第一章 文字 re 正規表示式 利用模式拆分

1.3.11 利用模式拆分

str.split()是分解字串來完成解析的最常用的方法之一。不過，它只支援使用字面量只作為分隔符。有時，如果輸入沒有一致的格式，那麼就需要有乙個正規表示式。例如，很多純文字標記語言都把段落分隔符定義為兩個或多個換行符(\n)。在這種情況下，就不能使用str.split(),因為這個定義中提到了「或多個」。通過findall()標識段落的一種策略是使用類似(.+?)\n的模式。

import re

text =
'''paragraph one
on two lines.
paragraph two.
paragraph three.'''
for num,para in
enumerate
(re.findall(r'(.+?)\n'
,text,flags=re.dotall)):
print
(num,
repr
(para)
)print
()

執行結果：

可以擴充套件這個模式，指出段落以兩個或多個換行符結束或者以輸入末尾結束，這就能修正這個問題，但也會讓模式變得更為複雜。可以轉而使用re.split()而非re.findall(),這便能自動地處理邊界條件，並保證模式更簡單。

import re

text =
'''paragraph one
on two lines.
paragraph two.
paragraph three.'''
print
('with findall:'
)for num,para in
enumerate
(re.findall(r'(.+?)(\n|$)'
,text,
flags=re.dotall)):
print
(num,
repr
(para)
)print()
print()
print
('with split:'
)for num,para in
enumerate
(re.split(r'\n'
,text)):
print
(num,
repr
(para)
)print
()

執行結果：

可以將表示式包圍在括號裡來定義乙個組，這使得split()的工作更類似於str.partition(),因此它會返回分隔符值以及字串的其他部分。

import re

text =
'''paragraph one
on two lines.
paragraph two.
paragraph three.'''
print
('with split:'
)for num,para in
enumerate
(re.split(r'(\n)'
,text)):
print
(num,
repr
(para)
)print
()

執行結果：

第一章 文字 re 正規表示式 多重匹配

1.3.3 多重匹配 到目前為止，示例模式都只是使用search 來查詢字面量文字字串的單個例項。findall 函式會返回輸入中與模式匹配而且不重疊的所有子串。import re text abbaaabbbbaaaaa pattern ab for match in re.findall pat...

第一章 文字 re 正規表示式 限制搜尋

1.3.5 限制搜尋 有些情況下，可以提前知道只需要搜尋整個輸入的乙個子集，在這些情況下，可以告訴re限制搜尋範圍從而進一步約束正規表示式匹配。例如，如果模式必須出現在輸入開頭，那麼使用match 而不是search 會錨定搜尋，而不必顯示地在搜尋模式中包含乙個錨。import re text th...

第一章 文字 re 正規表示式 搜尋選項 3

1.3.7.3 unicode 在python3中，str物件使用完整的unicode字符集，str的正規表示式處理會假設模式和輸入文字都是unicode.之前描述的轉義碼預設的也是按unicode定義。這些假設意味著模式 w 對單詞 french 和 fran ais 都能匹配。要向python2...