== re 模块== "Some people, when confronted with a problem, think 'I know, I'll use regular expressions.' Now they have two problems." - Jamie Zawinski, on comp.lang.emacs ``re`` 模块提供了一系列功能强大的正则表达式 (regular expression) 工具, 它们允许你快速检查给定字符串是否与给定的模式匹配 (使用 ``match`` 函数), 或者包含这个模式 (使用 ``search`` 函数). 正则表达式是以紧凑(也很神秘)的语法写出的字符串模式. ``match`` 尝试从字符串的起始匹配一个模式, 如 [Example 1-54 #eg-1-54] 所示. 如果模式匹配了某些内容 (包括空字符串, 如果模式允许的话) , 它将返回一个匹配对象. 使用它的 ``group`` 方法可以找出匹配的内容. ====Example 1-54. 使用 re 模块来匹配字符串====[eg-1-54] ``` File: re-example-1.py import re text = "The Attila the Hun Show" # a single character 单个字符 m = re.match(".", text) if m: print repr("."), "=>", repr(m.group(0)) # any string of characters 任何字符串 m = re.match(".*", text) if m: print repr(".*"), "=>", repr(m.group(0)) # a string of letters (at least one) 只包含字母的字符串(至少一个) m = re.match("w+", text) if m: print repr("w+"), "=>", repr(m.group(0)) # a string of digits 只包含数字的字符串 m = re.match("d+", text) if m: print repr("d+"), "=>", repr(m.group(0)) *B* '.' => 'T' '.*' => 'The Attila the Hun Show' '\w+' => 'The'*b* ``` 可以使用圆括号在模式中标记区域. 找到匹配后, ``group`` 方法可以抽取这些区域的内容, 如 [Example 1-55 #eg-1-55] 所示. ``group(1)`` 会返回第一组的内容, ``group(2)`` 返回第二组的内容, 这样... 如果你传递多个组数给 ``group`` 函数, 它会返回一个元组. ====Example 1-55. 使用 re 模块抽出匹配的子字符串====[eg-1-55] ``` File: re-example-2.py import re text ="10/15/99" m = re.match("(d{2})/(d{2})/(d{2,4})", text) if m: print m.group(1, 2, 3) *B*('10', '15', '99')*b* ``` ``search`` 函数会在字符串内查找模式匹配, 如 [Example 1-56 #eg-1-56] 所示. 它在所有可能的字符位置尝试匹配模式, 从最左边开始, 一旦找到匹配就返回一个匹配对象. 如果没有找到相应的匹配, 就返回 //None// . ====Example 1-56. 使用 re 模块搜索子字符串====[eg-1-56] ``` File: re-example-3.py import re text = "Example 3: There is 1 date 10/25/95 in here!" m = re.search("(d{1,2})/(d{1,2})/(d{2,4})", text) print m.group(1), m.group(2), m.group(3) month, day, year = m.group(1, 2, 3) print month, day, year date = m.group(0) print date *B*10 25 95 10 25 95 10/25/95*b* ``` [Example 1-57 #eg-1-57] 中展示了 ``sub`` 函数, 它可以使用另个字符串替代匹配模式. ====Example 1-57. 使用 re 模块替换子字符串====[eg-1-57] ``` File: re-example-4.py import re text = "you're no fun anymore..." # literal replace (string.replace is faster) # 文字替换 (string.replace 速度更快) print re.sub("fun", "entertaining", text) # collapse all non-letter sequences to a single dash # 将所有非字母序列转换为一个"-"(dansh,破折号) print re.sub("[^w]+", "-", text) # convert all words to beeps # 将所有单词替换为 BEEP print re.sub("S+", "-BEEP-", text) *B*you're no entertaining anymore... you-re-no-fun-anymore- -BEEP- -BEEP- -BEEP- -BEEP-*b* ``` 你也可以通过回调 (callback) 函数使用 ``sub`` 来替换指定模式. [Example 1-58 #eg-1-58] 展示了如何预编译模式. ====Example 1-58. 使用 re 模块替换字符串(通过回调函数)====[eg-1-58] ``` File: re-example-5.py import re import string text = "a line of text\012another line of text\012etc..." def octal(match): # replace octal code with corresponding ASCII character # 使用对应 ASCII 字符替换八进制代码 return chr(string.atoi(match.group(1), 8)) octal_pattern = re.compile(r"\(ddd)") print text print octal_pattern.sub(octal, text) *B*a line of text 12another line of text 12etc... a line of text another line of text etc...*b* ``` 如果你不编译, ``re`` 模块会为你缓存一个编译后版本, 所有的小脚本中, 通常不需要编译正则表达式. Python1.5.2 中, 缓存中可以容纳 20 个匹配模式, 而在 2.0 中, 缓存则可以容纳 100 个匹配模式. 最后, [Example 1-59 #eg-1-59] 用一个模式列表匹配一个字符串. 这些模式将会组合为一个模式, 并预编译以节省时间. ====Example 1-59. 使用 re 模块匹配多个模式中的一个====[eg-1-59] ``` File: re-example-6.py import re, string def combined_pattern(patterns): p = re.compile( string.join(map(lambda x: "("+x+")", patterns), "|") ) def fixup(v, m=p.match, r=range(0,len(patterns))): try: regs = m(v).regs except AttributeError: return None # no match, so m.regs will fail else: for i in r: if regs[i+1] != (-1, -1): return i return fixup # # try it out! patterns = [ r"d+", r"abcd{2,4}", r"pw+" ] p = combined_pattern(patterns) print p("129391") print p("abc800") print p("abc1600") print p("python") print p("perl") print p("tcl") *B*0 1 1 2 2 None*b* ```