第一个是一个python 正则表达式式匹配芓符串中的单词,后面是要替换成的单词
两者的不同之处在于subn返回替换的次数
作为一个概念而言python 正则表达式式对于Python来说并不是独有的。但是Python中的python 正则表达式式在实际使用过程中还是有一些细小的差别。
本文是一系列关于Pythonpython 正则表达式式文章的其Φ一部分在这个系列的第一篇文章中,我们将重点讨论如何使用Python中的python 正则表达式式并突出Python中一些独有的特性
我们将介绍Python中对字符串进荇搜索和查找的一些方法。然后我们讲讨论如何使用分组来处理我们查找到的匹配对象的子项
我们有兴趣使用的Python中python 正则表达式式的模块通常叫做‘re’。
Python编译器用‘\’(反斜杠)来表示字符串常量中的转义字符
如果反斜杠后面跟着一串编译器能够识别的特殊字符,那么整個转义序列将被替换成对应的特殊字符(例如‘\n’将被编译器替换成换行符)。
但这给在Python中使用python 正则表达式式带来了一个问题因为在‘re’模块中也使用反斜杠来转义python 正则表达式式中的特殊字符(比如*和+)。
这两种方式的混合意味着有时候你不得不转义转义字符本身(当特殊字符能同时被Python和python 正则表达式式的编译器识别的时候)但在其他时候你不必这么做(如果特殊字符只能被Python编译器识别)。
与其将我们嘚心思放在去弄懂到底需要多少个反斜杠我们可以使用原始字符串来替代。
原始类型字符串可以简单的通过在普通字符串的双引号前面加一个字符‘r’来创建当一个字符串是原始类型时,Python编译器不会对其尝试做任何的替换本质上来讲,你在告诉编译器完全不要去干涉伱的字符串
这是一个原始类型字符串。 |
在Python中使用python 正则表达式式进行查找
‘re’模块提供了几个方法对输入的字符串进行确切的查询我们將会要讨论的方法有:
每一个方法都接收一个python 正则表达式式和一个待查找匹配的字符串。让我们更详细的查看这每一个方法从而弄明白他們是如何工作的以及他们各有什么不同
让我们先来看一下match()方法。match()方法的工作方式是只有当被搜索字符串的开头匹配模式的时候它才能查找到匹配对象
举个例子,对字符串‘dog cat dog’调用mathch()方法查找模式‘dog’将会匹配:
我们稍后将更多的讨论group()方法。现在我们只需要知道我们用0莋为它的参数调用了它,group()方法返回查找到的匹配的模式
我还暂且略过了返回的SRE_Match对象,我们很快也将会讨论到它
但是,如果我们对同一個字符串调用math()方法查找模式‘cat’,则不会找到匹配
search()方法和match()类似,不过search()方法不会限制我们只从字符串的开头查找匹配因此在我们的示唎字符串中查找‘cat’会查找到一个匹配:
然而search()方法会在它查找到一个匹配项之后停止继续查找,因此在我们的示例字符串中用searc()方法查找‘dog’只找到其首次出现的位置
目前为止在Python中我使用的最多的查找方法是findall()方法。当我们调用findall()方法我们可以非常简单的得到一个所有匹配模式的列表,而不是得到match的对象(我们会在接下来更多的讨论match对象)对我而言这更加简单。对示例字符串调用findall()方法我们得到:
那么先前search()囷match()方法先前返回给我们的‘match’对象”到底是什么呢?
和只简单的返回字符串的匹配部分不同search()和match()返回的“匹配对象”,实际上是一个关于匹配子串的包装类
先前你看到我可以通过调用group()方法得到匹配的子串,(我们将在下一个部分看到事实上匹配对象在处理分组问题时非瑺有用),但是匹配对象还包含了更多关于匹配子串的信息
例如,match对象可以告诉我们匹配的内容在原始字符串中的开始和结束位置:
知噵这些信息有时候非常有用
就像我之前提到的,匹配对象在处理分组时非常得心应手
分组是对整个python 正则表达式式的特定子串进行定位嘚能力。我们可以定义一个分组做为整个python 正则表达式式的一部分然后单独的对这部分对应匹配到的内容定位。
让我们来看一下它是怎么笁作的:
我刚才创建的字符串类似一个从某人的地址本里取出来的一个片段我们可以通过这样一个python 正则表达式式来匹配这一行:
通过用圓括号来(字符‘(’和‘)’)包围python 正则表达式式的特定部分,我们可以对内容进行分组然后对这些子组做单独处理
这些分组可以通过用汾组对象的group()方法得到。它们可以通过其在python 正则表达式式中从左到右出现的数字顺序来定位(从1开始):
组的序数从1开始的原因是因为第0个組被预留来存放所有匹配对象(我们在之前学习match()方法和search()方法到时候看到过)
有时候,特别是当一个python 正则表达式式有很多分组的时候通過组的出现次序来定位就会变的不现实。Python还允许你通过下面的语句来指定一个组名:
我们还是可以用group()方法获取分组的内容但这时候我们偠用我们所指定的组名而不是之前所使用的组的所在位数。
这大大加强了代码的明确性和可读性你可以想像当python 正则表达式式变得越来越複杂,去弄懂一个分组到捕获了什么内容将会变得越来越困难给你的分组命名将明确的告诉了你和你的读者你的意图。
尽管findall()方法不返回汾组对象它也可以使用分组。类似的findall()方法将返回一个元组的集合,其中每个元组中的第N个元素对应了python 正则表达式式中的第N个分组
但昰,给分组命名并不适用于findall()方法
在本文中我们介绍了Python中使用python 正则表达式式的一些基础。我们学习了原始字符串类型(还有它能帮你解决嘚在使用python 正则表达式式中一些头痛的问题)我们还学习了如何适使用match(), search(), and findall()方法进行基本的查询,以及如何使用分组来处理匹配对象的子组件
和往常一样,如果想查看更多关于这个主题的内容re模块的Python官方文档是一个非常好的资源。
在以后的文章中我们将更深入的讨论Python中python 正則表达式式的应用。我们将更加全面的学习匹配对象学习如何使用它们在字符串中做替换,甚至使用它们从文本文件中去解析Python数据结构
1 >>> p = pile(). 由于python 正则表达式式并不是 python的核心部分 , 因此沒有为他提供特殊的语法支持 , 所以python 正则表达式式只能 以字符串的形式表示 . (有些应用根本就不需要python 正则表达式式 , 所以python社区的小伙伴们认为没囿必要将其纳入python的核心 ) 相反 , re 模块仅仅是作为 C 的扩展模块包含在python中 ,
正因为 \ 的强大 , 和功能的多 , 所以 \ 也有很多麻烦的地方 .
python 正则表达式式需要用\\来表示\ |
简言之为了匹配反斜杠这个字符我们需要在字符串中使用四个反斜杠才行 , 这在python 正则表达式式中本来 \ 久用的频繁 , 这样就更多了 . 吓人 !
所以使用python 正则表达式式 , 的时候 强烈建议使用 原始字符串 来表达python 正则表达式式
当你将python 正则表达式式编译之后 (compile) , 你就回得带一个模式对象 . 该模式对象擁有很多的方法和属性 , 列举几个 .
判断一个python 正则表达式式是否从开始匹配出匹配一个字符串 |
遍历字符串,找到python 正则表达式式 |
遍历字符串,找到python 正則表达式式可以匹配的所有位置,并以列表返回 |
遍历字符串,找到python 正则表达式式的所有位置,并以迭代器的形式返回 |
我们尝试用python 正则表达式式 [a-z] 来匹配各种字符串 .
那么我们到底是该使用 上上面说的想编译一个模式对象 , 再调用模式对象的方法呢 ? 还是直接使用这些 模块级别的函数呢 ? 当然峩们如果只是使用一两次 , 使用全局变量还是比较方便的 , 但是我们如果实在循环中使用python 正则表达式式(需要用的多) , 还是应该先 , 编译 然后开始匹配 . (因为 编译可以在循环外面进行么 , 这样就显得 比较节省时间了 . )
编译标识可以让你修改python 正则表达式式的工作方式 . 在re 模块下面 , 编译标识均有两個名字 : 完整的名字和简写 . 例如 IGNORECASE的简写是 I