Python宝典第20章：功能强大的正则表达式

正则表达式是用某种模式去匹配一类具有共同特征的字符串。

正则表达式主要用于处理文本，尤其对于复杂的查找和替换。

Python中主要使用re模块进行正则表达式的操作，re模块提供了Perl风格的正则表达式。

元字符是正则表达式中具有特定含义的字符。正则表达式中，可以在字符串中使用元字符来匹配字符串的各种可能情况。

• .：匹配除换行符以外任意字符
• *：匹配位于*之前的0个或多个字符
• +：匹配位于+之前的一个或多个字符
• |：匹配位于|之前或者之后的字符
• ^：匹配行首
• $：匹配行尾
• ?：匹配位于?之前的0个或一个字符
• \：表示位于\之后的为转义字符
• []：匹配位于[]之内的任意一个字符
• ()：将位于()内的内容当做一个整体
• {}：按{}中的次数进行匹配

re模块提供的函数：

match, search, findall进行搜索：

<span style="font-size:14px;">>>> import re>>> s='Life can be good'>>> print(re.match('can', s))None>>> print(re.search('can',s))<_sre.SRE_Match object; span=(5, 8), match='can'>>>> print(re.match('l.*',s))None>>> print(re.match('l.*',s,re.I))<_sre.SRE_Match object; span=(0, 16), match='Life can be good'>>>> re.findall('[a-z]{3}',s)['ife', 'can', 'goo']>>> re.findall('[a-z]{1,3}',s)['ife', 'can', 'be', 'goo', 'd']>>> re.findall('[a-zA-Z]{3}',s)['Lif', 'can', 'goo']>>> </span>

sub进行替换：

<span style="font-size:14px;">>>> import re>>> s='Life can be bad'>>> re.sub('bad', 'good', s)'Life can be good'>>> re.sub('bad|be', 'good', s)'Life can good good'>>> re.sub('bad|be', 'good', s, 1)'Life can good bad'>>> re.subn('bad|be', 'good', s, 1)('Life can good bad', 1)>>> r=re.subn('bad|be', 'good',s)>>> print(r[0])Life can good good>>> print(r[1])2</span>

split进行字符串分割：

<span style="font-size:14px;">>>> import re>>> s='Life can be bad'>>> re.split(' ',s)['Life', 'can', 'be', 'bad']>>> r=re.split(' ', s,1)>>> for i in r:print(i)Lifecan be bad>>> re.split('b',s)['Life can ', 'e ', 'ad']</span>

"\"开头的元字符：

•  \b：匹配单词头或单词尾
• \B
• \d：匹配数字
• \D
• \s：匹配空白字符
• \S
• \w：匹配任何字母数字和下划线
• \W

>>> import re>>> s='python can run on Windows'>>> re.findall('\\bo.+?\\b',s)['on']>>> re.findall('\\bo.+\\b',s)['on Windows']>>> re.findall('\\Bo.+?',s)['on', 'ow']>>> re.findall('\so.+?',s)[' on']>>> re.findall('\\b\w.+?\\b',s)['python', 'can', 'run', 'on', 'Windows']>>> re.findall('\d\.\d', 'python 2.5')['2.5']>>> re.findall('\D+', 'python 2.5')['python ', '.']>>> re.findall('\D*', 'python 2.5')['python ', '', '.', '', '']>>> re.findall('\D?', 'python 2.5')['p', 'y', 't', 'h', 'o', 'n', ' ', '', '.', '', '']>>> re.split('\s',s)['python', 'can', 'run', 'on', 'Windows']>>> re.split('\s',s,1)['python', 'can run on Windows']>>> re.findall('\d\w+?','abc3de')['3d']

compile函数将正则表达式编译成一个RegexObject对象实例。然后通过对象实例对字符串进行操作。

在正则表达式中使用原始字符串可以有效减少“\”的数目。

>>> import re>>> r=re.compile('go*d')>>> r.match('Life can be good')>>> r.match('Life can be good',12)<_sre.SRE_Match object; span=(12, 16), match='good'>>>> r.search('Life can be good')<_sre.SRE_Match object; span=(12, 16), match='good'>>>> r=re.compile('b.\sg')>>> r.search('Life can be good')<_sre.SRE_Match object; span=(9, 13), match='be g'>>>> r=re.compile('\w.\sg')>>> r.search('Life can be good')<_sre.SRE_Match object; span=(9, 13), match='be g'>>>> r=re.compile('\\b\w..?\s')>>> r.findall('Life can be good')['can ', 'be ']>>> r=re.compile('\\b\w..\s')>>> r.findall('Life can be good')['can ']

>>> import re>>> s='''Life can be good;... Life can be bad;... Life is mostly cheerful;... But sometimes sad.'''>>> r=re.compile('b\w*',re.I)>>> new=r.sub('*',s)>>> print(new)Life can * good;Life can * *;Life is mostly cheerful;* sometimes sad.>>> new=r.sub('*',s,2)>>> print(new)Life can * good;Life can * bad;Life is mostly cheerful;But sometimes sad.>>> r=re.compile('b\w*')>>> new=r.subn('*',s)>>> print(new[0])Life can * good;Life can * *;Life is mostly cheerful;But sometimes sad.>>> print(new[1])3>>> new=r.subn('*',s,1)>>> print(new[0])Life can * good;Life can be bad;Life is mostly cheerful;But sometimes sad.>>> print(new[1])1

>>> import re>>> s='''Life can be good;... Life can be bad;... Life is mostly cheerful;... But sometimes sad.'''>>> r=re.compile('\s')>>> news=r.split(s)>>> print(news)['Life', 'can', 'be', 'good;', 'Life', 'can', 'be', 'bad;', 'Life', 'is', 'mostly', 'cheerful;', 'But', 'sometimes', 'sad.']>>> news=r.split(s,4)>>> print(news)['Life', 'can', 'be', 'good;', 'Life can be bad;\nLife is mostly cheerful;\nBut sometimes sad.']>>> r=re.compile('b\w*',re.I)>>> news=r.split(s)>>> print(news)['Life can ', ' good;\nLife can ', ' ', ';\nLife is mostly cheerful;\n', ' sometimes sad.']>>> news=r.split(s,1)>>> print(news)['Life can ', ' good;\nLife can be bad;\nLife is mostly cheerful;\nBut sometimes sad.']>>> r=re.compile('\w*e',re.I)>>> news=r.split(s)>>> print(news)['', ' can ', ' good;\n', ' can ', ' bad;\n', ' is mostly ', 'rful;\nBut ', 's sad.']

正则表达式的分组：

在正则表达式中使用组，可以讲正则表达式分解成几个部分，在完成匹配和搜索后，可以使用分组编号访问不同部分的匹配内容。

(?P<组名>)

>>> import re>>> s='Phone No. 010-87654321'>>> r=re.compile(r'(\d+)-(\d+)')>>> m=r.search(s)>>> m<_sre.SRE_Match object; span=(10, 22), match='010-87654321'>>>> m.group(0)'010-87654321'>>> m.group(1)'010'>>> m.group(2)'87654321'>>> m.groups()('010', '87654321')

分组有许多扩展语法：

• (?iLmsux)：设置匹配标志
• (?:...)：匹配但不捕获该匹配的子表达式。
• (?P=anme)：表示在此之前名为name的组。
• (?#...)：注释
• (?=...)：用于正则表达式之后，如果“=”后内容在字符串中出现则匹配，但不返回“=”之后内容。
• (?!...)：用于正则表达式之后，如果“！”后内容在字符串中出现则匹配，但不返回“！”之后内容。
• (?<=...)：用于正则表达式之前，与(?=...)相同
• (?<!...)：用于正则表达式之前，与(?!...)相同

>>> import re>>> s='''Life can be good;... Life can be bad;... Life is mostly cheerful;... But sometimes sad.'''>>> r=re.compile(r'be(?=\sgood)')>>> m=r.search(s)>>> m<_sre.SRE_Match object; span=(9, 11), match='be'>>>> m.span()(9, 11)>>> r.findall(s)['be']>>> r=re.compile('be')>>> r.findall(s)['be', 'be']>>> r=re.compile(r'be(?!\sgood)')>>> m=r.search(s)>>> m<_sre.SRE_Match object; span=(27, 29), match='be'>>>> m.span()(27, 29)>>> r=re.compile(r'(?:can\s)be(\sgood)')>>> m=r.search(s)>>> m<_sre.SRE_Match object; span=(5, 16), match='can be good'>>>> m.groups()(' good',)>>> m.group(1)' good'>r.findall(s)>>> r.findall(s)[' good']>>> r=re.compile(r'(?P<first>\w)(?P=first)')>>> r.findall(s)['o', 'e']>>> r=re.compile(r'(?<=can\s)b\w*\b')>>> r.findall(s)['be', 'be']>>> r=re.compile(r'(?<!can\s)b\w*\b')>>> r.findall(s)['bad']>>> r=re.compile(r'(?<!can\s)(?i)b\w*\b')>>> r.findall(s)['bad', 'But']

strat(), end(), span()返回匹配子字符串的索引。

使用正则表达式处理文件：

# -*- coding:utf-8 -*-# file: GetFunction.py#import reimport sysdef DealWithFunc(s):    r=re.compile(r'(?<=def\s)\w+\(.*?\)(?=:)',re.X|re.U)    return r.findall(s)def DealWithVar(s):    vars=[]    r=re.compile(r'\b\w+(?=\s?=)',re.X|re.U)    vars.extend(r.findall(s))    r=re.compile(r'(?<=for\s)\w+\s(?=in)',re.X|re.U)    vars.extend(r.findall(s))    return varsif len(sys.argv)==1:    #sour=input('请输入要处理的文件路径')    sour=('pipei.py')else:    sour=sys.argv[1]file = open(sour, encoding='utf-8')#file无法被检索到，不知道为啥。。。s=file.readlines()file.close()print('*****************************************')print(sour, '中的函数有：')print('*****************************************')i=0for line in s:    i=i+1    function=DealWithFunc(line)    if len(function)==1:        print('Line: ',i,'\t',function[0])print('*****************************************')print(sour, '中的变量有：')print('*****************************************')i=0for line in s:    i=i+1    var=DealWithVar(line)    if len(var)==1:        print('Line: ',i,'\t',var[0])