python标准库学习笔记01--re

作者：Vamei 出处：http://www.cnblogs.com/vamei

01、正则表达式

在Python中使用正则表达式需要标准库中的一个包re。

语法

import re
m=re.search('[0-9]','abcd4ef')  #从字符串'abcd4ef'中找出0~9的数字字符
print(m.group(0))

re.search()：
接收两个参数，第一个’[0,9]’，即正则表达式。re.search()如果从第二个参数找到符合要求的子字符串，就返回一个对象m，你可以通过m.group()的方法查看搜索到的结果。如果没有找到符合要求的字符，re.search()会返回None。

正则表达式函数

re.search()与re.match()

m=re.search(pattern,string) #搜索整个字符串，直到发现符合的字符串
m=re.match(pattern,string)  # 从头开始检查字符串是否符合正则表达式。必须从字符串的第一个字符开始就相符。

在上面的例子中，我们如果使用re.match()，则会得到None，因为字符串的起始为‘a’， 不符合’[0-9]’的要求。

re.sub()

我们还可以在搜索之后将搜索到的子字符串进行替换：

str = re.sub(pattern, replacement, string) 
#在string中利用正则变换pattern进行搜索，对于搜索到的字符串，用另一字符串replacement替换。返回替换后的字符串。

看两个例子–1、删除字符串的注释

phone="2004-959-550 # 这是一个国外号码"
num=re.sub(r'#.*$',"",phone)
print(num)

即用”“替换调#号之后的所有字符！

输出：
2004-959-550

2、删除号码中所有的”-“

num=re.sub(r'\D',"",num)
print(num)

输出：
2004959550

re.split()

根据正则表达式分割字符串， 将分割后的所有子字符串放在一个表(list)中返回

re.findall()

根据正则表达式搜索字符串，将所有符合的子字符串放在一给表(list)中返回

写一个正则表达式

关键在于将信息写成一个正则表达式。我们先看正则表达式的常用语法：

1）单个字符:

. 任意的一个字符

a|b 字符a或字符b

[afg] a或者f或者g的一个字符

[^afg] 除了afg字母以外的所有字符

[0-4] 0-4范围内的一个字符

[a-f] a-f范围内的一个字符

[^m] 不是m的一个字符

\s 一个空格

\S 一个非空格

\d 匹配一个数字字符，等价于[0-9]

\D 匹配一个非数字字符，等价于[^0-9]

\w 匹配包括下划线的任何单词字符，等价于[0-9a-zA-Z]

\W 匹配任何非单词字符，等价于 [^0-9a-zA-Z]

2）重复

紧跟在单字符之后,表示多个这样类似的字符
* 重复 >=0 次

+ 重复 >=1 次

? 重复 0或者1 次

{m} 重复m次。比如说 a{4}相当于aaaa，再比如说[1-3]{2}相当于[1-3][1-3]

{m, n} 重复m到n次。比如说a{2, 5}表示a重复2到5次。小于m次的重复，或者大于n次的重复都不符合条件。

正则表达 相符的字符串举例

[0-9]{3,5} 9678 #[0-9]重复3~5次

a?b b #a重复0次

a+b aaaaab #a重复>=1次

3) 位置

^ 字符串的起始位置

$ 字符串的结尾位置

举个例子：

import re
m=re.search('^ab.*c$',"abeecc")
print(m)
print(m.group())

n=re.search('^ab.*c$',"cabeecc")
print(n)

输出：
<_sre.SRE_Match object; span=(0, 6), match=’abeecc’>
abeecc
None

‘^ab.*c$’，表示的是以a开头，b，任意>=0个字符，以c结尾的字符串，明显看出，”abeecc”匹配成功，”cabeecc”匹配失败。

4）返回控制

我们有可能对搜索的结果进行进一步精简信息。比如下面一个正则表达式：

output_(\d{4})

该正则表达式用括号()包围了一个小的正则表达式，\d{4}。 这个小的正则表达式被用于从结果中筛选想要的信息（在这里是四位数字）。这样被括号圈起来的正则表达式的一部分，称为群(group)。
我们可以m.group(number)的方法来查询群。group(0)是整个正则表达的搜索结果，group(1)是第一个群……

l=re.search("output_(\d{4})","output_1986.txt")
print(l.group(0))
print(l.group(1))

输出：
output_1986
1986

我们还可以将群命名，以便更好地使用m.group查询:

l=re.search("output_(?P<year>\d{4})","output_1986.txt") #(?P<name>...) 为group命名
print(l.group("year"))

输出：
1986

练习
有一个文件，文件名为output_1981.10.21.txt 。下面使用Python： 读取文件名中的日期时间信息，并找出这一天是周几。将文件改名为output_YYYY-MM-DD-W.txt (YYYY:四位的年，MM：两位的月份，DD：两位的日，W：一位的周几，并假设周一为一周第一天)

f=re.search("(\d{4}).(\d{2}).(\d{2})","output_1981.10.21.txt")
dlist=[f.group(1),f.group(2),f.group(3)]

week_day=str(calendar.weekday(int(dlist[0]),int(dlist[1]),int(dlist[2])))
dlist.append(week_day)

des='output_'+'-'.join(dlist)+'.txt'
print(des)

输出：

output_1981-10-21-2.txt