Python中的正規表示式（2）

學習過最簡單的正規表示式的規則後，如何在實際中運用呢？python中的re模組提供了正規表示式引擎的介面，允許使用者將表示式編譯成物件，然後再進行匹配。

將正規表示式編譯成格式物件，此物件含有不同的操作函式，如查詢或子串替換等。

>>> import re

>>> p = re.compile('ab*')

>>> print p

<_sre.sre_pattern object at 0x...>

re.compile()也可以接受乙個可選的引數flag，來選擇不同的特殊功能和語法變體。我們先執行乙個例子，再來講解flag的設定：

>>> p = re.compile('ab*', re.ignorecase)

將正規表示式樣式作為乙個字串傳遞給re.compile()，這是由於正規表示式不是python的核心功能，所以也沒有它的特殊語法（有些程式根本用不到正規表示式的功能，因而沒有必要將它放進核心語法中），但是re模組作為c語言的擴充套件被包含到python的模組中，類似的還有socket或zlib模組。

將正規表示式樣式設計為字串可以使python語言更加簡單，但是它有乙個缺點，將在下一節講解。

如前所述，正規表示式使用反斜槓來表明特殊形式或取消特殊意義，而python在字串中同樣使用反斜槓來實現相同意圖，從而帶來了衝突。

比如說你想寫出乙個正規表示式樣式來匹配latex中的\section，首先必須寫出相應的樣式，然後必須在每乙個反斜槓前再加乙個反斜槓來，如\\section，這個結果將傳遞給re.compile。然而，為了表示這是乙個python的字串，每乙個反斜槓必須再加乙個反斜槓！

字元狀態

\section

想要匹配的字元

\\section

為re.compile()去掉反斜槓

「\\\\section」

再加乙個反斜槓來表明它是乙個字串而非有特殊意義的單詞

簡而言之，對了匹配乙個無任何特殊意義的反斜槓，必須為正規表示式樣式寫上\\\\，因為正規表示式必須為\\，而python字串中的每乙個無特殊含義的反斜槓都必須以\\來代替。在正規表示式中，使用反斜槓的情況常常碰見，這將導致無數多數的反覆輸入反斜槓，從而造成最終的字串難於理解。

解決方法是使用python的未轉義的字串宣告：在以r為字首的字串中，反斜槓解除特殊含義，如r"\n"是乙個包含兩個字元的字串，而"\n"則是乙個字元表示換行。所以在python**中要使用這種表示方法來書寫正規表示式。

正規表示式的樣式

對應的未經轉義的字串

「ab*」

r」ab*」

「\\\\section」

r」\\section」

「\\w+\\s+\\s」

r」\w+\s+\1」

當你有乙個表示正規表示式的物件時，應當如何使用？樣式物件有不同的方法和屬性，這裡只列出了最為常用的幾個，包含全部方法和屬性的列表請參考re的幫助文件。

方法或屬性

用途match()

檢查是否在字串的開始處匹配

search()

在字串中掃瞄並尋找匹配的位置

findall()

尋找所有匹配的子串，並將結果返回到乙個列表中

finditer()

尋找所有匹配的子串，並將它們作為迭代器返回

如果沒有匹配成功，則match()和search()返回none；如果成功，將返回乙個matchobject物件，包含了匹配開始和結束的資訊、匹配的子串等等。

可以通過re模組來學習匹配的使用。如果你的系統安裝有tkinter，也可以檢視tools/scripts/redemo.py，它是python發行版中包含的乙個演示程式，允許你輸入正規表示式和字串並進行匹配。該演示程式在進行除錯複雜的正規表示式程式時非常有用。phil schwartz的kodos也是乙個用於正規表示式開發和測試的互動式工具。

python 2.2.2 (#1, feb 10 2003, 12:57:01)

>>> import re

>>> p = re.compile('[a-z]+')

>>> p

<_sre.sre_pattern object at 0x...>

現在你可以針對正規表示式[a-z]+嘗試匹配不同的字串。乙個空串肯定不會匹配，因為+表示匹配乙個或多個，這種情況下呼叫match()應當返回none，這時python直譯器不會有任何輸出，你可以通過顯式的列印出匹配的結果來檢視。

>>> p.match("")

>>> print p.match("")

none

接著來嘗試乙個可以匹配的字串，這裡match()將返回乙個matchobject，你可以將這個物件儲存在變數中以便以後使用。

>>> m = p.match('tempo')

>>> print m

<_sre.sre_match object at 0x...>

可以請求matchobject來檢視匹配資訊，它也包含不同的方法和屬性，最重要的有：

方法或屬性

用途group()

返回匹配的字串

start()

返回匹配的開始位置（下標）

end()

返回匹配的結束位置

span()

返回乙個元組，它包含匹配的(開始,結束)的位置

嘗試以下方法將闡明上面這些方法的意思：

>>> m.group()

'tempo'

>>> m.start(), m.end()

(0, 5)

>>> m.span()

(0, 5)

由於match()只檢查字串的起始位置，start()一定為0，但search()方法將遍歷整個字串，所以匹配可能不在起始位置。

>>> print p.match('::: message')

none

>>> m = p.search('::: message') ; print m

<_sre.sre_match object at 0x...>

>>> m.group()

'message'

>>> m.span()

(4, 11)

在實際的程式中，最常用的做法是將matchobject儲存在變數中，然後查檢是否為none，例如：

p = re.compile( ... )

m = p.match( 'string goes here' )

if m:

print 'match found: ', m.group()

else:

print 'no match'

兩個成員函式將返回所有的匹配，其中乙個是findall()，它返回匹配字串的列表：

>>> p = re.compile('\d+')

>>> p.findall('12 drummers drumming, 11 pipers piping, 10 lords a-leaping')

['12', '11', '10']

findall()必須在返回結果前建立整個列表，finditer()函式返回matchobject物件序列的迭代器：

>>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...')

>>> iterator

>>> for match in iterator:

... print match.span()

(0, 2)

(22, 24)

(29, 31)

Python中的正規表示式（2）

Python 正規表示式 2

正規表示式 2

正規表示式2

Python中的正規表示式（2）

Python 正規表示式 2

正規表示式 2

正規表示式2

相關推薦