正则表达式的总结和思考
|
正则表达式总结(python) ? 正则表达式（称为RE，或正则，或正则表达式模式）本质上是嵌入在Python中的一种微小的、高度专业化的编程语言，可通过?re?模块获得。正则表达式用于对字符串进行操作，最主要的为：匹配字符串、修改字符串。 ? ? 匹配字符： ?????? 元字符：这类字符拥有特殊含义，并且不匹配自己，相反它们表示应该匹配一些不同的东西，或者通过重复它们或改变它们的含义来影响正则的其他部分。 元字符的列表：. ^ $ * + ? { } [ ] | ( ) 。首先“[”和”]”,它们用于指定字符类，它是你希望匹配的一组字符。 可以单独列出字符，也可以通过给出两个字符并用?‘-‘?标记将它们分开来表示一系列字符。 例如，[abc]?将匹配任何字符?a、b?或?c; 这与?[a-c]?相同，它使用一个范围来表示同一组字符。其次，最重要的元字符是””,反斜杠后面可以跟各种字符，以指示各种特殊序列，也用于转义所有元字符，可以通过反斜杠来移除它们的特殊含义,如:[或。 d 匹配任何十进制数字；这等价于类?[0-9]。 D 匹配任何非数字字符；这等价于类?[^0-9]。 s 匹配任何空白字符；这等价于类?[?tnrfv]。 S 匹配任何非空白字符；这相当于类?[^?tnrfv]。 w 匹配任何字母与数字字符；这相当于类?[a-zA-Z0-9_]。 W 匹配任何非字母与数字字符；这相当于类?[^a-zA-Z0-9_]。 |????????????? ^ ?????? ?? 匹配行的末尾，定义为字符串的结尾，或者后跟换行符的任何位置。: ? A ? 仅匹配字符串的开头。 当不在?MULTILINE?模式时，A?和?^?实际上是相同的。 ? Z 只匹配字符串尾。 ? b 字边界。 这是一个零宽度断言，仅在单词的开头或结尾处匹配。 单词被定义为一个字母数字字符序列，因此单词的结尾由空格或非字母数字字符表示。 ? 编译正则表达式 正则表达式被编译成模式对象，模式对象有各种操作的方法，例如搜索模式匹配或执行字符串替换。 >>> import re >>> p = re.compile(“ab*) >>> p re.compile()也接受一个可选的flags参数，也叫做编译标志，用于启用各种特殊功能和语法变体。 ? ? 应用匹配模式对象有以下几种方法与属性 ? 以上的方法若匹配成功，会返回一个匹配对象，这包含匹配的相关信息：起始和终结位置、匹配的子串及其它。匹配对象实例的方法与属性： ? ? 分组：通常用于将正则分成几个子组来解析字符串，这些子组匹配不同的感兴趣组件，分组由元字符”(“,”)”来标记，它们将包含其中的表达式组合在一起，并且可以使用重复限定符重复组的内容；用”(“,”)”表示的组也捕获它们匹配的文本的起始和结束索引；这可以通过将参数传递给group(),start(),end(),span()。组从0开始编号，这表示整个正则。 非捕获和命名组：有时候会想要使用组来表示正则表达式的一部分，但是对检索组的内容不感兴趣，这时可以通过使用非捕获组来显示表达这个事实（？：…） >>> m = re.match(“([abc])+”,”abc”) >>> m.groups() (‘c’,) >>> m = re.match(“(?:[abc])+”,”abc”) >>> m = groups() () 而命名组不是通过数字引用，而是可以通过名称引用组，（?P<name>..）name是改组的名称，命名组的行为与捕获组完全相同，并且将组与名称关联 ? ? ? ? 修改字符串： 除了针对静态字符串执行搜索，正则表达式通常也用于以各种方式修改字符串，有如下方法 ? ? ? ?
? ? ? ? ? ? ? ? ? ? ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? ? .spilit(string[,maxsplit=0]):可以通过传递maxsplit的值来限制分割的数量。 >>> p = re.compile(r’w+) >>> p.split(‘This is a test,short and sweet,of split().’) [‘This’,’is’,’a’,’test’,’short’,’and’,’sweet’,’of’,’split’,’’] >>> p.split(‘This is a test,of split().’,3) [‘This’,’test,of split().’] ? ? 搜索和替换：找到模式的所有匹配项，并用不同的字符串替换它们。Sub()接受一个替换值，可以是字符串或函数，也可以是要处理的字符串。 .sub(replacement,string[,count=0]) 返回通过替换replacement替换string中正则的最左边非重叠出现而获得的字符串。如果未找到模式，则string将保持不变。 可选参数count是要替换的模式最大的出现次数；count必须是非负整数。 ? >>> p = re.compile(‘(blue|while|red)’) >>> p.sub(‘colour’,’blue socks and red shoes’) ‘colour socks and colour shoes’ >>> p.sub(‘colour’,’no colours at all’) (‘no coulours at all’,0) ? ? ? 在使用正则表达式中遇到的问题： ?
在使用模式对象进行匹配字符串时，通常使用match()函数或search()函数进行匹配，不过由于对函数的使用不当，有时候得到的结果并不是最终的结果。 Match()函数只检测RE是不是在string的开始位置匹配，而search()会扫描整个string查找匹配，会扫描整个字符串并返回第一个成功的匹配。因此，match()函数只有在0位置匹配成功的时候返回，不在开始位置匹配成功就会返回None. 如： >>> print(re.match(‘super’,’superstition’).span()) (0,5) >>> print(re.match(‘super’,’insuperable’)) None ? >>> print(re.search(‘super’,5) >>> print(re.search(‘super’,’insuperable’).span()) (2,7) ? ? ? ?
在python中，字符串中使用反斜杠有可能带来反斜杠灾难。假设你想要编写一个与字符串?section?相匹配的正则，它可以在 LaTeX 文件中找到。 要找出在程序代码中写入的内容，请从要匹配的字符串开始。 接下来，您必须通过在反斜杠前面添加反斜杠和其他元字符，从而产生字符串?section。 必须传递给?re.compile()?的结果字符串必须是?section。 但是，要将其表示为 Python 字符串文字，必须?再次转义两个反斜杠。 ? ?
? ? ? ? ? ? ? ? ? ? ? 简而言之，要匹配文字反斜杠，必须将?‘\‘?写为正则字符串，因为正则表达式必须是?，并且每个反斜杠必须表示为??在常规Python字符串字面中。 在反复使用反斜杠的正则中，这会导致大量重复的反斜杠，并使得生成的字符串难以理解。 ? 解决方法：解决方案是使用 Python 的原始字符串表示法来表示正则表达式；反斜杠不以任何特殊的方式处理前缀为?‘r‘?的字符串字面，因此?r"n"?是一个包含?‘‘?和?‘n‘?的双字符字符串，而?"n"?是一个包含换行符的单字符字符串。 正则表达式通常使用这种原始字符串表示法用 Python 代码编写。 ?
? 在使用重复元字符时，存在贪婪与非贪婪特性的两类元字符，a*本意是匹配前一个字符0次到多次，不过python编译器会尽可能地进行多次匹配，因此呈现出的结果就是a的次数再允许的范围内尽可能的多。若要解决可以使用*?,+?,??或者{m,n}，匹配尽可能少的文字 如： >>> s = ‘<html><head><title>Title</title?’ >>> len(s) 32 >>> print(re.match(‘<.*>’,s).span()) (0,32) >>> print(re.match(‘<.*>’s).group()) <html><head><title>Title</title> ? >>> print (re.match(‘<.*?>,s).group()) <html> （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |