轉 Python標準庫01 正規表示式 re包

我將從正規表示式開始講python的標準庫。正規表示式是文書處理中常用的工具，而且不需要額外的系統知識或經驗。我們會把系統相關的包放在後面講解。

正規表示式(regular expression)主要功能是從字串(string)中通過特定的模式(pattern)，搜尋想要找到的內容。

之前，我們簡介了字串相關的處理函式。我們可以通過這些函式實現簡單的搜尋功能，比如說從字串「i love you」中搜尋是否有「you」這一子字串。但有些時候，我們只是模糊地知道我們想要找什麼，而不能具體說出我是在找「you」，比如說，我想找出字串中包含的數字，這些數字可以是0到9中的任何乙個。這些模糊的目標可以作為資訊寫入正規表示式，傳遞給python，從而讓python知道我們想要找的是什麼。

(官方documentation)

在python中使用正規表示式需要標準庫中的乙個包re。

import re
m = re.search('[0-9]','abcd4ef')
print(m.group(0))

re.search()接收兩個引數，第乙個'[0-9]'就是我們所說的正規表示式，它告訴python的是，「聽著，我從字串想要找的是從0到9的乙個數字字元」。

re.search()如果從第二個引數找到符合要求的子字串，就返回乙個物件m，你可以通過m.group()的方法檢視搜尋到的結果。如果沒有找到符合要求的字元，re.search()會返回none。

如果你熟悉linux或者perl, 你應該已經熟悉正規表示式。當我們開啟linux shell的時候，可以用正規表示式去查詢或著刪除我們想要的檔案，比如說：

$rm book[0-9][0-9].txt

這就是要刪除類似於book02.txt的檔案。book[0-9][0-9].txt所包含的資訊是，以book開頭，後面跟兩個數字字元，之後跟有".txt"的檔名。如果不符合條件的檔名，比如說:

bo12.txt

book1.txt

book99.text

都不會被選中。

perl中內建有正規表示式的功能，據說是所有正規表示式系統中最強的，這也是perl成為系統管理員利器的乙個原因。

m = re.search(pattern, string)  # 搜尋整個字串，直到發現符合的子字串。
m = re.match(pattern, string)   # 從頭開始檢查字串是否符合正規表示式。必須從字串的第乙個字元開始就相符。

可以從這兩個函式中選擇乙個進行搜尋。上面的例子中，我們如果使用re.match()的話，則會得到none，因為字串的起始為『a』，不符合'[0-9]'的要求。

對於返回的m, 我們使用m.group()來呼叫結果。（我們會在後面更詳細解釋m.group()）

我們還可以在搜尋之後將搜尋到的子字串進行替換：

str = re.sub(pattern, replacement, string)

# 在string中利用正則變換pattern進行搜尋，對於搜尋到的字串，用另一字串replacement替換。返回替換後的字串。

此外，常用的正規表示式函式還有

re.split() # 根據正規表示式分割字串，將分割後的所有子字串放在乙個表(list)中返回

re.findall() # 根據正規表示式搜尋字串，將所有符合的子字串放在一給表(list)中返回

(在熟悉了上面的函式後，可以看一下re.compile()，以便於提高搜尋效率。)

關鍵在於將資訊寫成乙個正規表示式。我們先看正規表示式的常用語法：

1）單個字元:

. 任意的乙個字元

a|b 字元a或字元b

[afg] a或者f或者g的乙個字元

[0-4] 0-4範圍內的乙個字元

[a-f] a-f範圍內的乙個字元

[^m] 不是m的乙個字元

\s 乙個空格

\s 乙個非空格

\d [0-9]

\d [^0-9]

\w [0-9a-za-z]

\w [^0-9a-za-z]

2）重複

緊跟在單個字元之後，表示多個這樣類似的字元

* 重複 >=0 次

+ 重複 >=1 次

? 重複 0或者1 次

重複m次。比如說 a相當於aaaa，再比如說[1-3]相當於[1-3][1-3]

重複m到n次。比如說a表示a重複2到5次。小於m次的重複，或者大於n次的重複都不符合條件。

正則表達相符的字串舉例

[0-9] 9678

a?b b

a+b aaaaab

3) 位置

^ 字串的起始位置

$ 字串的結尾位置

正則表達相符的字串舉例不相符字串

^ab.*c$ abeec cabeec (如果用re.search(), 將無法找到。)

4）返回控制

我們有可能對搜尋的結果進行進一步精簡資訊。比如下面乙個正規表示式：

output_(\d)

該正規表示式用括號()包圍了乙個小的正規表示式，\d。這個小的正規表示式被用於從結果中篩選想要的資訊（在這裡是四位數字）。這樣被括號圈起來的正規表示式的一部分，稱為群(group)。

我們可以m.group(number)的方法來查詢群。group(0)是整個正則表達的搜尋結果，group(1)是第乙個群……

import re
m = re.search("output_(\d)", "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\d)", "output_1986.txt")   #(?p...) 為group命名
print(m.group("year"))

練習

有乙個檔案，檔名為output_1981.10.21.txt 。下面使用python：讀取檔名中的日期時間資訊，並找出這一天是週幾。將檔案改名為output_yyyy-mm-dd-w.txt (yyyy:四位的年，mm：兩位的月份，dd：兩位的日，w：一位的週幾，並假設周一為一周第一天)

re.search() re.match() re.sub() re.findall()

正規表示式構成方法

轉 Python標準庫01 正規表示式 re包

Python標準庫01 正規表示式 re包

Python標準庫01 正規表示式 re包

Python標準庫01 正規表示式 re包

相關推薦