使用 Python 模塊 re 實現解析小工具

Python re 的主要功能

Python 的 re 正則表達式模塊定義了一系列函數，常量以及異常；同時，正則表達式被編譯成‘ RegexObject ’實例，本身可以爲不同的操作提供方法。接下來簡要介紹一下這些函數的功能和用法。

compile

re.compile(pattern[, flags])

把正則表達式的模式和標識轉化成正則表達式對象，供 match() 和 search() 這兩個函數使用。

re 所定義的 flag 包括：

re.I 忽略大小寫

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境

re.M 多行模式

re.S 即爲’ . ’並且包括換行符在內的任意字符（’ . ’不包括換行符）

re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字符屬性數據庫

re.X 爲了增加可讀性，忽略空格和’ # ’後面的註釋

例：以下兩種用法結果相同：

A)

compiled_pattern = re.compile(pattern) result = compiled_pattern.match(string)

B)

result = re.match(pattern, string)

search

re.search(pattern, string[, flags])

在字符串中查找匹配正則表達式模式的位置，返回 MatchObject 的實例，如果沒有找到匹配的位置，則返回 None。

對於已編譯的正則表達式對象來說（re.RegexObject），有以下 search 的方法：

search (string[, pos[, endpos]])

若 regex 是已編譯好的正則表達式對象，regex.search(string, 0, 50) 等同於 regex.search(string[:50], 0)。

具體示例如下。

>>> pattern = re.compile("a") >>> pattern.search("abcde") # Match at index 0 >>> pattern.search("abcde", 1) # No match;

match

re.match(pattern, string[, flags])

判斷 pattern 是否在字符串開頭位置匹配。對於 RegexObject，有：

match(string[, pos[, endpos]])

match() 函數只在字符串的開始位置嘗試匹配正則表達式，也就是隻報告從位置 0 開始的匹配情況，而 search() 函數是掃描整個字符串來查找匹配。如果想要搜索整個字符串來尋找匹配，應當用 search()。

split

re.split(pattern, string[, maxsplit=0, flags=0])

此功能很常用，可以將將字符串匹配正則表達式的部分割開並返回一個列表。對 RegexObject，有函數：

split(string[, maxsplit=0])

例如，利用上面章節中介紹的語法：

>>> re.split('\W+', 'test, test, test.') ['test', 'test', 'test', ''] >>> re.split('(\W+)', ' test, test, test.') [' test ', ', ', ' test ', ', ', ' test ', '.', ''] >>> re.split('\W+', ' test, test, test.', 1) [' test ', ' test, test.']

對於一個找不到匹配的字符串而言，split 不會對其作出分割，如：

>>> re.split('a*', 'hello world') ['hello world']

findall

re.findall(pattern, string[, flags])

在字符串中找到正則表達式所匹配的所有子串，並組成一個列表返回。同樣 RegexObject 有：

findall(string[, pos[, endpos]])

示例如下：

#get all content enclosed with [], and return a list >>> return_list = re.findall("(\[.*?\])",string)

finditer

re.finditer(pattern, string[, flags])

和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，並組成一個迭代器返回。同樣 RegexObject 有：

finditer(string[, pos[, endpos]])

sub

re.sub(pattern, repl, string[, count, flags])

在字符串 string 中找到匹配正則表達式 pattern 的所有子串，用另一個字符串 repl 進行替換。如果沒有找到匹配 pattern 的串，則返回未被修改的 string。Repl 既可以是字符串也可以是一個函數。對於 RegexObject 有：

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

此語法的示例有：

>>> p = re.compile( '(one|two|three)') >>> p.sub( 'num', 'one word two words three words') 'num word num words num words'

同樣可以用以下方法，並指定 count 爲 1（只替換第一個）：

>>> p.sub( 'num', ' one word two words three words', count=1)

' num word two words three words'

subn

re.subn(pattern, repl, string[, count, flags])

該函數的功能和 sub() 相同，但它還返回新的字符串以及替換的次數。同樣 RegexObject 有：

subn(repl, string[, count=0])

參考 Python 使用文檔中 RE 相關章節 The Python Standard Library - Regular expression operations，查看 RE 語法使用細節。
參看文章 Regular Expressions Primer，瞭解更多 Python RE 的使用實例。
參看 developerWorks 中的文章 可愛的 Python：Python 中的文本處理，瞭解使用 Python RE 進行文本解析的實例。