• Python标准库01 正则表达式 (re包)


    作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!

    我将从正则表达式开始讲Python的标准库。正则表达式是文字处理中常用的工具,而且不需要额外的系统知识或经验。我们会把系统相关的包放在后面讲解。

    正则表达式(regular expression)主要功能是从字符串(string)中通过特定的模式(pattern),搜索想要找到的内容。

    语法

    之前,我们简介了字符串相关的处理函数。我们可以通过这些函数实现简单的搜索功能,比如说从字符串“I love you”中搜索是否有“you”这一子字符串。但有些时候,我们只是模糊地知道我们想要找什么,而不能具体说出我是在找“you”,比如说,我想找出字符串中包含的数字,这些数字可以是0到9中的任何一个。这些模糊的目标可以作为信息写入正则表达式,传递给Python,从而让Python知道我们想要找的是什么。

    (官方documentation)

    在Python中使用正则表达式需要标准库中的一个包re。

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

    re.search()接收两个参数,第一个'[0-9]'就是我们所说的正则表达式,它告诉Python的是,“听着,我从字符串想要找的是从0到9的一个数字字符”。

    re.search()如果从第二个参数找到符合要求的子字符串,就返回一个对象m,你可以通过m.group()的方法查看搜索到的结果。如果没有找到符合要求的字符,re.search()会返回None。

    如果你熟悉Linux或者Perl, 你应该已经熟悉正则表达式。当我们打开Linux shell的时候,可以用正则表达式去查找或着删除我们想要的文件,比如说:

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

    这就是要删除类似于book02.txt的文件。book[0-9][0-9].txt所包含的信息是,以book开头,后面跟两个数字字符,之后跟有".txt"的文件名。如果不符合条件的文件名,比如说:

    bo12.txt

    book1.txt

    book99.text

    都不会被选中。

    Perl中内建有正则表达式的功能,据说是所有正则表达式系统中最强的,这也是Perl成为系统管理员利器的一个原因。

    正则表达式的函数

    m = re.search(pattern, string)  # 搜索整个字符串,直到发现符合的子字符串。
    m = re.match(pattern, string)   # 从头开始检查字符串是否符合正则表达式。必须从字符串的第一个字符开始就相符。

    可以从这两个函数中选择一个进行搜索。上面的例子中,我们如果使用re.match()的话,则会得到None,因为字符串的起始为‘a’, 不符合'[0-9]'的要求。

    对于返回的m, 我们使用m.group()来调用结果。(我们会在后面更详细解释m.group())

    我们还可以在搜索之后将搜索到的子字符串进行替换:

    str = re.sub(pattern, replacement, string) 
    # 在string中利用正则变换pattern进行搜索,对于搜索到的字符串,用另一字符串replacement替换。返回替换后的字符串。

    此外,常用的正则表达式函数还有

    re.split()    # 根据正则表达式分割字符串, 将分割后的所有子字符串放在一个表(list)中返回

    re.findall()  # 根据正则表达式搜索字符串,将所有符合的子字符串放在一给表(list)中返回

    (在熟悉了上面的函数后,可以看一下re.compile(),以便于提高搜索效率。)

    写一个正则表达式

    关键在于将信息写成一个正则表达式。我们先看正则表达式的常用语法:

    1)单个字符:

    .          任意的一个字符

    a|b        字符a或字符b

    [afg]      a或者f或者g的一个字符        

    [0-4]      0-4范围内的一个字符

    [a-f]      a-f范围内的一个字符

    [^m]       不是m的一个字符

    s         一个空格

    S         一个非空格

    d         [0-9]

    D         [^0-9]

    w         [0-9a-zA-Z]

    W         [^0-9a-zA-Z]

    2)重复

    紧跟在单个字符之后,表示多个这样类似的字符

    *         重复 >=0 次

    +         重复 >=1 次

    ?         重复 0或者1 次

    {m}       重复m次。比如说 a{4}相当于aaaa,再比如说[1-3]{2}相当于[1-3][1-3]

    {m, n}    重复m到n次。比如说a{2, 5}表示a重复2到5次。小于m次的重复,或者大于n次的重复都不符合条件。

    正则表达          相符的字符串举例

    [0-9]{3,5}       9678

    a?b              b

    a+b              aaaaab

    3) 位置

    ^         字符串的起始位置

    $         字符串的结尾位置

    正则表达          相符的字符串举例        不相符字符串

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


    4)返回控制

    我们有可能对搜索的结果进行进一步精简信息。比如下面一个正则表达式:

    output_(d{4})

    该正则表达式用括号()包围了一个小的正则表达式,d{4}。 这个小的正则表达式被用于从结果中筛选想要的信息(在这里是四位数字)。这样被括号圈起来的正则表达式的一部分,称为群(group)。
    我们可以m.group(number)的方法来查询群。group(0)是整个正则表达的搜索结果,group(1)是第一个群……

    import re
    m = re.search("output_(d{4})", "output_1986.txt")
    print(m.group(1))

    我们还可以将群命名,以便更好地使用m.group查询:

    import re
    m = re.search("output_(?P<year>d{4})", "output_1986.txt")   #(?P<name>...) 为group命名
    print(m.group("year"))

    练习
    有一个文件,文件名为output_1981.10.21.txt 。下面使用Python: 读取文件名中的日期时间信息,并找出这一天是周几。将文件改名为output_YYYY-MM-DD-W.txt (YYYY:四位的年,MM:两位的月份,DD:两位的日,W:一位的周几,并假设周一为一周第一天)

    总结

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

    正则表达式构成方法

  • 相关阅读:
    Google笔试题
    OpenStack Ceilometer简介
    OpenStack Object Storage(Swift)架构、原理及特性
    【大话存储2读书笔记】磁盘IO的重要概念
    递归,汉诺塔游戏
    函数定义与使用
    字符串操作
    for循环:用turtle画一颗五角星
    列表、元组、字典、集合的定义、操作与综合练习
    npm 相关
  • 原文地址:https://www.cnblogs.com/sunylat/p/6218038.html
Copyright © 2020-2023  润新知