1 正则表达式什么是正则表达式 (regex) regular expressions for advanced text pattern matching, extraction, and/or search-and-replace functionality. 注意和 Linux 中 Shel

Size: px

Start display at page:

Download "1 正则表达式什么是正则表达式 (regex) regular expressions for advanced text pattern matching, extraction, and/or search-and-replace functionality. 注意和 Linux 中 Shel"

拐也穆
5 years ago
Views:

1 Python 程序设计 - 正则表达式李正华 November 26,

2 1 正则表达式什么是正则表达式 (regex) regular expressions for advanced text pattern matching, extraction, and/or search-and-replace functionality. 注意和 Linux 中 Shell 通配符的区别编译原理或形式语言中的正 2

3 则语言 (regular language) Named from the work of the American mathmatician and computer scientist Stephen Kleene ( ) Can be used with 各种文本编辑器 :vi, emacs, Ultra Editor Linux 中的命令 :less, sed, awk, egrep C++, C#, Java, Perl, PHP, Python, Ruby, Tcl 3

4 第一个正则表达式 RE Pattern String(s) Matched foo Python foo Python Python re 模块中的 search 函数 search(pattern, string, flags=0) 用 pattern 对字符串从左匹配, 如果成功, 则返回一个匹配对象, 否则返回 None 4

5 m = re.search('foo', 'foo' ) if m is not None: print(m.group ()) 用管道符号 (alternation) 匹配多个 RE pattern 5

6 RE Pattern String(s) Matched at home r2d2 c3po bat bet bit at, home r2d2, c3po bat, bet, bit 匹配任意一个字符 (.) RE Pattern String(s) Matched f.o fao, f9o, f#o,..... ab, x3, #*,....end xend, fend, -end,... 6

7 除了换行符 \n ( \r 呢?) 那么如何匹配. 自身呢? 匹配字符串开始结束词边界 7

8 RE Pattern ˆFrom /bin/tcsh$ String(s) Matched 匹配 From, 且为字符串开匹配 /bin/tcsh, 且为字符串结 ˆSubject: hi$ 仅匹配 Subject: hi 这个字符 the \bthe \bthe\b \Bthe 匹配 the 匹配 the, 且前面是单词边匹配 the, 且前后都是单词边匹配 the, 且前面不是单词边创建字符类 (character class)[] 8

9 RE Pattern String(s) Matched b[aeiu]t bat, bet, bit, but [cr][23][dp][o2] 表示范围 (-) 和否定 (ˆ) 9

10 RE Pattern String(s) Matched z.[0-9] [r-u][env-y][us] [ˆaeiou] [ˆ\t\n] [ -a] 重复出现 (*, +,?, { }) 10

11 RE Pattern String(s) Mat [dn]ot? 0?[1-9] [0-9]{15,16} </?[ˆ>]+> [KQRBNP][a-h][1-8]-[a-h][1-8] 表示字符集的特殊字符 11

12 RE Pattern String(s) Matched \w+-\d+ [A-Za-z]\w* \d{3}-\d{3}-\d{4} 使用括号 () 进行分组 12

13 RE Pattern String(s) \d+(\.\d*)? (Mr?s?\. )?[A-Z][a-z]* [ A-Za-z-]+ 汇总 : 正则表达式符号和特殊字符 literal: foo re1 re. ˆ $ 13

14 * +? {N} {M, N} {M, } {, N} [...] [..x-z..] 14

15 [ˆ...] (* +? {})?: non-greedy (...): subgroup \d: 数字, 相当于 [0-9] \D: 非数字 \w: 数字和字母, 相当于 [a-za-z0-9] \W \s: 任何空白符, [ \n\t\r\v\f] \S 15

16 \b \B \nn: Match saved subgroup nn (example: price: \16) \c: Match any special character c verbatim (i.e., without its special meaning, literal) (example: \., \\, \*) \A: equivalent to ˆ \Z: equivalent to $ 16

17 re 模块的核心函数 compile(pattern, flags=0): 返回一个 regex 对象 ( 最后讲 ) match(pattern, string, flags = 0): 返回匹配对象或 None search(pattern, string, flags = 0): 搜索第一个匹配 pattern 的字符串, 返回匹配对象或 None findall(pattern, string[, flags]): 返回匹配对象 list 17

18 finditer(pattern, string[, flags]): 返回匹配对象迭代器 split(pattern, string, max = 0) sub(pattern, repl, string, max = 0) 匹配对象方法 group(num=0) 方法 : 返回全部匹配对象 ( 或指定编号为 num 的子组 ) groups() 方法 : 返回一个包含所有匹配的子组的元组 ( 如果没有成功匹 18

19 配或者正则表达式没有子组, 则返回空元组 ) 使用 match() 函数匹配字符串 m = re.match('foo', 'foo') if m is not None: print(m.group ()) 19

20 print(m) re.match('foo', 'food on the table ') 使用 search() 函数搜索字符串 re.search('foo', 'seafood ' 20

21 ) re.search('foo', 'put food on the table ') 匹配多个字符串 21

22 re.match('bat bet bit', ' bat') re.match('bat bet bit', ' He bit me!') re.search('bat bet bit', ' 22 He bit me!')

23 匹配任意单个字符 re.match('.end', 'bend') re.match('.end', 'end') re.match('.end', '\nend') re.search('.end', 'The end.') 23

24 re.match('3.14', '3.14') re.match('3\.14', '3014') 创建字符类 [] re.match('[cr][23][dp][o2] ', 'c3po') 24

25 re.match('[cr][23][dp][o2] ', 'c2do') re.match('r2d2 c3po ', ' c2do ') re.match('r2d2 c3po ', ' 25 r2d2 ')

26 重复特殊字符分组 patt = '\w+@(\w+\.)?\w+\. com' re.match(patt, 'nobody@xxx.com') re.match(patt, 'nobody@www 26

27 .xxx.com') patt = '\w+@(\w+\.) *\w+\. com' re.match(patt, 'nobody@www 27.xxx.yyy.zzz.

28 com') re.match('\w\w\w-\d\d\d', 'abc -123') re.match('\w\w\w-\d\d\d', 28 'abc -xyz')

29 re.match('(\w\w\w) -(\d\d\d )', 'abc -123' ) re.match('ab', 'ab') re.match('(ab)', 'ab') 29

30 re.match('(a)(b)', 'ab') re.match('(a(b))', 'ab') re.search('(a*)', 'aaaaa ') re.search('(a)*', 'aaaaa ') 30

31 re.search('(\w*)', 'abcde ' ) re.search('(\w)*', 'abcde ' ) 31

32 re.search(r'(\w*)#(\1)', ' abc#abc') re.search(r'(\w*)#(\1)', ' abc#abd') re.search(r'(\w*)#(\1)', ' 32 aba#abd')

33 re.search(r'(\w*)#(\1)', ' abc#abd#abd') 匹配字符串首尾单词边界 (raw strings) re.search('^the', 'The end 33.')

34 re.search('^the', 'end. The') re.match('\bblow ', 'blow') re.match('\\ bblow ', 'blow ' ) 34

35 re.match(r'\bblow ', 'blow ' ) re.match(r'\bblow\t', ' blow\t') re.match('\\ bblow\t', ' 35

36 blow\t') re.match('\\ bblow \\t', ' blow\t') # 正则表达式中 \t 的含义也是制表符, \n\r\ 36 v\f\a 等也都是

37 一样的, 所以总是放心的用 r '' 即可 search(r'\bthe ', 'bite the 37 dog')

38 re.search(r'\bthe', ' bitethe dog') re.search(r'\bthe', ' bitethe dog') findall 返回所有匹配字符串 ( 数组 ) 38

39 re.findall('car', 'car') re.findall('car', 'scary ') re.findall('car', 'carry 39 the barcardi

40 to the car') m = re.finditer('car', ' carry the barcardi to 40 the car')

41 for i in m: print(i.group ()) sub() 和 subn() 进行 search-andreplace re.sub('x', 'Mr. Smith ', ' attn: X\n\ 41

42 ndear X,\n') re.subn('x', 'Mr. Smith ', 'attn: X\n\ ndear X,\n') re.sub('[ae]', 'X', ' 42

43 abcdef ') re.sub('(mr.) (Smith)', '\ 1 John \2', ' Mr. Smith is 43 a good man')

44 re.sub('(mr.) (Smith)', r' \1 John \2', 'Mr. Smith is a good man') Splitting (on Delimiting Pattern) with split() 44

45 re.split(':', 'str1:str2: str3 ') # ' str1:str2: str3 '.split (':') 45

46 # who > who.txt f = open('who.txt', 'r') for eachline in f. readlines (): print(re.split('\s\s+', 46 eachline))

47 f.close () re.split('\w+', ' ') re.split('(\w+)', ' ')

48 re.split('(\w+)', '192 #.# 168 #.#1#.#1') re.split('(a)', 'abcaaa ') re.split('(a)(b)', 'abcaaa 48 ')

49 re.compile(): 将正则表达式字符串编译为正则表达式对象 r = re.compile('ab') m = re.search(r, 'abcdef ') m = r.search('abcdef ') 49

50 help(r) help(m) 2 Regular Expressions Example Matching a String 50

51 data = 'Thu Feb 15 17:46: :: uzifzf@dpyivihw.gov:: '

52 re.match('^(mon Tue Wed Thu Fri Sat Sun)', data) re.match('^(\w{3})', data) re.match('^(\w){3}', data) 52

53 Search versus Match, and Greediness too data = 'Thu Feb 15 17:46: :: uzifzf@dpyivihw.gov::

54 8' re.search('\d+-\d+-\d+', data) re.search('.+\d+-\d+-\d+', data) re.search('.+(\d+-\d+-\d+) 54

55 ', data) re.search('.+?(\d+-\d+-\d +)', data) # 正则表达式的不贪心是指向 55

56 后不贪心, 一旦匹配上, 不会再尝试从前面减少从而匹配更少的字符 (by 张天 56

57 夫 & 李正华 ) re.search(' -(\d+)-', data) 如何使用 search 实现 findall 的功能?( 提示 : 使用编译后的 re 对象, 探索匹配对象的其他方法 ) 57

58 finditer(): 这个函数 / 方法如何使用? 58

說明, 成個體統才是! 你痰迷了心, 脂油蒙了竅, 國孝家孝兩重在身, 就把個人送來了這會子被人家告我們, 我又是個沒腳蟹, 連官場中都知道我利害吃醋, 如今指名提我, 要休我,

說明, 成個體統才是! 你痰迷了心, 脂油蒙了竅, 國孝家孝兩重在身, 就把個人送來了這會子被人家告我們, 我又是個沒腳蟹, 連官場中都知道我利害吃醋, 如今指名提我, 要休我, 國文 91 年學科能力測驗總分班級 : / 座號 : / 姓名 : 第壹部分 : 選擇題 ( 占 54 分 ) 一單一選擇題 ( 占 36 分 ) 說明 : 第 1 題至第 18 題, 每題選出一個最適當的選項, 標示在答案卡之選擇題答案區每題答對得 2 分, 答錯不倒扣 ( )1.

1 正则表达式 什么是正则表达式 (regex) regular expressions for advanced text pattern matching, extraction, and/or search-and-replace functionality. 注意和 Linux 中 Shel

1 正则表达式什么是正则表达式 (regex) regular expressions for advanced text pattern matching, extraction, and/or search-and-replace functionality. 注意和 Linux 中 Shel