9][0-9].txt 這就是要刪除類似于book02.txt的文件。book[0-9][0-9].txt所包含的信息是，以book開頭，后面跟兩個數(shù)字字符，之后跟有".txt"的文件名。如果不符合條件的文件名，比如說: bo12.txt book1.txt book99.text 都不會被選中。 Perl中內(nèi)建有正則表達式的功能，據(jù)說是所有正則表達式系統(tǒng)中最強的，這也是Perl成為系統(tǒng)管理員利器的一個原因。
正則表達式的函數(shù)m = re.search(pattern, string) # 搜索整個字符串，直到發(fā)現(xiàn)符合的子字符串。
m = re.match(pattern, string) # 從頭開始檢查字符串是否符合正則表達式。必須從字符串的第一個字符開始就相符。
可以從這兩個函數(shù)中選擇一個進行搜索。上面的例子中，我們?nèi)绻褂胷e.match()的話，則會得到None，因為字符串的起始為‘a(chǎn)’， 不符合'[0-9]'的要求。 對于返回的m, 我們使用m.group()來調(diào)用結(jié)果。（我們會在后面更詳細解釋m.group()）
我們還可以在搜索之后將搜索到的子字符串進行替換： str = re.sub(pattern, replacement, string)
此外，常用的正則表達式函數(shù)還有 re.split() # 根據(jù)正則表達式分割字符串， 將分割后的所有子字符串放在一個表(list)中返回 re.findall() # 根據(jù)正則表達式搜索字符串，將所有符合的子字符串放在一給表(list)中返回
(在熟悉了上面的函數(shù)后，可以看一下re.compile()，以便于提高搜索效率。)
寫一個正則表達式關(guān)鍵在于將信息寫成一個正則表達式。我們先看正則表達式的常用語法： 1）單個字符: . 任意的一個字符 a|b 字符a或字符b [afg] a或者f或者g的一個字符 [0-4] 0-4范圍內(nèi)的一個字符 [a-f] a-f范圍內(nèi)的一個字符 [^m] 不是m的一個字符 \s 一個空格 \S 一個非空格 \d [0-9] \D [^0-9] \w [0-9a-zA-Z] \W [^0-9a-zA-Z]
2）重復(fù) 緊跟在單個字符之后，表示多個這樣類似的字符 * 重復(fù) >=0 次 + 重復(fù) >=1 次 重復(fù) 0或者1 次 {m} 重復(fù)m次。比如說 a{4}相當(dāng)于aaaa，再比如說[1-3]{2}相當(dāng)于[1-3][1-3] {m, n} 重復(fù)m到n次。比如說a{2, 5}表示a重復(fù)2到5次。小于m次的重復(fù)，或者大于n次的重復(fù)都不符合條件。
正則表達 相符的字符串舉例 [0-9]{3,5} 9678 a?b b a+b aaaaab
3) 位置 ^ 字符串的起始位置 $ 字符串的結(jié)尾位置
正則表達 相符的字符串舉例 不相符字符串 ^ab.*c$ abeec cabeec (如果用re.search(), 將無法找到。)
我們有可能對搜索的結(jié)果進行進一步精簡信息。比如下面一個正則表達式： output_(\d{4}) 該正則表達式用括號()包圍了一個小的正則表達式，\d{4}。 這個小的正則表達式被用于從結(jié)果中篩選想要的信息（在這里是四位數(shù)字）。這樣被括號圈起來的正則表達式的一部分，稱為群(group)。 import re
m = re.search("output_(\d{4})", "output_1986.txt")
print(m.group(1))
我們還可以將群命名，以便更好地使用m.group查詢: import re
m = re.search("output_(?P<year>\d{4})", "output_1986.txt") #(?P<name>...) 為group命名
print(m.group("year"))
練習(xí)
總結(jié)re.search() re.match() re.sub() re.findall() 正則表達式構(gòu)成方法
|
|
|
