个人工具
登录
查看“Python正则表达式操作指南”的源代码 - Ubuntu中文
页面
讨论
查看源代码
历史
搜索
导航
首页
最近更改
随机页面
页面分类
帮助
编辑
编辑指南
沙盒
新闻动态
字词处理
工具
链入页面
相关更改
特殊页面
页面信息
查看“Python正则表达式操作指南”的源代码
来自Ubuntu中文
←
Python正则表达式操作指南
跳转至:
导航
,
搜索
因为以下原因,你没有权限编辑本页:
您所请求的操作仅限于该用户组的用户使用:
用户
您可以查看与复制此页面的源代码。
==== 反斜杠的麻烦 ==== 在早期规定中,正则表达式用反斜杠字符 ("\") 来表示特殊格式或允许使用特殊字符而不调用它的特殊用法。这就与 Python 在字符串中的那些起相同作用的相同字符产生了冲突。 让我们举例说明,你想写一个 RE 以匹配字符串 "\section",可能是在一个 LATEX 文件查找。为了要在程序代码中判断,首先要写出想要匹配的字符串。接下来你需要在所有反斜杠和其它元字符前加反斜杠来取消其特殊意义,结果要匹配的字符串就成了"\\section"。 当把这个字符串传递给re.compile()时必须还是"\\section"。然而,作为Python的字符串实值(string literals)来表示的话,"\\section"中两个反斜杠还要再次取消特殊意义,最后结果就变成了"\\\\section"。 {|border="1" cellspacing="0" |字符||阶段 |- |\section ||要匹配的字符串 |- |\\section||为 re.compile 取消反斜杠的特殊意义 |- |"\\\\section"||为"\\section"的字符串实值(string literals)取消反斜杠的特殊意义 |} 简单地说,为了匹配一个反斜杠,不得不在 RE 字符串中写 '\\\\',因为正则表达式中必须是 "\\",而每个反斜杠在常规的 Python 字符串实值中必须表示成 "\\"。在 REs 中反斜杠的这个重复特性会导致大量重复的反斜杠,而且所生成的字符串也很难懂。 解决的办法就是为正则表达式使用 Python 的 raw 字符串表示;在字符串前加个 "r" 反斜杠就不会被任何特殊方式处理,所以 r"\n" 就是包含"\" 和 "n" 的两个字符,而 "\n" 则是一个字符,表示一个换行。正则表达式通常在 Python 代码中都是用这种 raw 字符串表示。 {|border="1" cellspacing="0" |常规字符串||Raw 字符串 |- |"ab*"||r"ab*" |- |"\\\\section"||r"\\section" |- |"\\w+\\s+\\1"||r"\w+\s+\1" |} <h4> 执行匹配 </h4> <p>一旦你有了已经编译了的正则表达式的对象,你要用它做什么呢?`RegexObject` 实例有一些方法和属性。这里只显示了最重要的几个,如果要看完整的列表请查阅 Python Library Reference </p> <table border="1" cellspacing="0"> <tr> <td>方法/属性</td><td>作用 </td></tr> <tr> <td>match()</td><td>决定 RE 是否在字符串刚开始的位置匹配 </td></tr> <tr> <td>search()</td><td>扫描字符串,找到这个 RE 匹配的位置 </td></tr> <tr> <td>findall()</td><td>找到 RE 匹配的所有子串,并把它们作为一个列表返回 </td></tr> <tr> <td>finditer()</td><td>找到 RE 匹配的所有子串,并把它们作为一个迭代器返回 </td></tr></table> <p><br /> 如果没有匹配到的话,match() 和 search() 将返回 None。如果成功的话,就会返回一个 `MatchObject` 实例,其中有这次匹配的信息:它是从哪里开始和结束,它所匹配的子串等等。 </p><p><br /> 你可以用采用人机对话并用 re 模块实验的方式来学习它。如果你有 Tkinter 的话,你也许可以考虑参考一下 Tools/scripts/redemo.py,一个包含在 Python 发行版里的示范程序。 </p><p><br /> 首先,运行 Python 解释器,导入 re 模块并编译一个 RE: </p> <pre>#!python Python 2.2.2 (#1, Feb 10 2003, 12:57:01) >>> import re >>> p = re.compile('[a-z]+') >>> p <_sre.SRE_Pattern object at 80c3c28> </pre> <p>现在,你可以试着用 RE 的 [a-z]+ 去匹配不同的字符串。一个空字符串将根本不能匹配,因为 + 的意思是 “一个或更多的重复次数”。 在这种情况下 match() 将返回 None,因为它使解释器没有输出。你可以明确地打印出 match() 的结果来弄清这一点。 </p> <pre>#!python >>> p.match("") >>> print p.match("") None </pre> <p>现在,让我们试着用它来匹配一个字符串,如 "tempo"。这时,match() 将返回一个 MatchObject。因此你可以将结果保存在变量里以便後面使用。 </p> <pre>#!python >>> m = p.match( 'tempo') >>> print m <_sre.SRE_Match object at 80c4f68> </pre> <p>现在你可以查询 `MatchObject` 关于匹配字符串的相关信息了。MatchObject 实例也有几个方法和属性;最重要的那些如下所示: </p> <table border="1" cellspacing="0"> <tr> <td>方法/属性</td><td>作用 </td></tr> <tr> <td>group()</td><td>返回被 RE 匹配的字符串 </td></tr> <tr> <td>start()</td><td>返回匹配开始的位置 </td></tr> <tr> <td>end()</td><td>返回匹配结束的位置 </td></tr> <tr> <td>span()</td><td>返回一个元组包含匹配 (开始,结束) 的位置 </td></tr></table> <p><br /> 试试这些方法不久就会清楚它们的作用了: </p> <pre>#!python >>> m.group() 'tempo' >>> m.start(), m.end() (0, 5) >>> m.span() (0, 5) </pre> <p>group() 返回 RE 匹配的子串。start() 和 end() 返回匹配开始和结束时的索引。span() 则用单个元组把开始和结束时的索引一起返回。因为匹配方法检查到如果 RE 在字符串开始处开始匹配,那么 start() 将总是为零。然而, `RegexObject` 实例的 search 方法扫描下面的字符串的话,在这种情况下,匹配开始的位置就也许不是零了。 </p> <pre>#!python >>> print p.match('::: message') None >>> m = p.search('::: message') ; print m <re.MatchObject instance at 80c9650> >>> m.group() 'message' >>> m.span() (4, 11) </pre> <p>在实际程序中,最常见的作法是将 `MatchObject` 保存在一个变量里,然後检查它是否为 None,通常如下所示: </p> <pre>#!python p = re.compile( ... ) m = p.match( 'string goes here' ) if m: print 'Match found: ', m.group() else: print 'No match' </pre> <p>两个 `RegexObject` 方法返回所有匹配模式的子串。findall()返回一个匹配字符串行表: </p> <pre>#!python >>> p = re.compile('\d+') >>> p.findall('12 drummers drumming, 11 pipers piping, 10 lords a-leaping') ['12', '11', '10'] </pre> <p>findall() 在它返回结果时不得不创建一个列表。在 Python 2.2中,也可以用 finditer() 方法。 </p> <pre>#!python >>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...') >>> iterator <callable-iterator object at 0x401833ac> >>> for match in iterator: ... print match.span() ... (0, 2) (22, 24) (29, 31) </pre>
返回至
Python正则表达式操作指南
。