python中對正則表達式re包的簡單引用方式

Posted on by

對正則表達式re包的簡單引用

正則表達式一直是被我所忽略的東西，因為在之前的學習和開發中基本很少用到它。而且，之前學習正則表達式時感覺很懵逼，所以毅然決然的放棄瞭（QAQ），然而出來混總歸還是要還的。最近在弄日志處理時，必須用到正則表達式，這就讓我不得不拿起正則表達式瞭。在此記錄一些自己學習的筆記與案例。

在python中導入re包

import re  

一、re.match(pattern,string,flags=0)

嘗試從字符串 開始 位置（看清楚，開始位置！！！）匹配一個模式。成功則返回一個match對象，失敗則是none

參數說明：

  • pattern：正則表達式
  • string：字符串
  • flags：可選標志位

註：可選標志在下面簡單說明

獲取對象的方法：

使用group(num)  來獲取對象小組內的內容。

舉例：

#_*_coding:utf8_*_
import re 
str1='010-011-110'
pattern = r'\d{3}-\d{3}-\d{3}'
match = re.match(pattern,str1)
print match.group()
print match.group(0)
print match.group(1)
print match.group(2)
print match.group(3)
 
#輸出為:
010-011-110
010-011-110
010
011
110

match()方法最重要的一點就是它是從字符串開始匹配的，切記這一點······我已經在這點上犯瞭很多錯誤瞭。

在寫簡單的正則表達式的時候我們可以用（）來進行分組，以便於我們在後續處理中取值。後續也會談到通過命名捕獲的方式來取值。

二、re.search(pattern，string，flags=0)

跟match函數參數一樣，它也是用來匹配字符串的。而最大的不同在於它可以從字符串的任意位置匹配，不像match一樣，僅限於從字符串開始位置。參數跟match一樣，就不做說明瞭，直接上例子。

#與match例子不同，001前面有很多空格
str1='    001-010-110'
#與match中的模式一樣
pattern = r'\d{3}-\d{3}-\d{3}'
#若此時用match（）函數，結果肯定是不匹配的。
search = re.search(pattern,str1)
print search.group()
print search.group(0)
print search.group(1)
print search.group(2)
print search.group(3)
 
#結果：
001-010-110
001-010-110
001
010
110

對於match和search，還是得說一遍，註意一個必須是從字符串開始處匹配，一個是任意位置。

三、檢索和替換 re.sub()

用於替換字符串中的匹配項

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

參數說明：

  • pattern：正則表達式
  • repl：替換的字符串，可為一個函數
  • string：要被查找的原始字符串
  • count：被替換的次數，默認替換所有匹配項
  • flags：標志位      
#_*_coding:utf-8_*_
import re 
phone = "888-7777-6666 #好牛的號碼
#刪除字符串中的註釋
num = re.sub(r'#.*','',phone)
print num
#刪除註釋和-
realphone = re.sub(r'\D','',phone)
print realphone
#結果為:
888-7777-6666
88877776666

sub函數理解起來不難，但要主要的是在repl參數的使用。repl可以為一個函數。例如：

將字符串中的數字乘以二

def double(match):
    value = int(match.group('value'))
    return str(value*2)
s='APPLE23EFG567'
print re.sub(r'(?P<value>\d+)',double,s)
 
#結果為：
 APPLE46EFG1134

因為repl為一個函數，所以再替換的時候會替換為函數的返回值。

註：?P<value>為正則表達式的命名捕獲，在下面將會做簡單記錄

四、正則表達式之命名捕獲

格式為： ?P<name>

在處理字符串取值時往往會用到

例子：

num = '001-010-110'
pattern = r'(\d{3})-(\d{3})-(\d{3})'
match = re.match(pattern,num)
print match.group()       #001-010-110
print match.group(1)      #001
print match.group(2)      #010
print match.group(3)      #110

在上述例子要分別獲取每項的值就要使用group（num），而當正則表達式變得復雜的時候，再用num取值時，很有可能會取到錯誤的值。所以就提出使用命名捕獲，下面為簡單例子：

pattern = r'(?P<Area>\d{3})-(?P<zhong>\d{3})-(?P<wei>\d{3})'
match = re.match(patter, num)
 
print match.group('Area')     #001
print match.group('zhong')    #010
print match/group('wei')      #110

雖然在上述例子中使用命名捕獲會將降低正則表達式的可讀性，但命名捕獲咋復雜的正則中，會準確獲取想要的值（當然，正則肯定得寫準確啊·····）

re庫的正確使用姿勢

前提假設：

  • 已經充分掌握PCRE風格正則表達式
  • 熟讀re庫文檔

Why

正則表達式的強大已不用我贅述，Python 對此的支持也是十分強大，隻不過：

re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
......

你能很麻利地使用如上所示的一系列模塊級別function 嗎，如果你天天用 Python 搞正則匹配，相信你一定很熟練。但是如果你需要每次臨時翻閱文檔才能知道如何使用它，那麼就要思考：是不是 API 在某種程度上設計不好瞭（有的語言的 pattern 極有可能不是放在首位）。

一般來說，API 的接口參數越少越好，最好的就是沒有參數，調用者無腦調用，沒有任何記憶負擔。而 Python 的 re 庫，在我看來，應該至少糅合瞭「命令式」與「OOP」兩種風格，而且接口也不「最小化，正交」。

使用姿勢

正確的姿勢應該是：隻用 OOP 風格，並且完全忘記 re 庫提供的一系列模塊級別的 function （如 re.search, re.match等）。

首先是每次都構造出 Regex 對象，然後由 Regex 對象得出 Match 對象，然後在 Regex 對象和 Match 對象上進行一系列操作。比如：

# 1. 構造
    REGEX = re.compile($pattern, flags)     flags是re模塊的常量
 
# 2. 獲取 MatchObject
    m = regex.search(string)
   
# 3. 後續 MatchObject 的使用
    1. 獲取分組  group()    
    2. groups
    3. groupdict()

應用舉例

比如我在自己構造的 PathUtils 中，就是如此使用的（我非常喜歡各種各樣的 Utils ）：

from __future__ import (absolute_import, unicode_literals) 
import re 
class PathUtils(object):
    """路徑操作的工具函數"""
 
    _LINUX_ROOT = '/'
    _LINUX_PATH_SPLITOR = '/'
 
    @classmethod
    def is_two_linux_path_contains(cls, path1, path2):
        """兩個Linux路徑是否存在互相包含關系"""
 
        if path1 == cls._LINUX_ROOT or path2 == cls._LINUX_ROOT:
            return True
 
        path1_split = path1.split(cls._LINUX_PATH_SPLITOR)
        path2_split = path2.split(cls._LINUX_PATH_SPLITOR)
 
        for item1, item2 in zip(path1_split, path2_split):
            if item1 != item2:
                return False 
        return True
 
    @classmethod
    def is_valid_linux_path(cls, path):
        if not path:
            return False
 
        LINUX_PATH_REGEX = r'^(/[^/ ]*)+/?$' 
        return cls.is_valid_pattern(path, LINUX_PATH_REGEX)
 
    @classmethod
    def is_valid_windows_path(cls, path):
        if not path:
            return False
 
        WINDOWS_PATH_REGEX = r'^[a-zA-Z]:\\(((?![<>:"/\\|?*]).)+((?<![ .])\\)?)*$' 
        return cls.is_valid_pattern(path, WINDOWS_PATH_REGEX)
 
    @classmethod
    def is_valid_path(cls, p):
        if not p:
            return False
 
        return cls.is_valid_linux_path(p) or cls.is_valid_windows_path(p)
 
    @classmethod
    def is_valid_pattern(cls, value, pattern):
        if not value:
            return False
 
        REGEX = re.compile(pattern, re.UNICODE) 
        m = REGEX.match(value) 
        return True if m else False

主要的功能函數就是：

@classmethod
def is_valid_pattern(cls, value, pattern):
    if not value:
        return False 
    REGEX = re.compile(pattern, re.UNICODE) 
    m = REGEX.match(value) 
    return True if m else False

這樣一系列流程下來，我的感受就是，re 庫的接口沒有需要記憶，也沒有需要臨時翻閱文檔的地方，並且我隻用這一種風格（自己熟悉的，效率總是最高的），比如 re.compile肯定隻需要傳一個參數(flags不是必要的)，REGEX_OBJ.match/search肯定隻需要傳need_search_string即可。

以上為個人經驗，希望能給大傢一個參考，也希望大傢多多支持WalkonNet。

推薦閱讀：