正则表达式之python实现

前端之家收集整理的这篇文章主要介绍了正则表达式之python实现前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

前文:

首先,什么叫正则表达式(Regular Expression)?
例如我们要判断字符串"adi_e32fv,Ls"里面是否含有子串"e32f",又例如我们在一个含百万个姓名的txt文件中找姓“王”,名字以“五”结尾的名字,然后打印出来。结果为:“王五”、“王小五”、“王大五”、“王小小五”……
以前我们是使用字符串函数来查找的,但是代码实现起来会很复杂。如今用正则表达式只需要一句 re.findall('王.*?五',txt1) 就可以了!正则表达式是写网络爬虫的最基本的知识,可以用正则表达式在html中搜集满足某些字串要求的网址。下面是个人对正则表达式基础知识的一些总结。
(操作环境:32位Win8系统,运行工具: python2.7.9+Eclipse.)

正文:
1、首先要导入python的re模块。

2、元字符 . ^ $ * + ? {} [] \ | ()
re模块中的findall(str1,str2)方法返回字串str2中匹配str1格式的字串。例如在字符串'dit dot det,dct dit dot'中匹配'dit'结果为:
str1 = 'dit dot det,dct dit dot'
print re.findall('dit',str1)
结果:['dit','dit']

|作用'dit|dct'表示dit或者dct。
<span style="font-family:KaiTi_GB2312;">str1 = 'dit dot det,dct dit dot'
print re.findall('dit|dct',str1)</span>
结果:['dit','dct','dit']

[]作用[ic]表示i或c,例如'd[ic]t'表示dit和dct两者,和'dit|dct'等价:
str1 = 'dit dot det,dct dit dot'
print re.findall('d[ic]t','dit'] 
 

^作用一:[^ic]中^表示否定,即除了i和c:
str1 = 'dit dot det,dct dit dot'
print re.findall('d[^ic]t',str1)
结果:['dot','det','dot']

^作用二:^dit表示子串dit在开头位置,而dct不是在开头:
str1 = 'dit dot det,dct dit dot'
print re.findall('^dit',str1)
print re.findall('^dct',str1)
结果:['dit'][]

$作用:dot$表示子串dot要在末尾位置,而dct不是在末尾:
str1 = 'dit dot det,dct dit dot'
print re.findall('dot$',str1)
print re.findall('dct$',str1)
结果:['dot'][]

.作用d.t表示d与t之间省略了一个任意字符:
str1 = 'dit dot det,dct dit dot'
print re.findall('d.t','dot','dit','dot'] 
 

+作用di+t表示d与t之间省略了一个或多个'i':
str1 = '<span style="font-family: KaiTi_GB2312;">d dt dit diit det</span><span style="font-family: KaiTi_GB2312;">'</span>
print re.findall('d.+t','diit'] 

*作用di*t表示d与t之间省略了零个至多个'i':
str1 = '<span style="font-family: KaiTi_GB2312;">d dt dit diit det</span><span style="font-family: KaiTi_GB2312;">'</span>
print re.findall('d.*t',str1)
结果:['dt','diit']

经常,'.'和'+'或者'*'搭配使用。'.+'表示省略了一个至多个任意元素,'.*'表示省略了零个至多个任意元素:
<span style="font-family:KaiTi_GB2312;">str1 = 'd dt dit diit det'
print re.findall('d.+t',str1)
print re.findall('d.*t',str1)</span>
结果:['d dt dit diit det']['d dt dit diit det']

?作用一:看.+的匹配结果,'dit'、'dot'也满足'd.+t'的匹配条件,而输出的却是满足匹配条件的最长子串'dit dot det,dct dit dot',这个叫贪婪匹配。如果要输出最短的匹配字串,只需在'+'后面加上'?':(注:对于'*'也是一样,只需在'*'后面加上'?')
str1 = '<span style="font-family: KaiTi_GB2312;">d dt dit diit det'</span>
print re.findall('d.+?t','dot'] 

?作用二:di?t表示i可有可无,即dt、dit都满足匹配条件:
str1 = 'd dt dit diit det'
print re.findall('di?t',0)">{}作用一:di{n}t表示d和t之间有n个'i': 
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{2}t',str1)
结果:['diit']

{}作用二:di{n,m}t表示d和t之间有n到m个'i':
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{1,3}t','diit','diiit'] 
其中,n和m都是可以省略的。{n,}表示n个到任意个;{,m}表示0个到m个;{,}表示任意个,和'*'功能一样:
str1 = 'dt dit diit diiit diiiit'
print re.findall('di{1,}t',str1)
print re.findall('di{,'diiit','diiiit']
['dt','diiit']
['dt','diiiit']

\作用一:取消元字符,变成转义字符:
<span style="font-family:KaiTi_GB2312;">str1 = '^abc ^abc'
print re.findall('^abc',str1)
print re.findall('\^abc',str1)</span>
结果:[]['^abc','^abc']

\作用二:预定义字符
str1 = '12 abc 345 efgh'
print re.findall('\d+',str1)
print re.findall('\w+',str1)
结果: ['12','345']
['12','abc','345','efgh']

()作用在匹配字符串后,只输出匹配字串'()'里面的内容
str1 = '12abcd34'
print re.findall('12abcd34',str1)
print re.findall('1(2a)bcd34',str1)
print re.findall('1(2a)bc(d3)4',str1)
结果:['12abcd34']
['2a']
[('2a','d3')]


3、re模块里的主要方法:findall()、finditer()、match() 、search() compile()、split()、sub()、subn()。

re.findall(pattern,string,flags = 0)
作用:在string中从左往右搜索与pattern匹配的字串,结果以list形式返回。
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
print re.findall('\w+',str1)</span>
结果:['ab','cd']

re.finditer(pattern,flags = 0)
作用:其功能与re.findall相同,但结果以迭代器的形式返回。
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
iter1 = re.finditer('\w+',str1)
for a in iter1:
    print a.group(),a.span()</span>
结果:ab (0,2)
cd (3,5)
(注:a.group()返回满足匹配调节的字串,a.span()返回字串的起始位置和末尾位置)

re.search(pattern,flags = 0)
作用:在string中从左往右搜索与pattern匹配的字串,无匹配结果则返回None,否则返回一个search实例。
<pre name="code" class="python"><span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
result = re.search('cd',str1)
if result == None:
    print 'None'
else:
    print result.group(),result.start(),result.end()</span>
结果:cd 3 5

 
 re.match(pattern,flags = 0) 
作用:判断string的头部是否与pattern匹配,是则返回match实例,否则返回None。
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
result = re.match('cd',result.end()</span>
结果:None

re.compile(pattern,flags = 0)
作用:对匹配格式pattern进行编译,返回一个实例对象。对正则表达式先编译,可以大幅提高匹配速度。
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab cd'
pre = re.compile('ab')
print pre.findall(str1)</span>
结果:['ab']

re.split(pattern,maxsplit = 0,flags = 0)
作用:在string匹配pattern的时候做分割:
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'ab.c.de'
str2 = '12+34-56*78/90'
print re.split('\.',str1)
print re.split('[\+\-\*/]',str2)</span>
结果:['ab','c','de']
['12','34','56','78','90']


re.sub(pattern,repl,count = 0,flags = 0)
作用:在string当中把满足pattern正则的字串替换成repl:
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'abcde'
print re.sub('bc','123',str1)</span>
结果:a123de

re.subn(pattern,flags = 0)
作用:其功能与re.sub()相同,但返回的结果多了一个数字,代表替换了多少次
<span style="font-family:KaiTi_GB2312;font-size:18px;">str1 = 'abcdebce'
print re.subn('bc',str1)</span>
结果:('a123de123e',2)



转载请注明出处,谢谢!(原文链接http://www.jb51.cc/article/p-yfdgggzw-ec.html

猜你在找的正则表达式相关文章