PYTHON正则表达式重新模块说明

通过演示前进可以成功的地方，它有助于具体实现. 考虑一个用于匹配文件名的简单模式，并将其分为两部分，基本名称和扩展名“. ”. 与“ news.rc”一样，“ news”是基本名称，“ rc”是文件扩展名.

匹配模式非常简单:

.*[.].*$

请注意，“. ”需要特殊处理，因为它是一个元字符；我把它放在一个角色类中. 另请注意以下$;这样做是为了确保扩展名中必须包含字符串的所有其余部分. 此正则表达式匹配“ foo.bar”，“ autoexec.bat”，“ sendmail.cf”和“ printers.conf”.

现在，考虑使问题复杂化；如果要匹配扩展名不是“ bat”的文件名怎么办？一些不正确的尝试:

.*[.][^b].*$

首次尝试删除上面的“ bat”要求扩展名的第一个字符不是“ b”. 这是错误的，因为该模式也无法匹配“ foo.bar”.

.*[.]([^b]..|.[^a].|..[^t])$

当您尝试解决第一个解决方案并要求匹配以下情况之一时，该表达式甚至更加混乱: 扩展名的第一个字符不是“ b”；第二个字符不是“ a”；或第三个字符不是“ t”. 这将接受“ foo.bar”并拒绝“ autoexec.bat”，但这需要三个字符的扩展名，而不是诸如“ sendmail.cf”的两个字符的扩展名. 我们将在努力修复该模型时再次使其复杂化.

.*[.]([^b].?.?|.[^a]?.?|..?[^t]?)$

在第三次尝试中，第二个和第三个字母都变为可选，以便允许扩展名少于三个字符，例如“ sendmail.cf”.

该模式现在非常复杂，难以阅读. 更糟糕的是，如果问题发生了变化，并且您希望扩展名不是“ bat”和“ exe”，则该模式将变得更加复杂和混乱.

正向否定将所有这些都裁剪为:

.*[.](?!bat$).*$

正向含义: 如果bat表达式在此处不匹配，请尝试模式的其余部分；否则，请试一试. 如果bat $匹配，则整个模式将失败. 为了确保允许以“ bat”开头的扩展名（例如“ sample.batch”），必须使用以下$.

排除其他文件扩展名现在很容易；只需将其作为定界符中的选项即可. 以下模式不包括以“ bat”或“ exe”结尾的文件名.

.*[.](?!bat$|exe$).*$

到目前为止，我们仅搜索了静态字符串. 通常，通过以下“ RegexObject”方法以不同的方式修改正则表达式，以修改字符串.

方法/属性

功能

split（）

将RE匹配的字符串分片，并生成列表，

sub（）

找到所有与RE匹配的子字符串，并用其他字符串替换

subn（）

与sub（）相同，但返回新字符串和替换次数

RegexObject的split（）方法在RE匹配的地方分割字符串，并返回一个列表. 它类似于字符串的split（）方法，但是提供了更多的定界符. split（）仅支持空格和固定字符串. 如您所料，还有一个模块级的re.split（）函数.

split(string [, maxsplit = 0])

使用正则表达式拆分字符串. 如果在RE中使用了捕获括号，那么它们的内容也将作为结果列表的一部分返回. 如果maxsplit不为零，则最多可以拆分maxsplit碎片.

您可以通过设置maxsplit值来限制分片的数量. 当maxsplit不为零时，最多可以有maxsplit条带，其余字符串作为列表的最后一部分返回. 在下面的示例中，分隔符可以是任何非字母数字字符序列.

#!python
 >>> 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, short and sweet, of split().', 3)
 ['This', 'is', 'a', 'test, short and sweet, of split().']

有时，您不仅对定界符之间的文本感兴趣，而且还需要知道什么是定界符. 如果在RE中使用了括号，那么它们的值也将作为列表的一部分返回. 比较以下调用:

#!python
 >>> p = re.compile(r'\W+')
 >>> p2 = re.compile(r'(\W+)')
 >>> p.split('This... is a test.')
 ['This', 'is', 'a', 'test', '']
 >>> p2.split('This... is a test.')
 ['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']

模块级函数re.split（）以RE作为第一个参数，其他参数相同.

#!python
 >>> re.split('[\W]+', 'Words, words, words.')
 ['Words', 'words', 'words', '']
 >>> re.split('([\W]+)', 'Words, words, words.')
 ['Words', ', ', 'words', ', ', 'words', '.', '']
 >>> re.split('[\W]+', 'Words, words, words.', 1)
 ['Words', 'words, words.']

其他常见用途是查找所有与模式匹配的字符串，并将其替换为其他字符串. sub（）方法提供替换值（可以是字符串或函数）以及要处理的字符串.

sub(replacement, string[, count = 0])

返回的字符串将替换为字符串中RE的最左侧唯一匹配项. 如果找不到该模式，则将返回该字符而不会更改.

可选参数计数是模式匹配后的最大替换次数； count必须是非负整数. 默认值为0，以替换所有匹配项.

这是一个使用sub（）方法的简单示例. 它将颜色名称替换为“颜色”一词.

#!python
 >>> p = re.compile( '(blue|white|red)')
 >>> p.sub( 'colour', 'blue socks and red shoes')
 'colour socks and colour shoes'
 >>> p.sub( 'colour', 'blue socks and red shoes', count=1)
 'colour socks and red shoes'

The

subn（）方法执行相同的操作，但是它返回一个包含新字符串和已执行替换次数的二元组.

#!python
 >>> p = re.compile( '(blue|white|red)')
 >>> p.subn( 'colour', 'blue socks and red shoes')
 ('colour socks and colour shoes', 2)
 >>> p.subn( 'colour', 'no colours at all')
 ('no colours at all', 0)

如果空匹配不位于前一个匹配旁边，则将替换它们.

#!python
 >>> p = re.compile('x*')
 >>> p.sub('-', 'abxd')
 '-a-b-d-'

如果替换字符串，则将处理其中的任何反斜杠. “ \ n”将转换为换行符，“ \ r”将转换为回车符，依此类推. 诸如“ \ j”之类的未知转义符将保留原样. 反向引用（例如“ \ 6”）与RE中的相应组匹配，并由子字符串替换. 这样，您就可以在替换的字符串中插入部分原始文本.

此示例匹配括在“ {”和“}”中的单词“ section”，并将“ section”替换为“ subsection”.

#!python
 >>> p = re.compile('section{ ( [^}]* ) }', re.VERBOSE)
 >>> p.sub(r'subsection{\1}','section{First} section{second}')
 'subsection{First} subsection{second}'

您还可以指定使用（？P ...）语法定义的命名组. “ \ g <名称>”将与组名“名称”的子字符串匹配，“ \ g <编号>”将使用相应的组号. 因此，“ \ g <2>”等于“ \ 2”，但在替换字符串中可能是不明确的，例如“ \ g <2> 0”. （“ \ 20”被解释为对组20的引用，而不是对组2的后跟字母“ 0”的引用. ）

#!python
 >>> p = re.compile('section{ (?P<name> [^}]* ) }', re.VERBOSE)
 >>> p.sub(r'subsection{\1}','section{First}')
 'subsection{First}'
 >>> p.sub(r'subsection{\g<1>}','section{First}')
 'subsection{First}'
 >>> p.sub(r'subsection{\g<name>}','section{First}')
 'subsection{First}'

替换也可以是一个功能，甚至可以给您更多的控制权. 如果替换是一个函数，则模式中的每个唯一匹配项都会调用该函数. 在每次调用时，该函数均用作“ MatchObject”的匹配函数，并且此信息可用于计算期望的字符串并返回它.

在下面的示例中，替换函数将十进制转换为十六进制:

#!python
 >>> def hexrepl( match ):
 ...     "Return the hex string for a decimal number"
 ...     value = int( match.group() )
 ...     return hex(value)
 ...
 >>> p = re.compile(r'\d+')
 >>> p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
 'Call 0xffd2 for printing, 0xc000 for user code.'

使用模块级re.sub（）函数时python 正则匹配，mode是第一个参数. 该模式可以是字符串或“ RegexObject”；如果需要指定正则表达式标志，则必须使用RegexObject作为第一个参数，或者使用模式内置修饰符，例如sub（“（？i）b +”，“ x”，“ bbbb BBBB” ）返回“ x x”.

对于某些应用程序，正则表达式是一个功能强大的工具，但是在某些情况下，它不直观，有时它们无法按预期工作. 本节将指出最可能发生的一些最常见的错误.

有时使用re模块是错误的. 如果您匹配固定的字符串或单个字符类，并且不使用IGNORECASE标志re的任何功能，则无需使用正则表达式. 有一些操作固定字符串的方法，它们通常要快得多，因为它们是经过优化的C小循环，可以代替大型的，更通用的正则表达式引擎.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-242372-1.html