摘要：Python正則表達(dá)式標(biāo)準(zhǔn)庫(kù)介紹

我將從正則表達(dá)式開(kāi)始講Python的標(biāo)準(zhǔn)庫(kù)。正則表達(dá)式是文字處理中常用的工具，而且不需要額外的系統(tǒng)知識(shí)或經(jīng)驗(yàn)。我們會(huì)把系統(tǒng)相關(guān)的包放在后面講解。

?

正則表達(dá)式(regular expression)主要功能是從字符串(string)中通過(guò)特定的模式(pattern)，搜索想要找到的內(nèi)容。

語(yǔ)法

之前，我們簡(jiǎn)介了字符串相關(guān)的處理函數(shù)。我們可以通過(guò)這些函數(shù)實(shí)現(xiàn)簡(jiǎn)單的搜索功能，比如說(shuō)從字符串“I love you”中搜索是否有“you”這一子字符串。但有些時(shí)候，我們只是模糊地知道我們想要找什么，而不能具體說(shuō)出我是在找“you”，比如說(shuō)，我想找出字符串中包含的數(shù)字，這些數(shù)字可以是0到9中的任何一個(gè)。這些模糊的目標(biāo)可以作為信息寫(xiě)入正則表達(dá)式，傳遞給Python，從而讓Python知道我們想要找的是什么。

(官方documentation)

在Python中使用正則表達(dá)式需要標(biāo)準(zhǔn)庫(kù)中的一個(gè)包re。

123	import rem = re.search('[0-9]','abcd4ef')print(m.group(0))

re.search()接收兩個(gè)參數(shù)，第一個(gè)’[0-9]‘就是我們所說(shuō)的正則表達(dá)式，它告訴Python的是，“聽(tīng)著，我從字符串想要找的是從0到9的一個(gè)數(shù)字字符”。

re.search()如果從第二個(gè)參數(shù)找到符合要求的子字符串，就返回一個(gè)對(duì)象m，你可以通過(guò)m.group()的方法查看搜索到的結(jié)果。如果沒(méi)有找到符合要求的字符，re.search()會(huì)返回None。

?

如果你熟悉Linux或者Perl, 你應(yīng)該已經(jīng)熟悉正則表達(dá)式。當(dāng)我們打開(kāi)Linux shell的時(shí)候，可以用正則表達(dá)式去查找或著刪除我們想要的文件，比如說(shuō)：

$rm book[0-9][0-9].txt

這就是要?jiǎng)h除類似于book02.txt的文件。book[0-9][0-9].txt所包含的信息是，以book開(kāi)頭，后面跟兩個(gè)數(shù)字字符，之后跟有”.txt”的文件名。如果不符合條件的文件名，比如說(shuō):

bo12.txt

book1.txt

book99.text

都不會(huì)被選中。

Perl中內(nèi)建有正則表達(dá)式的功能，據(jù)說(shuō)是所有正則表達(dá)式系統(tǒng)中最強(qiáng)的，這也是Perl成為系統(tǒng)管理員利器的一個(gè)原因。

?

正則表達(dá)式的函數(shù)

1 2	m = re.search(pattern, string)??# 搜索整個(gè)字符串，直到發(fā)現(xiàn)符合的子字符串。 m = re.match(pattern, string)?? # 從頭開(kāi)始檢查字符串是否符合正則表達(dá)式。必須從字符串的第一個(gè)字符開(kāi)始就相符。

可以從這兩個(gè)函數(shù)中選擇一個(gè)進(jìn)行搜索。上面的例子中，我們?nèi)绻褂胷e.match()的話，則會(huì)得到None，因?yàn)樽址钠鹗紴椤產(chǎn)’， 不符合’[0-9]‘的要求。

對(duì)于返回的m, 我們使用m.group()來(lái)調(diào)用結(jié)果。（我們會(huì)在后面更詳細(xì)解釋m.group()）

?

我們還可以在搜索之后將搜索到的子字符串進(jìn)行替換：

12	str = re.sub(pattern, replacement, string) # 在string中利用正則變換pattern進(jìn)行搜索，對(duì)于搜索到的字符串，用另一字符串replacement替換。返回替換后的字符串。

?

此外，常用的正則表達(dá)式函數(shù)還有

re.split()??? # 根據(jù)正則表達(dá)式分割字符串， 將分割后的所有子字符串放在一個(gè)表(list)中返回

re.findall()? # 根據(jù)正則表達(dá)式搜索字符串，將所有符合的子字符串放在一給表(list)中返回

?

(在熟悉了上面的函數(shù)后，可以看一下re.compile()，以便于提高搜索效率。)

?

寫(xiě)一個(gè)正則表達(dá)式

關(guān)鍵在于將信息寫(xiě)成一個(gè)正則表達(dá)式。我們先看正則表達(dá)式的常用語(yǔ)法：

1）單個(gè)字符:

.??????????任意的一個(gè)字符

a|b??????? 字符a或字符b

[afg] ???? a或者f或者g的一個(gè)字符

[0-4]????? 0-4范圍內(nèi)的一個(gè)字符

[a-f]????? a-f范圍內(nèi)的一個(gè)字符

[^m]?????? 不是m的一個(gè)字符

s???????? 一個(gè)空格

S???????? 一個(gè)非空格

d???????? [0-9]

D???????? [^0-9]

w???????? [0-9a-zA-Z]

W???????? [^0-9a-zA-Z]

?

2）重復(fù)

緊跟在單個(gè)字符之后，表示多個(gè)這樣類似的字符

*???????? 重復(fù)?>=0?次

+???????? 重復(fù)?>=1?次

????????? 重復(fù)?0或者1?次

{m}? ? ???重復(fù)m次。比如說(shuō) a{4}相當(dāng)于aaaa，再比如說(shuō)[1-3]{2}相當(dāng)于[1-3][1-3]

{m, n}????重復(fù)m到n次。比如說(shuō)a{2, 5}表示a重復(fù)2到5次。小于m次的重復(fù)，或者大于n次的重復(fù)都不符合條件。

?

正則表達(dá)????????? 相符的字符串舉例

[0-9]{3,5}?????? 9678

a?b????????????? b

a+b????????????? aaaaab

?

3) 位置

^???????? 字符串的起始位置

$???????? 字符串的結(jié)尾位置

?

正則表達(dá)????????? 相符的字符串舉例??????? 不相符字符串

^ab.*c$????????? abeec?????????????? cabeec (如果用re.search(), 將無(wú)法找到。)
4）返回控制

我們有可能對(duì)搜索的結(jié)果進(jìn)行進(jìn)一步精簡(jiǎn)信息。比如下面一個(gè)正則表達(dá)式：

output_(d{4})

該正則表達(dá)式用括號(hào)()包圍了一個(gè)小的正則表達(dá)式，d{4}。 這個(gè)小的正則表達(dá)式被用于從結(jié)果中篩選想要的信息（在這里是四位數(shù)字）。這樣被括號(hào)圈起來(lái)的正則表達(dá)式的一部分，稱為群(group)。
我們可以m.group(number)的方法來(lái)查詢?nèi)骸roup(0)是整個(gè)正則表達(dá)的搜索結(jié)果，group(1)是第一個(gè)群……

1 2 3

import re m = re.search("output_(d{4})", "output_1986.txt") print(m.group(1))

我們還可以將群命名，以便更好地使用m.group查詢:

123	import rem = re.search("output_(?P<year>d{4})", "output_1986.txt")?? #(?P<name>...) 為group命名print(m.group("year"))

?

總結(jié)

re.search() re.match() re.sub() re.findall()

正則表達(dá)式構(gòu)成方法

?

練習(xí)
有一個(gè)文件，文件名為output_1981.10.21.txt 。下面使用Python： 讀取文件名中的日期時(shí)間信息，并找出這一天是周幾。將文件改名為output_YYYY-MM-DD-W.txt (YYYY:四位的年，MM：兩位的月份，DD：兩位的日，W：一位的周幾，并假設(shè)周一為一周第一天)

習(xí)題參考解答

1 2 3 4 5 6 7 8 9 10 11

import re import datetime m = re.search('output_(?P<year>d{4}).(?P<month>d{2}).(?P<day>d{2})', 'output_1981.10.21.txt') weekday = datetime.datetime(int(m.group('year')),int(m.group('month')),int(m.group('day'))).strftime("%w") filename = 'output_' + m.group('year') + '-' + m.group('month') + '-' + m.group('day') + '-' + weekday + '.txt' print (weekday) print filename

總結(jié)

以上是生活随笔為你收集整理的Python标准库01 正则表达式 (re包)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。