python中對正則表達式re包的簡單引用方式
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。