《python正则表达式深入浅出》由会员分享，可在线阅读，更多相关《python正则表达式深入浅出（16页珍藏版）》请在金锄头文库上搜索。
1、python 的正那么表达式re延伸阅读：python的内建函数和subprocess 。此文是本系歹U的第三篇文章了，和 之前一样，内容出自官方文档，但是会有自己的理解，并非单纯的翻译。所以，如果我理解 有误，欢送指正，谢谢。本模块提供了和Perl里的正那么表达式类似的功能，不关是正那么表达式本身还是被搜索 的字符申，都可以是Unicode字符，这点不用担忧，python会处理地和Ascii字符一样漂 亮。正那么表达式使用反斜杆()来转义特殊字符，使其可以匹配字符本身，而不是指定其 他特殊的含义。这可能会和python字面意义上的字符申转义相冲突，这也许有些令人费 解。比方，要匹配一个反斜杆
2、本身，你也许要用 来做为正那么表达式的字符申，因为正 那么表达式要是，而字符申里，每个反斜杆都要写成。你也可以在字符申前加上r这个前缀来防止局部疑惑，因为r开头的python字符申是 raw字符申，所以里面的所有字符都不会被转义，比方 rn这个字符申就是一个反斜杆加 上一字母n,而n我们知道这是个换行符。因此，上面的你也可以写成r,这样， 应该就好理解很多了。可以看下面这段： import re s = x 5c #0x5c 就是反斜杆 print s re.match( , s) #这样可以匹配 re.match(r , s) #这样也可以 re.match( , s) #但是这样不行Tra
3、ceback (most recent call last):File , line 1, in File /usr/lib/python2.6/re.py , line 137, in matchreturn _compile(pattern, flags).match( string )File /usr/lib/python2.6/re.py , line 245 , in _compileraise error, v # invalid expressionsre_constants.error: bogus escape (end of line)另外值得一提的是，re模块的方法，大
4、多也就是 RegexObject对象的方法，两者的区别在于执行效率。这个在最后再展开吧正那么表达式语法正那么表达式(RE)指定一个与之匹配的字符集合；本模块所提供的函数，将可以用来 检查所给的字符申是否与指定的正那么表达式匹配。正那么表达式可以被连接，从而形成新的正那么表达式；例如 A和B都是正那么表达式，那 么AB也是正那么表达式。一般地，如果字符申p与A匹配，q与B匹配的话，那么字符申pq也会与AB匹配，但A或者B里含有边界限定条件或者命名组操作的情况除外。也就是 说，复杂的正那么表达式可以用简单的连接而成。正那么表达式可以包含特殊字符和普通字符，大局部字符比方A , a和0都是普通字符，
5、如果做为正那么表达式，它们将匹配它们本身。由于正那么表达式可以连接，所以连接多个 普通字符而成的正那么表达式last也将匹配last。(后面将用不带引号的表示正那么表达式， 带引号的表示字符申)下面就来介绍正那么表达式的特殊字符：.点号，在普通模式，它匹配除换行符外的任意一个字符；如果指定了DOTALL标记，匹配包括换行符以内的任意一个字符。A尖尖号，匹配一个字符申的开始，在 MULTILINE 模式下，也将匹配任意一个新行的 开始。$美元符号，匹配一个字符申的结尾或者字符申最后面的换行符，在 MULTILINE模式 下，也匹配任意一行的行尾。也就是说，普通模式下，foo.$去搜索foo1nf
6、oo2n 只会找到foo2 ,但是MULTILINE 模式，还能找到 fool ，而且就用一令 去搜索foon 的话，会找到两个空的匹配：一个是最后的换行符，一个是字符申的结尾，演示： re.findall( (foo.$) , fool n foo2 n )foo2 re.findall( (foo.$) , fool n foo2 n, re.MULTILINE) foo1 , foo2 re.findall( ($) , foo n ),*星号，指定将前面的RE重复0次或者任意屡次，而且总是试图尽量屡次地匹配。加号，指定将前面的RE重复1次或者任意屡次，而且总是试图尽量屡次地匹配?问号，
7、指定将前面的RE重复0次或者1次，如果有的话，也尽量匹配1次。*?+?， ， 从前面的描述可以看到*, +和?都是贪婪的，但这也许并不是我们说要的，所以， 可以在后面加个问号，将策略改为 非贪婪，只匹配尽量少的RE。例如，体会两者的区别： re.findall( , title)H1title re.findall( , title)H1 , /H1mm是一个数字，指定将前面的 RE重复m次。m,nm和n都是数字，指定将前面的RE重复m到n次，例如a3,5匹配3到5个连续的 a。注意，如果省略m，将匹配0到n个前面的RE；如果省略n ,将匹配n到无穷多个前 面的RE;当然中间的逗号是不能省略的
8、，不然就变成前面那种形式了。m,n?前面说的m,n，也是贪婪的，a3,5如果有5个以上连续a的话，会匹配5个，这个 也可以通过加问号改变。a3,5?如果可能的话，将只匹配3个a。反斜杆，转义* , ?等特殊字符，或者指定一个特殊序列(下面会详述)由于之前所述的原因，强烈建议用raw字符申来表述正那么。方括号，用于指定一个字符的集合。可以单独列出字符，也可以用 -连接起止字符以表 示一个范围。特殊字符在中括号里将失效，比方 akm$就表示字符a, k , m,或$,在 这里$也变身为普通字符了。 a-z匹配任意一个小写字母，a-zA-Z0-9匹配任意一个字母 或数字。如果你要匹配或-本身，你需要
9、加反斜杆转义，或者是将其置于中括号的最前 面，比方可以匹配你还可以对一个字符集合取反，以匹配任意不在这个字符集合里的字符，取反操作用一 个A放在集合的最前面表示，放在其他地方的A将不会起特殊作用。例如仁5将匹配任意 不是5的字符；aa将匹配任意不是A的字符。注意：在中括号里，+、*、这类字符将会失去特殊含义，仅作为普通字符。反向引 用也不能在中括号内使用。T管道符号，A和B是任意的RE,那么A|B就是匹配A或者B的一个新的RE。任意个 数的RE都可以像这样用管道符号间隔连接起来。这种形式可以被用于组中后面将详述。对于目标字符申，被|分割的RE将自左至右一一被测试，一旦有一个测试成功，后 面的将
10、不再被测试，即使后面的 RE可能可以匹配更长的申，换句话说，|操作符是非贪婪 的。要匹配字面意义上的|,可以用反斜杆转义：|,或是包含在反括号内：|。.匹配圆括号里的RE匹配的内容，并指定 组的开始和结束位置。组里面的内容可以被提 取，也可以采用number这样的特殊序列，被用于后续的匹配。要匹配字面意义上的和，可以用反斜杆转义：、,或是包含在反括号内：、0?.这是一个表达式的扩展符号。?后的第一个字母决定了整个表达式的语法和含义，除了 ?P.以外，表达式不会产生一个新的组。下面介绍几个目前已被支持的扩展：?iLmsuxi、L、m、s、u、x里的一个或多个字母。表达式不匹配任何字符，但是指定相
11、 应的标志：re.I 忽略大小写、re.L 依赖locale、re.M 多行模式、re.S.匹配所有字符、 re.U 依赖Unicode、re.X 详细模式。关于各个模式的区别，下面会有专门的一节来介绍 的。使用这个语法可以代替在re pile的时候或者调用的时候指定flag参数。例如，上面举过的例子，可以改写成这样和指定了 re.MULTILINE是一样的效果： re.findall ?mfoo.$ , foo1 n foo2 n foo1 , foo2 另外，还要注意?x标志如果有的话，要放在最前面。?:.匹配内部的RE所匹配的内容，但是不建立 组。?P.和普通的圆括号类似，但是子申匹配到
12、的内容将可以用命名的 name参数来提取。组 的name必须是有效的python标识符，而且在本表达式内不重名。命名了的组和普通组一 样，也用数字来提取，也就是说名字只是个额外的届性。演示一下： m= re.match( (?Pa-zA-Z_ w *), abc=123) m.group( var)abc m.group( 1)abc(?P=name)匹配之前以name命名的组里的内容。演示一下： re.match( (?P w *).*, xxx) #这个不匹配 re.match( (?P w *).*, xxx) #这个匹配(?#.)注释，圆括号里的内容会被忽略。(?=.)如果.匹配接下来
13、的字符，才算匹配，但是并不会消耗任何被匹配的字符。例如 Isaac(?=Asimov)只会匹配后面跟着Asimov的Isaac ,这个叫做“前瞻断*。(?!.)和上面的相反，只匹配接下来的字符申 不匹配.的申，这叫做“反前瞻断言。(?=.)只有当当前位置之前的字符申匹配.,整个匹配才有效，这叫“后顾断言。(? m = re.search( (? m.group( 0)egg(?!.)同理，这个叫做“反后顾断言，子 RE需要固定长度的，含义是前面的字符申不匹 配.整个才算匹配。(?(id/name)yes-pattern|no-pattern)如有由id或者name指定的组存在的话，将会匹配 yes-pattern，否那么将会匹配nop
