站長(zhǎng)資訊網(wǎng)Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達(dá)式模式。Python 1.5之前版本則是通過(guò) regex 模塊提供 Emacs 風(fēng)格的模式。Emacs 風(fēng)格模式可讀性稍差些，而且功能也不強(qiáng)，因此編寫(xiě)新代碼時(shí)盡量不要再使用 regex 模塊，當(dāng)然偶爾你還是可能在老代碼里發(fā)現(xiàn)其蹤影。
1. 正則表達(dá)式基礎(chǔ)
1.1. 簡(jiǎn)單介紹
正則表達(dá)式并不是Python的一部分。正則表達(dá)式是用于處理字符串的強(qiáng)大工具，擁有自己獨(dú)特的語(yǔ)法以及一個(gè)獨(dú)立的處理引擎，效率上可能不如str自帶的方法，但功能十分強(qiáng)大。得益于這一點(diǎn)，在提供了正則表達(dá)式的語(yǔ)言里，正則表達(dá)式的語(yǔ)法都是一樣的，區(qū)別只在于不同的編程語(yǔ)言實(shí)現(xiàn)支持的語(yǔ)法數(shù)量不同；但不用擔(dān)心，不被支持的語(yǔ)法通常是不常用的部分。如果已經(jīng)在其他語(yǔ)言里使用過(guò)正則表達(dá)式，只需要簡(jiǎn)單看一看就可以上手了。
下圖展示了使用正則表達(dá)式進(jìn)行匹配的流程：
正則表達(dá)式的大致匹配過(guò)程是：依次拿出表達(dá)式和文本中的字符比較，如果每一個(gè)字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。如果表達(dá)式中有量詞或邊界，這個(gè)過(guò)程會(huì)稍微有一些不同，但也是很好理解的，看下圖中的示例以及自己多使用幾次就能明白。
下圖列出了Python支持的正則表達(dá)式元字符和語(yǔ)法：
1.2. 數(shù)量詞的貪婪模式與非貪婪模式
正則表達(dá)式通常用于在文本中查找匹配的字符串。Python里數(shù)量詞默認(rèn)是貪婪的（在少數(shù)語(yǔ)言里也可能是默認(rèn)非貪婪），總是嘗試匹配盡可能多的字符；非貪婪的則相反，總是嘗試匹配盡可能少的字符。例如：正則表達(dá)式”ab*”如果用于查找”abbbc”，將找到”abbb”。而如果使用非貪婪的數(shù)量詞”ab*?”，將找到”a”。
1.3. 反斜杠的困擾
與大多數(shù)編程語(yǔ)言相同，正則表達(dá)式里使用””作為轉(zhuǎn)義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符””，那么使用編程語(yǔ)言表示的正則表達(dá)式里將需要4個(gè)反斜杠”\\”：前兩個(gè)和后兩個(gè)分別用于在編程語(yǔ)言里轉(zhuǎn)義成反斜杠，轉(zhuǎn)換成兩個(gè)反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個(gè)反斜杠。Python里的原生字符串很好地解決了這個(gè)問(wèn)題，這個(gè)例子中的正則表達(dá)式可以使用r”\”表示。同樣，匹配一個(gè)數(shù)字的”\d”可以寫(xiě)成r”d”。有了原生字符串，你再也不用擔(dān)心是不是漏寫(xiě)了反斜杠，寫(xiě)出來(lái)的表達(dá)式也更直觀。
1.4. 匹配模式
正則表達(dá)式提供了一些可用的匹配模式，比如忽略大小寫(xiě)、多行匹配等，這部分內(nèi)容將在Pattern類(lèi)的工廠方法re.compile(pattern[, flags])中一起介紹。
2. re模塊
2.1. 開(kāi)始使用re
Python通過(guò)re模塊提供對(duì)正則表達(dá)式的支持。使用re的一般步驟是先將正則表達(dá)式的字符串形式編譯為Pattern實(shí)例，然后使用Pattern實(shí)例處理文本并獲得匹配結(jié)果（一個(gè)Match實(shí)例），最后使用Match實(shí)例獲得信息，進(jìn)行其他的操作。
# encoding: UTF-8 import re # 將正則表達(dá)式編譯成Pattern對(duì)象 pattern = re.compile(r'hello') # 使用Pattern匹配文本，獲得匹配結(jié)果，無(wú)法匹配時(shí)將返回None match = pattern.match('hello world!') if match: # 使用Match獲得分組信息 print match.group() ### 輸出 ### # hello re.compile(strPattern[, flag]):
這個(gè)方法是Pattern類(lèi)的工廠方法，用于將字符串形式的正則表達(dá)式編譯為Pattern對(duì)象。 第二個(gè)參數(shù)flag是匹配模式，取值可以使用按位或運(yùn)算符’|’表示同時(shí)生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile(‘pattern’, re.I | re.M)與re.compile(‘(?im)pattern’)是等價(jià)的。
可選值有：
re.I(re.IGNORECASE): 忽略大小寫(xiě)（括號(hào)內(nèi)是完整寫(xiě)法，下同）
M(MULTILINE): 多行模式，改變’^’和’$’的行為（參見(jiàn)上圖）
S(DOTALL): 點(diǎn)任意匹配模式，改變’.’的行為
L(LOCALE): 使預(yù)定字符類(lèi) w W b B s S 取決于當(dāng)前區(qū)域設(shè)定
U(UNICODE): 使預(yù)定字符類(lèi) w W b B s S d D 取決于unicode定義的字符屬性
X(VERBOSE): 詳細(xì)模式。這個(gè)模式下正則表達(dá)式可以是多行，忽略空白字符，并可以加入注釋。
以下兩個(gè)正則表達(dá)式是等價(jià)的：
a = re.compile(r"""d + # the integral part . # the decimal point d * # some fractional digits""", re.X) b = re.compile(r"d+.d*")
re提供了眾多模塊方法用于完成正則表達(dá)式的功能。這些方法可以使用Pattern實(shí)例的相應(yīng)方法替代，唯一的好處是少寫(xiě)一行re.compile()代碼，但同時(shí)也無(wú)法復(fù)用編譯后的Pattern對(duì)象。這些方法將在Pattern類(lèi)的實(shí)例方法部分一起介紹。如上面這個(gè)例子可以簡(jiǎn)寫(xiě)為：
m = re.match(r'hello', 'hello world!') print m.group()
re模塊還提供了一個(gè)方法escape(string)，用于將string中的正則表達(dá)式元字符如*/+/?等之前加上轉(zhuǎn)義符再返回，在需要大量匹配元字符時(shí)有那么一點(diǎn)用。
2.2. Match
Match對(duì)象是一次匹配的結(jié)果，包含了很多關(guān)于此次匹配的信息，可以使用Match提供的可讀屬性或方法來(lái)獲取這些信息。
屬性：
string: 匹配時(shí)使用的文本。
re: 匹配時(shí)使用的Pattern對(duì)象。
pos: 文本中正則表達(dá)式開(kāi)始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
endpos: 文本中正則表達(dá)式結(jié)束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
lastindex: 最后一個(gè)被捕獲的分組在文本中的索引。如果沒(méi)有被捕獲的分組，將為None。
lastgroup: 最后一個(gè)被捕獲的分組的別名。如果這個(gè)分組沒(méi)有別名或者沒(méi)有被捕獲的分組，將為None。
方法：
group([group1, …]):
獲得一個(gè)或多個(gè)分組截獲的字符串；指定多個(gè)參數(shù)時(shí)將以元組形式返回。group1可以使用編號(hào)也可以使用別名；編號(hào)0代表整個(gè)匹配的子串；不填寫(xiě)參數(shù)時(shí)，返回group(0)；沒(méi)有截獲字符串的組返回None；截獲了多次的組返回最后一次截獲的子串。
groups([default]):
以元組形式返回全部分組截獲的字符串。相當(dāng)于調(diào)用group(1,2,…last)。default表示沒(méi)有截獲字符串的組以這個(gè)值替代，默認(rèn)為None。
groupdict([default]):
返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒(méi)有別名的組不包含在內(nèi)。default含義同上。
start([group]):
返回指定的組截獲的子串在string中的起始索引（子串第一個(gè)字符的索引）。group默認(rèn)值為0。
end([group]):
返回指定的組截獲的子串在string中的結(jié)束索引（子串最后一個(gè)字符的索引+1）。group默認(rèn)值為0。
span([group]):
返回(start(group), end(group))。
expand(template):
將匹配到的分組代入template中然后返回。template中可以使用id或g<id>、g<name>引用分組，但不能使用編號(hào)0。id與g<id>是等價(jià)的；但10將被認(rèn)為是第10個(gè)分組，如果你想表達(dá)1之后是字符’0’，只能使用g<1>0。
import re m = re.match(r'(w+) (w+)(?P<sign>.*)', 'hello world!') print "m.string:", m.string print "m.re:", m.re print "m.pos:", m.pos print "m.endpos:", m.endpos print "m.lastindex:", m.lastindex print "m.lastgroup:", m.lastgroup print "m.group(1,2):", m.group(1, 2) print "m.groups():", m.groups() print "m.groupdict():", m.groupdict() print "m.start(2):", m.start(2) print "m.end(2):", m.end(2) print "m.span(2):", m.span(2) print r"m.expand(r'2 13'):", m.expand(r'2 13') ### output ### # m.string: hello world! # m.re: <_sre.SRE_Pattern object at 0x016E1A38> # m.pos: 0 # m.endpos: 12 # m.lastindex: 3 # m.lastgroup: sign # m.group(1,2): ('hello', 'world') # m.groups(): ('hello', 'world', '!') # m.groupdict(): {'sign': '!'} # m.start(2): 6 # m.end(2): 11 # m.span(2): (6, 11) # m.expand(r'2 13'): world hello!
2.3. Pattern
Pattern對(duì)象是一個(gè)編譯好的正則表達(dá)式，通過(guò)Pattern提供的一系列方法可以對(duì)文本進(jìn)行匹配查找。
Pattern不能直接實(shí)例化，必須使用re.compile()進(jìn)行構(gòu)造。
Pattern提供了幾個(gè)可讀屬性用于獲取表達(dá)式的相關(guān)信息：
pattern: 編譯時(shí)用的表達(dá)式字符串。
flags: 編譯時(shí)用的匹配模式。數(shù)字形式。
groups: 表達(dá)式中分組的數(shù)量。
groupindex: 以表達(dá)式中有別名的組的別名為鍵、以該組對(duì)應(yīng)的編號(hào)為值的字典，沒(méi)有別名的組不包含在內(nèi)。
import re p = re.compile(r'(w+) (w+)(?P<sign>.*)', re.DOTALL) print "p.pattern:", p.pattern print "p.flags:", p.flags print "p.groups:", p.groups print "p.groupindex:", p.groupindex ### output ### # p.pattern: (w+) (w+)(?P<sign>.*) # p.flags: 16 # p.groups: 3 # p.groupindex: {'sign': 3}
實(shí)例方法[ | re模塊方法]：
match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
這個(gè)方法將從string的pos下標(biāo)處起嘗試匹配pattern；如果pattern結(jié)束時(shí)仍可匹配，則返回一個(gè)Match對(duì)象；如果匹配過(guò)程中pattern無(wú)法匹配，或者匹配未結(jié)束就已到達(dá)endpos，則返回None。
pos和endpos的默認(rèn)值分別為0和len(string)；re.match()無(wú)法指定這兩個(gè)參數(shù)，參數(shù)flags用于編譯pattern時(shí)指定匹配模式。
注意：這個(gè)方法并不是完全匹配。當(dāng)pattern結(jié)束時(shí)若string還有剩余字符，仍然視為成功。想要完全匹配，可以在表達(dá)式末尾加上邊界匹配符’$’。
示例參見(jiàn)2.1小節(jié)。
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
這個(gè)方法用于查找字符串中可以匹配成功的子串。從string的pos下標(biāo)處起嘗試匹配pattern，如果pattern結(jié)束時(shí)仍可匹配，則返回一個(gè)Match對(duì)象；若無(wú)法匹配，則將pos加1后重新嘗試匹配；直到pos=endpos時(shí)仍無(wú)法匹配則返回None。
pos和endpos的默認(rèn)值分別為0和len(string))；re.search()無(wú)法指定這兩個(gè)參數(shù)，參數(shù)flags用于編譯pattern時(shí)指定匹配模式。
# encoding: UTF-8 import re # 將正則表達(dá)式編譯成Pattern對(duì)象 pattern = re.compile(r'world') # 使用search()查找匹配的子串，不存在能匹配的子串時(shí)將返回None # 這個(gè)例子中使用match()無(wú)法成功匹配 match = pattern.search('hello world!') if match: # 使用Match獲得分組信息 print match.group() ### 輸出 ### # world split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數(shù)，不指定將全部分割。
import re p = re.compile(r'd+') print p.split('one1two2three3four4') ### output ### # ['one', 'two', 'three', 'four', ''] findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜索string，以列表形式返回全部能匹配的子串。
import re p = re.compile(r'd+') print p.findall('one1two2three3four4') ### output ### # ['1', '2', '3', '4'] finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string，返回一個(gè)順序訪問(wèn)每一個(gè)匹配結(jié)果（Match對(duì)象）的迭代器。
import re p = re.compile(r'd+') for m in p.finditer('one1two2three3four4'): print m.group(), ### output ### # 1 2 3 4 sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
使用repl替換string中每一個(gè)匹配的子串后返回替換后的字符串。
當(dāng)repl是一個(gè)字符串時(shí)，可以使用id或g<id>、g<name>引用分組，但不能使用編號(hào)0。
當(dāng)repl是一個(gè)方法時(shí)，這個(gè)方法應(yīng)當(dāng)只接受一個(gè)參數(shù)（Match對(duì)象），并返回一個(gè)字符串用于替換（返回的字符串中不能再引用分組）。
count用于指定最多替換次數(shù)，不指定時(shí)全部替換。
import re p = re.compile(r'(w+) (w+)') s = 'i say, hello world!' print p.sub(r'2 1', s) def func(m): return m.group(1).title() + ' ' + m.group(2).title() print p.sub(func, s) ### output ### # say i, world hello! # I Say, Hello World! subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]): 返回 (sub(repl, string[, count]), 替換次數(shù))。 import re p = re.compile(r'(w+) (w+)') s = 'i say, hello world!' print p.subn(r'2 1', s) def func(m): return m.group(1).title() + ' ' + m.group(2).title() print p.subn(func, s) ### output ### # ('say i, world hello!', 2) # ('I Say, Hello World!', 2)
以上就是Python對(duì)于正則表達(dá)式的支持。熟練掌握正則表達(dá)式是每一個(gè)程序員必須具備的技能，這年頭沒(méi)有不與字符串打交道的程序了。筆者也處于初級(jí)階段，與君共勉，^_^
另外，圖中的特殊構(gòu)造部分沒(méi)有舉出例子，用到這些的正則表達(dá)式是具有一定難度的。有興趣可以思考一下，如何匹配不是以abc開(kāi)頭的單詞，^_^
