- 浏览: 200449 次
- 性别:
- 来自: 成都
文章分类
最新评论
-
guji528:
使用Python通过正则表达式替换很方便:
sprin ...
Python正则表达式指南 -
guji528:
很实用,先keep再看
Python正则表达式指南 -
yushine:
1,2,3,5 已经做了剩下的本来也正准备做。
2012, 每一个软件工程师必须做的11件事 -
mynetstudy:
用导出不就可以了吗
递归删除SVN工作目录下的.svn目录
http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
1. 正则表达式基础
1.1. 简单介绍
正则表达式并不是Python的一部分。正则表达式是用于处 理字符串的强大工具,拥有自己独特的语法以及一个独立的处理引擎,效率上可能不如str自带的方法,但功能十分强大。得益于这一点,在提供了正则表达式的 语言里,正则表达式的语法都是一样的,区别只在于不同的编程语言实现支持的语法数量不同;但不用担心,不被支持的语法通常是不常用的部分。如果已经在其他 语言里使用过正则表达式,只需要简单看一看就可以上手了。
下图展示了使用正则表达式进行匹配的流程:
正则表达式的大致匹配过程是:依次拿出表达式和文本中的字符比较,如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界,这个过程会稍微有一些不同,但也是很好理解的,看下图中的示例以及自己多使用几次就能明白。
下图列出了Python支持的正则表达式元字符和语法:
1.2. 数量词的贪婪模式与非贪婪模式
正 则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪 的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式"ab*"如果用于查找"abbbc",将找到"abbb"。而如果使用非贪婪的数量 词"ab*?",将找到"a"。
1.3. 反斜杠的困扰
与大多数编程语言相同,正则表达式里使用"\"作为转义 字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\":前两个和后两个分 别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题,这个例子中的 正则表达式可以使用r"\\"表示。同样,匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表 达式也更直观。
1.4. 匹配模式
正则表达式提供了一些可用的匹配模式,比如忽略大小写、多行匹配等,这部分内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。
2. re模块
2.1. 开始使用re
Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例,然后使用Pattern实例处理文本并获得匹配结果(一个Match实例),最后使用Match实例获得信息,进行其他的操作。
01
|
# encoding: UTF-8
|
02
|
import
re
|
03
|
04
|
# 将正则表达式编译成Pattern对象
|
05
|
pattern
=
re.
compile
(r
'hello'
)
|
06
|
07
|
# 使用Pattern匹配文本,获得匹配结果,无法匹配时将返回None
|
08
|
match
=
pattern.match(
'hello world!'
)
|
09
|
10
|
if
match:
|
11
|
# 使用Match获得分组信息
|
12
|
print
match.group()
|
13
|
14
|
### 输出 ###
|
15
|
# hello
|
re.compile(strPattern[, flag]):
这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为Pattern对象。
第二个参数flag是匹配模式,取值可以使用按位或运算符'|'表示同时生效,比如re.I |
re.M。另外,你也可以在regex字符串中指定模式,比如re.compile('pattern', re.I |
re.M)与re.compile('(?im)pattern')是等价的。
可选值有:
- re.I (re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
- M (MULTILINE): 多行模式,改变'^'和'$'的行为(参见上图)
- S (DOTALL): 点任意匹配模式,改变'.'的行为
- L (LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
- U (UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
- X (VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。以下两个正则表达式是等价的:
1
|
a
=
re.
compile
(r
"""\d + # the integral part
|
2
|
\. # the decimal point
|
3
|
\d * # some fractional digits"""
, re.X)
|
4
|
b
=
re.
compile
(r
"\d+\.\d*"
)
|
re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代,唯一的好处是少写一行 re.compile()代码,但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以 简写为:
1
|
m
=
re.match(r
'hello'
,
'hello world!'
)
|
2
|
print
m.group()
|
re模块还提供了一个方法escape(string),用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回,在需要大量匹配元字符时有那么一点用。
2.2. Match
Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。
属性:
- string : 匹配时使用的文本。
- re : 匹配时使用的Pattern对象。
- pos : 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- endpos : 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- lastindex : 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
- lastgroup : 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。
方法:
-
group([group1, …]):
获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。 -
groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。 -
groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典,没有别名的组不包含在内。default含义同上。 -
start([group]):
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。 -
end([group]):
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0。 -
span([group]):
返回(start(group), end(group))。 -
expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、 \g<name>引用分组,但不能使用编号0。\id与\g<id>是等价的;但\10将被认为是第10个分组,如果你想表达 \1之后是字符'0',只能使用\g<1>0。
01
|
import
re
|
02
|
m
=
re.match(r
'(\w+) (\w+)(?P<sign>.*)'
,
'hello world!'
)
|
03
|
04
|
print
"m.string:"
, m.string
|
05
|
print
"m.re:"
, m.re
|
06
|
print
"m.pos:"
, m.pos
|
07
|
print
"m.endpos:"
, m.endpos
|
08
|
print
"m.lastindex:"
, m.lastindex
|
09
|
print
"m.lastgroup:"
, m.lastgroup
|
10
|
11
|
print
"m.group(1,2):"
, m.group(
1
,
2
)
|
12
|
print
"m.groups():"
, m.groups()
|
13
|
print
"m.groupdict():"
, m.groupdict()
|
14
|
print
"m.start(2):"
, m.start(
2
)
|
15
|
print
"m.end(2):"
, m.end(
2
)
|
16
|
print
"m.span(2):"
, m.span(
2
)
|
17
|
print
r
"m.expand(r'\2 \1\3'):"
, m.expand(r
'\2 \1\3'
)
|
18
|
19
|
### output ###
|
20
|
# m.string: hello world!
|
21
|
# m.re: <_sre.SRE_Pattern object at 0x016E1A38>
|
22
|
# m.pos: 0
|
23
|
# m.endpos: 12
|
24
|
# m.lastindex: 3
|
25
|
# m.lastgroup: sign
|
26
|
# m.group(1,2): ('hello', 'world')
|
27
|
# m.groups(): ('hello', 'world', '!')
|
28
|
# m.groupdict(): {'sign': '!'}
|
29
|
# m.start(2): 6
|
30
|
# m.end(2): 11
|
31
|
# m.span(2): (6, 11)
|
32
|
# m.expand(r'\2 \1\3'): world hello!
|
2.3. Pattern
Pattern对象是一个编译好的正则表达式,通过Pattern提供的一系列方法可以对文本进行匹配查找。
Pattern不能直接实例化,必须使用re.compile()进行构造。
Pattern提供了几个可读属性用于获取表达式的相关信息:
- pattern: 编译时用的表达式字符串。
- flags: 编译时用的匹配模式。数字形式。
- groups: 表达式中分组的数量。
- groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。
01
|
import
re
|
02
|
p
=
re.
compile
(r
'(\w+) (\w+)(?P<sign>.*)'
, re.DOTALL)
|
03
|
04
|
print
"p.pattern:"
, p.pattern
|
05
|
print
"p.flags:"
, p.flags
|
06
|
print
"p.groups:"
, p.groups
|
07
|
print
"p.groupindex:"
, p.groupindex
|
08
|
09
|
### output ###
|
10
|
# p.pattern: (\w+) (\w+)(?P<sign>.*)
|
11
|
# p.flags: 16
|
12
|
# p.groups: 3
|
13
|
# p.groupindex: {'sign': 3}
|
实例方法[ | re模块方法]:
-
match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
这个方法将从string的pos下标处起尝试匹配pattern;如果pattern结束时仍可匹配,则返回一个Match对象;如果匹配过程中pattern无法匹配,或者匹配未结束就已到达endpos,则返回None。
pos和endpos的默认值分别为0和len(string);re.match()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
注意:这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符'$'。
示例参见2.1小节。 -
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None。
pos和endpos的默认值分别为0和len(string));re.search()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。01
# encoding: UTF-8
02
import
re
03
04
# 将正则表达式编译成Pattern对象
05
pattern
=
re.
compile
(r
'world'
)
06
07
# 使用search()查找匹配的子串,不存在能匹配的子串时将返回None
08
# 这个例子中使用match()无法成功匹配
09
match
=
pattern.search(
'hello world!'
)
10
11
if
match:
12
# 使用Match获得分组信息
13
print
match.group()
14
15
### 输出 ###
16
# world
-
split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。1
import
re
2
3
p
=
re.
compile
(r
'\d+'
)
4
print
p.split(
'one1two2three3four4'
)
5
6
### output ###
7
# ['one', 'two', 'three', 'four', '']
-
findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜索string,以列表形式返回全部能匹配的子串。1
import
re
2
3
p
=
re.
compile
(r
'\d+'
)
4
print
p.findall(
'one1two2three3four4'
)
5
6
### output ###
7
# ['1', '2', '3', '4']
-
finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。1
import
re
2
3
p
=
re.
compile
(r
'\d+'
)
4
for
m
in
p.finditer(
'one1two2three3four4'
):
5
print
m.group(),
6
7
### output ###
8
# 1 2 3 4
-
sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
使用repl替换string中每一个匹配的子串后返回替换后的字符串。
当repl是一个字符串时,可以使用\id或\g<id>、\g<name>引用分组,但不能使用编号0。
当repl是一个方法时,这个方法应当只接受一个参数(Match对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。
count用于指定最多替换次数,不指定时全部替换。01
import
re
02
03
p
=
re.
compile
(r
'(\w+) (\w+)'
)
04
s
=
'i say, hello world!'
05
06
print
p.sub(r
'\2 \1'
, s)
07
08
def
func(m):
09
return
m.group(
1
).title()
+
' '
+
m.group(
2
).title()
10
11
print
p.sub(func, s)
12
13
### output ###
14
# say i, world hello!
15
# I Say, Hello World!
-
subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。01
import
re
02
03
p
=
re.
compile
(r
'(\w+) (\w+)'
)
04
s
=
'i say, hello world!'
05
06
print
p.subn(r
'\2 \1'
, s)
07
08
def
func(m):
09
return
m.group(
1
).title()
+
' '
+
m.group(
2
).title()
10
11
print
p.subn(func, s)
12
13
### output ###
14
# ('say i, world hello!', 2)
15
# ('I Say, Hello World!', 2)
以上就是Python对于正则表达式的支持。熟练掌握正则表达式是每一个程序员必须具备的技能,这年头没有不与字符串打交道的程序了。笔者也处于初级阶段,与君共勉,^_^
另外,图中的特殊构造部分没有举出例子,用到这些的正则表达式是具有一定难度的。有兴趣可以思考一下,如何匹配不是以abc开头的单词,^_^
全文结束
评论
springPath='d:/tomcat/webapps/test/WEB-INF/spring/applicationContext-framework.xml'
removeConf(springPath)
def removeConf(confFile):
#先读入
myfile = open(confFile,"r")
str = myfile.read()
myfile.close()
p = re.compile('<bean id="test1"[\s|\S]*?</bean>')
fixStr = p.sub('', str)
p = re.compile('<bean id="test2"[\s|\S]*?</bean>')
fixStr = p.sub('', fixStr)
#再写出
newfiles=open(confFile,"w")
newfiles.write(fixStr)
newfiles.close()
假定applicationContext-framework.xml包含下面内容,执行上面的Python语句后,applicationContext-framework.xml文件内容被删除如下部分。
<bean id="test1"
class="com.test.Test1Listener"
singleton="false">
<property name="networkService">
<ref local="networkService" />
</property>
</bean>
<bean id="test2"
class="com.test.Test2Listener"
singleton="false">
</bean>
发表评论
-
Python抓取页面中超链接(URL)的3中方法比较(HTMLParser、pyquery、正则表达式)
2012-03-28 21:54 2533HTMLParser版: # ! ... -
使用django+celery+RabbitMQ实现异步执行
2011-11-16 15:38 1629版权声明 :可以任意 ... -
python的time和date处理
2011-08-19 13:19 1084内置模块time包含很多与 ... -
Python:time, strftime和strptime
2011-08-19 13:18 1163最常用的time.time()返回的是一个浮点数,单位为秒 ... -
python异常捕获try except
2011-07-21 13:24 1431python的异常处理机制设计的比较传统,在日常的开发中,基本 ... -
Django-South
2011-07-12 13:43 930South allows you to create mi ... -
Django-South介绍
2011-07-12 12:16 1475By Calabash 使用Sou ... -
EditPlus for python
2011-06-18 14:49 1164EditPlus for python ... -
【转】 Python 程序员的进化--搞笑版
2011-06-17 23:58 1519不久前,在互联网上出现了一篇有趣的文章,讲的是对于同一个问 ... -
使用由 Python 编写的 lxml 实现高性能 XML 解析
2011-05-27 16:35 1623使用由 Python 编写的 lxml 实现高性能 X ... -
[Python学习]使用minidom来处理XML的示例
2011-04-22 17:57 2543作者网站:http://www.donews.net/limo ... -
[转]常用的python模块及安装方法
2011-04-19 18:20 3565http://chen-gengjia.iteye.c ... -
Django使用心得(一)
2011-04-18 03:36 1504本篇主要讲解一些基本的操作: 创建django工程 ... -
Python IDLE's subprocess didn't make connection
2011-04-15 23:35 2544Win7 上安装Python 2.7.1,启动IDLE报 ... -
django 基本命令操作
2011-04-07 12:53 863pythondjango 框架 django 基本命令操 ... -
在Windows上安装Django
2011-04-07 10:34 1103关键字 ...
相关推荐
Python 正则表达式指南 Python 正则表达式指南是 Python 编程语言中对正则表达式的支持,包括正则表达式基础和 Python 正则表达式标准库的完整介绍及使用示例。 1. 正则表达式基础 正则表达式是一种强大的字符串...
Python正则表达式是处理字符串的强有力工具,它拥有独立于Python语言本身的语法和独立的处理引擎。虽然正则表达式在处理字符串时效率上可能不及Python内建的字符串处理方法,但其功能强大且使用广泛。正则表达式的...
### Python正则表达式操作指南知识点总结 #### 一、Python正则表达式的引入与应用场景 - **Python正则表达式概述**: - **定义**:正则表达式(Regular Expression, RE)是一种用于匹配字符串中字符组合的工具,...
Python正则表达式基础是学习如何在Python中应用正则表达式的入门指南。正则表达式,或称为REs、regexes、regexpatterns,是能够嵌入到Python中的一个精细、高度专业化的程序语言。通过re模块,程序员得以使用这一...
【Python正则表达式使用指南】是一篇专为Python初学者设计的教程,旨在帮助读者理解和运用Python中的正则表达式。这篇文档采用中英文对照的方式,内容清晰易懂,适合快速学习和实践。 正则表达式是用于匹配字符串的...
Python正则表达式操作的指南.doc
### Python正则表达式操作指南知识点详解 #### 1. 简介 - **re模块**: Python自1.5版本起引入了`re`模块,该模块支持Perl风格的正则表达式模式。与之前的`regex`模块提供的Emacs风格相比,`re`模块更加功能强大且...
### Python正则表达式操作指南(re使用) #### 引言 正则表达式(Regular Expression,简称RE)是一种强大的文本处理工具,它提供了一种简便且灵活的方法来识别、处理和控制文本。Python自1.5版本起便内置了`re`模块...
本指南将深入探讨Python正则表达式的基础概念、语法、功能以及常见用法。 1. **基础概念** - 正则表达式(Regular Expression)是一种模式匹配语言,用于描述一组字符串的共同特征。 - `re`模块提供了多种函数,...
### Python正则表达式操作指南知识点详解 #### 1. 简介 - **正则表达式的定义**:正则表达式(Regular Expression,简称 RE 或 regex)是一种用于匹配字符串中字符组合的模式。 - **Python支持的正则表达式模块**...
本文详细介绍了 Python 中正则表达式的使用,从基础语法到高级技巧,再到实际应用示例,为读者提供了一个全面的正则表达式学习指南。通过本文的学习,读者将能够熟练地在 Python 编程中应用正则表达式,解决各种文本...
【Python正则表达式操作指南】 正则表达式在Python中扮演着重要的角色,它是一种强大的文本处理工具,用于匹配、查找、替换等操作。Python提供了`re`模块来支持正则表达式,使得开发者能够方便地处理字符串。在...