Python语言程序设计课件1第5章 正则表达式

1第5章正则表达式5.1什么是正则表达式5.2正则表达式的构成5.3正则表达式的模式匹配5.4正则表达式模块re5.5正则表达式对象5.6Match对象5.7正则表达式举例2第5章正则表达式5.1什么是正则表达式5.2正则表达式的构成5.3正则表达式的模式匹配5.4正则表达式模块re5.5正则表达式对象5.6Match对象5.7正则表达式举例35.1什么是正则表达式字符是计算机处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。文本是字符的集合，文本也就是字符串。在处理文本字符串时，常常需要检查文本字符串中是否有满足某些规则（模式）的字符串。正则表达式就是用于描述这些规则的。说某个字符串匹配某个正则表达式，通常是指这个字符串里有一部分（或几部分分别）能满足正则表达式给出的规则。具体地说，正则表达式是一些由字符和特殊符号组成的字符串。45.1什么是正则表达式'feelfree+b'，可以匹配'feelfreeb'、'feelfreeeb'、'feelfreeeeeb'等，+号表示匹配位于+之前的字符1次或多次出现。'feelfree*b'，可以匹配'feelfreb'、'feelfreeb'、'feelfreeeeb'等，*号表示匹配位于*之前的字符0次或多次出现。'colou?r'，可以匹配'color'或者'colour'，?表示匹配位于?之前的字符0次或1次出现。5第5章正则表达式5.1什么是正则表达式5.2正则表达式的构成5.3正则表达式的模式匹配5.4正则表达式模块re5.5正则表达式对象5.6Match对象5.7正则表达式举例65.2正则表达式的构成正则表达式是由普通字符(例如大写和小写字母、数字等)、预定义字符(例如\d表示0到9的十个数字集[0-9]，用于匹配数字)以及元字符(例如*匹配位于*之前的字符或子表达式0次或多次出现)组成的字符序列模式(pattern)，也称为模板。模式描述了在搜索文本时要匹配的字符串。在Python中，是通过re模块来实现正则表达式处理的功能。导入re模块后，使用如下的search函数可进行匹配。re.search(pattern,string,flags=0)

#扫描整个字符串并返回第一个成功的匹配pattern：匹配的正则表达式string：要匹配的字符串flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等5.2正则表达式的构成一些用\开始的字符表示预定义的字符。预定义字符描述\d表示0到9的十个数字集[0-9]，用于匹配数字\D表示非数字字符集，等价于[^0-9]，用于匹配一个非数字字符\f用于匹配一个换页符\n用于匹配一个换行符\r用于匹配一个回车符\s表示空白字符集[\f\n\r\t\v]，用于匹配空白字符，包括空格、制表符、换页符等。85.2正则表达式的构成一些用\开始的字符表示预定义的字符。\S表示非空白字符集，等价于[^\f\n\r\t\v]，用于匹配非空白字符\w表示单词字符集[a-zA-Z0-9_]，用于匹配单词字符\W表示非单词字符集[^a-zA-Z0-9_]，用于匹配非单词字符\t用于匹配一个制表符\v用于匹配一个垂直制表符\b匹配单词头或单词尾\B与\b含义相反5.2正则表达式的构成元字符：就是一些有特殊含义的字符。若要匹配元字符，必须首先使元字符“转义”，即，将反斜杠字符\放在它们前面，使之失去特殊含义，成为一个普通字符。元字符描述\

将下一个字符标记为或特殊字符、或原义字符、或向后引用等。'n'匹配字符'n'，'\n'匹配换行符，'\\'匹配

"\".

匹配任何单字符(换行符\n之外)。要匹配.，需使用\.^...匹配以^后面的...字符序列开头的行首，但在方括号表达式中使用，此时它表示不接受^后面的字符集合。要匹配^字符本身，需使用\^。...$

匹配行尾，匹配以$之前的字符结束的行尾。要匹配$字符本身，需使用\$。5.2正则表达式的构成(...)标记一个子表达式的开始和结束位置。即将位于（）内的字符作为一个整体看待。*匹配位于*之前的字符或子表达式0次或多次。要匹配*字符，需使用\*。+匹配位于+之前的字符或子表达式的1次或多次。要匹配+字符，请使用\+。?匹配位于?之前的字符或子表达式0次或1次。当?紧随任何其他限定符(*、+、？、{n}、{n,}、{m,n})之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到尽可能短的字符串，而默认的“贪心的”模式匹配搜索到尽可能长的字符串。如在字符串“oooo”中，“o+?”只匹配单个o，而“o+”匹配所有o。5.2正则表达式的构成{m}匹配{m}之前的字符m次。{m,n}匹配{m,n}之前的字符m至n次，m和n可以省略，若省略m，则匹配0至n次；若省略n，则匹配m至无限次。[...]匹配位于[...]中的任意一个字符。[^...]匹配不在[...]中的字符，[^abc]表示匹配除了a,b,c之外的字符。|匹配位于|之前或之后的字符。要匹配|，需使用\|。12第5章正则表达式5.1什么是正则表达式5.2正则表达式的构成5.3正则表达式的模式匹配5.4正则表达式模块re5.5正则表达式对象5.6Match对象5.7正则表达式举例5.3正则表达式的模式匹配1）最简单的正则表达式是普通字符串，只能匹配自身，如'abc'，只能匹配'abc'。2）'a.c'可以匹配'abc'、'acc'、'adc'等，.可匹配任何单字符。3）'abc*'可以匹配'ab'、'abc'、'abcc'等字符串，*用于匹配位于*之前的字符0次或多次。4）'abc+'可以匹配'abc'、'abcc'、'abccc'等字符串，+用于匹配位于+之前的字符1次或多次。5）'abc?'可以匹配'ab'和'abc'字符串，?用于匹配位于?之前的字符0次或1次。5.3正则表达式的模式匹配6）'ab{2}c'可以匹配'abbc'，{2}匹配{2}之前的字符2次。7）'ab{1,2}c'，可完整匹配的字符串有2个：'abc'、'abbc'8）'^asddg'可以匹配行首以'asddg'开头的字符串。9）'rld$'可以匹配行尾以'rld'结束字符串。10）'abc|xyz'可以匹配'abc'和'xyz'，|用于匹配位于|之前或之后的字符。11）'(abc){2}'可以匹配'abcabc'，{2}匹配{2}之前的表达式(abc)2次。12）'a(123|456)b'可以匹配'a123b'和'a456b'。15第5章正则表达式5.1什么是正则表达式5.2正则表达式的构成5.3正则表达式的模式匹配5.4正则表达式模块re5.5正则表达式对象5.6Match对象5.7正则表达式举例5.4正则表达式模块rePython通过re模块提供对正则表达式的支持。re模块中的常用函数如下表所示方法描述pile(pattern[,flags])把正则表达式pattern转化成正则表达式对象，然后可以通过正则表达式对象调用match()和search()方法。re.split(pattern,string[,maxsplit=0,flags])用匹配pattern的子串来分割string，并返回一个列表。5.4正则表达式模块rere.match(pattern,string[,flags])从字符串string的起始位置匹配模式pattern，string如果包含pattern子串，则匹配成功，返回Match对象，失败则返回None。re.search(pattern,string[,flags])若string中包含pattern子串，则返回Match对象，否则返回None。注意，如果string中存在多个pattern子串，只返回第一个。re.findall(pattern,string[,flags])找到模式pattern在字符串string中的所有匹配项，并把他们作为一个列表返回5.4正则表达式模块rere.sub(pattern,repl,string[,count=0,flags])替换匹配到的字符串，即用pattern在string中匹配要替换的字符串，然后把它替换成replescape(string)把string中，除了单词字符，都加上反斜杆/flags：用于控制正则表达式的匹配方式：re.I(表示忽略大小写)、re.L(支持本地字符集的字符)、re.M(多行匹配模式)、re.S(使元字符“.”匹配任意字符，包括换行符)、re.X(忽略模式中的空格，并可以使用#注释)的不同组合(使用“|”进行组合)。repl：用于替换的字符串，也可为一个函数。count：模式匹配后替换的最大次数，默认0表示替换所有的匹配。5.4正则表达式模块re>>>importre>>>re.split('\W+','Words,,,words.words?words')['Words','words','words','words']#如果pattern里使用了圆括号，那么被pattern匹配到的字符串也将作为返回值列表的一部分>>>re.split('(\W+)','Words,words,words.')['Words',',','words',',','words','.','']>>>print(re.escape('Python3_@#$&'))Python3_\@\#\$\&re.escape(string)把string中，除了单词字符，都加上反斜杆/5.4正则表达式模块re>>>s='23432werwre2342werwrew'>>>print(re.match('(\d*)([a-zA-Z]*)',s))#匹配成功<_sre.SRE_Matchobject;span=(0,11),match='23432werwre'>>>>print(re.search('(\d*)([a-zA-Z]*)',s))#匹配成功<_sre.SRE_Matchobject;span=(0,11),match='23432werwre'>>>>re.sub('(\d*)([a-zA-Z]*)','helloworld',s)'helloworldhelloworld'21第5章正则表达式5.1什么是正则表达式5.2正则表达式的构成5.3正则表达式的模式匹配5.4正则表达式模块re5.5正则表达式对象5.6Match对象5.7正则表达式举例5.5正则表达式对象可以把那些经常使用的正则表达式，使用re模块的compile()方法将其编译，返回正则表达式对象RegexObject，然后可以通过正则表达式对象RegexObject提供的方法进行字符串处理。使用编译后的正则表达式对象进行字符串处理，不仅可以提高处理字符串的速度，还可以提供更强大的字符串处理功能。在Python中，是通过pile(pattern)把正则表达式pattern转化成正则表达式对象的，之后可以通过正则表达式对象调用match()、search()和findall()方法进行字符串处理，以后就不用每次去重复写匹配模式。5.5正则表达式对象>>>importre>>>s='Themanwhohasmadeuphismindtowinwillneversay"Impossible".'>>>pattern=pile(r‘\bw\w+\b’)#编译建立正则表达式对象，查找以w开头的单词，\b匹配单词头或单词尾>>>pattern.findall(s)#使用正则表达式对象的findall()方法在s中查找所有以w开头的单词['who','win','will']>>>pattern1=pile(r'\b\w+e\b')#查找以e结尾的单词>>>pattern1.findall(s)['The','made','Impossible']>>>pattern2=pile(r'\b\w{3,5}\b')#查找3-5个长的单词>>>pattern2.findall(s)['The','man','who','has','made','his','mind','win','will','never','say']5.5正则表达式对象>>>importre>>>s='Themanwhohasmadeuphismindtowinwillneversay"Impossible".'>>>pattern3=pile(r'\b\w*[id]\w*\b')#查找含有字母i或d的单词>>>pattern3.findall(s)['made','his','mind','win','will','Impossible']5.5正则表达式对象>>>importre>>>s='Themanwhohasmadeuphismindtowinwillneversay"Impossible".'>>>pattern4=pile('has')#编译生成正则表达式对象，匹配has>>>pattern4.sub('*',s)#将has替换为*'Themanwho*madeuphismindtowinwillneversay"Impossible".'>>>pattern5=pile(r'\b\w*s\b')#编译生成正则表达式对象，匹配以s结尾的单词>>>pattern5.sub('**',s)#将符合条件的单词替换为**'Themanwho**madeup**mindtowinwillneversay"Impossible".'5.5正则表达式对象>>>s='''一段感情，随岁月风干，一帘心事，随落花凋零。谁解落花语?谁为落花赋?忆往昔，一个转身，一个回眸，你我便沾惹一身红尘。如今，没有别离，你我便了却一生情缘，染指苍苍，岁月蹉跎多少记忆终成灰;多少思念化云烟;多少青丝变白发。'''#搜索以“一”开头的子句，[\u4e00-\u9fa5]+匹配一个或多个中文>>>print(re.findall(r'一[\u4e00-\u9fa5]+',s))['一段感情','一帘心事','一个转身','一个回眸','一身红尘','一生情缘']27第5章正则表达式5.1什么是正则表达式5.2正则表达式的构成5.3正则表达式的模式匹配5.4正则表达式模块re5.5正则表达式对象5.6Match对象5.7正则表达式举例5.6Match对象正则表达式模块re和正则表达式对象的match()方法和search()方法匹配成功后都会返回Match对象，其包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。Match对象提供的可读属性：（1）string:匹配时使用的文本。（2）re:匹配时使用的正则表达式模式pattern对象。（3）pos:文本中正则表达式开始搜索的索引。（3）endpos:文本中正则表达式结束搜索的索引。（4）lastindex:最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。（5）lastgroup:最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。5.6Match对象--提供的方法：（1）group([group1,…]):获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。（2）groups():以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。没有截获字符串的组默认为None。（3）groupdict():返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。（4）start([group]):返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。5.6Match对象Match对象提供的方法：（5）end([group]):返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。（6）span([group]):返回指定的组截获的子串在string中的起始索引和结束索引的元组(start(group),end(group))。（7）expand(template):将匹配到的分组代入template中返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。5.6Match对象>>>s='13579helloworld13579helloworld'>>>p=r'(\d*)([a-zA-Z]*)'>>>m=re.match(p,s)>>>m.group(1,2)('13579','helloworld')>>>m.group()#返回整个匹配的子串'13579helloworld'>