Python的正規表示式

這篇文章使用 markdown 寫成。

python的正規表示式是使用re 模組的。

match = re.search(pattern,str)
if match:
print 'found',match.group()
else:
print 'not found!'

## 在字串'piiig'中查詢'iii'
match = re.search(r'iii', 'piiig') => found, match.group() == "iii"
match = re.search(r'igs', 'piiig') => not found, match == none
## . 匹配除了\n的任意字元
match = re.search(r'..g', 'piiig') => found, match.group() == "iig"
## \d 匹配0-9的數字字元, \w 匹配單詞裡的字元
match = re.search(r'\d\d\d', 'p123g') => found, match.group() == "123"
match = re.search(r'\w\w\w', '@@abcd!!') => found, match.group() == "abc"

可以用'+' '*' '?'來匹配0個，1個或多個重複字元。

注意，'+'和'*'會匹配盡可能多的字元。

## i+  匹配1個或者多個'i'
match = re.search(r'pi+', 'piiig') => found, match.group() == "piii"
## 找到字串中最左邊盡可能長的模式。
## 注意，並沒有匹配到第二個 'i+'
match = re.search(r'i+', 'piigiiii') => found, match.group() == "ii"
## \s* 匹配0個或1個空白字元 whitespace
match = re.search(r'\d\s*\d\s*\d', 'xx1 2 3xx') => found, match.group() == "1 2 3"
match = re.search(r'\d\s*\d\s*\d', 'xx12 3xx') => found, match.group() == "12 3"
match = re.search(r'\d\s*\d\s*\d', 'xx123xx') => found, match.group() == "123"
## ^ 匹配字串的第乙個字元
match = re.search(r'^b\w+', 'foobar') => not found, match == none
## 與上例對比
match = re.search(r'b\w+', 'foobar') => found, match.group() == "bar"

match = re.search(r'\w+@\w+',str)

但是，對於這種email位址 'xyz [email protected] purple monkey' 則不能奏效。

方括號裡面的字元表示乙個字元集合。[abc]可以被用來匹配'a'或者'b'或者'c'。\w \s等都可以用在方括號裡，除了'.'以外，它只能用來表示字面意義上的『點』。所以上面的email規則可以擴充如下：

match = re.search('r[\w.-]+@[\w.-]+',str)

你還可以使用'-'來指定範圍，如[a-z]指示的是所有小寫字母的集合。所以如果你想構造的字元集合中有'-'，請把它放到末尾[ab-]。另外，前方加上'^'，用來表示取集合的補集，例如[^ab]表示除了'a'和'b'之外的其他字元。

以email位址為例，如果我們想要分別提取該位址的使用者名稱'someone'和主機名'host.com'該怎麼辦呢？可以在模式中用圓括號指定。

str = 'purple [email protected] monkey dishwasher'
match = re.search('([\w.-]+)@([\w.-]+)', str) #用圓括號指定分割
if match:
print match.group() ## '[email protected]' (the whole match)
print match.group(1) ## 'alice-b' (the username, group 1)
print match.group(2) ## 'google.com' (the host, group 2)

與group函式只找到最左端的乙個匹配不同，findall函式找到字串中所有與模式匹配的串。

str = 'purple [email protected], blah monkey [email protected] blah dishwasher'
## findall返回乙個包含所有匹配結果的 list
emails = re.findall(r'[\w\.-]+@[\w\.-]+', str) ## ['[email protected]', '[email protected]']
for email in emails:
print email

當然可以讀入檔案的每一行，然後對每一行的內容呼叫findall，但是為什麼讓這一切自動發生呢？

f = open(filename.txt,'r')
matches = re.findall(pattern,f.read())

和group的用法相似，也可以指定分組。

str = 'purple [email protected], blah monkey [email protected] blah dishwasher'
##　返回了乙個list
tuples = re.findall(r'([\w\.-]+)@([\w\.-]+)', str)
print tuples ## [('alice', 'google.com'), ('bob', 'abc.com')]
##　list中的元素是tuple 
for tuple in tuples:
print tuple[0] ## username
print tuple[1] ## host

正規表示式異常強大，使用簡單的幾條規則就可以演變出很多的模式組合。在確定你的模式之前，可能需要很多的除錯工作。在乙個小的測試集合上測試正規表示式。

正規表示式還可以設定「選項」。

match = re.search(pat,str,opt)

這些可選項如下：

Python的正規表示式

python正規表示式元字元正規表示式

python正規表示式及使用正規表示式的例子

Python 正規表示式

Python的正規表示式

python正規表示式元字元 正規表示式

python正規表示式及使用正規表示式的例子

Python 正規表示式

相關推薦

python正規表示式元字元正規表示式