python正则表达式分析和总结.docxVIP

Python 正则表达式操作指南 原文出处： http://www.amk.ca/python/howto/regex/ 原文作者：A.M. Kuchling （ amk@amk.ca） 授权许可：创作共用协议翻译人员：FireHare 校对人员：Leal 适用版本：Python 1.5 及后续版本 摘要 本文是通过 Python 的 re 模块来使用正则表达式的一个入门教程，和库参考手册的对应章节相比，更为浅显易懂、循序渐进。 目录 ? 1 简介 ? 2 简单模式 o 2.1 字符匹配 ? 3 o 2.2 重 复 使用正则表达式 o 3.1 编译正则表达式 o 3.2 反斜杠的麻烦 o 3.3 执行匹配 o 3.4 模块级函数 o 3.5 编译标志 4 更多模式功能 o 4.1 更多的元字符 o 4.2 分组 o 4.3 无捕获组和命名组 o 4.4 前向界定符 5 修改字符串 5.1 将字符串分片 5.2 搜索和替换 6 常见问题 6.1 使用字符串方式 6.2 match() vs search() 6.3 贪婪 vs 不贪婪 6.4 不用 re.VERBOSE 7 反馈 8 大标题文字 9 关于本文档 10 of LaTeX2HTML to the Python documentation 简介 Python 自 1.5 版本起增加了 re 模块，它提供 Perl 风格的正则表达式模式。Python 1.5 之前版本则是通过 regex 模块提供 Emacs 风格的模式。Emacs 风格模式可读性稍差些，而且功能也不强，因此编写新代码时尽量不要再使用 regex 模块，当然偶尔你还是可能在老代码里发现其踪影。 就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在 Python 中）它内嵌在 Python 中，并通过 re 模块实现。使用这个小型语言，你可以为想要匹配的相应字符串集指定规则； 该字符串集可能包含英文语句、e-mail 地址、TeX 命令或任何你想搞定的东西。然后你可以问诸如“这个字符串匹配该模式吗？”或“在这个字符串中是否有部分匹配该模式呢？”。你也可以使用 RE 以各种方式来修改或分割字符串。 正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。在高级用法中，也许还要仔细留意引擎是如何执行给定 RE ，如何以特定方式编写 RE 以令生产的字节码运行速度更快。本文并不涉及优化，因为那要求你已充分掌握了匹配引擎的内部机制。 正则表达式语言相对小型和受限（功能有限），因此并非所有字符串处理都能用正则表达式完成。当然也有些任务可以用正则表达式完成，不过最终表达式会变得异常复杂。碰到这些情形时，编写 Python 代码进行处理可能反而更好；尽管 Python 代码比一个精巧的正则表达式要慢些，但它更易理解。 简单模式 我们将从最简单的正则表达式学习开始。由于正则表达式常用于字符串操作，那我们就从最常见的任务： 字符匹配下手。 有关正则表达式底层的计算机科学上的详细解释（确定性和非确定性有限自动机），你可以查阅编写编译器相关的任何教科书。 字符匹配 大多数字母和字符一般都会和自身匹配。例如，正则表达式 test 会和字符串“test”完全匹配。（你也可以使用大小写不敏感模式，它还能让这个 RE 匹配“Test”或“TEST”；稍后会有更多解释。） 这个规则当然会有例外；有些字符比较特殊，它们和自身并不匹配，而是会表明应和一些特殊的东西匹配， 或者它们会影响到 RE 其它部分的重复次数。本文很大篇幅专门讨论了各种元字符及其作用。 . ^ $ * + ? { [ ] \ | ( )这里有一个元字符的完整列表；其含义会在本指南余下部分进行讨论。 . ^ $ * + ? { [ ] \ | ( ) 我们首先考察的元字符是[ 和 ]。它们常用来指定一个字符类别，所谓字符类别就是你想匹配的一个字符集。字符可以单个列出，也可以用“-”号分隔的两个给定字符来表示一个字符区间。例如，[abc] 将匹配a, b, 或 c中的任意一个字符；也可以用区间[a-c]来表示同一字符集，和前者效果一致。如果你只想匹配小写字母，那么 RE 应写成 [a-z]. 元字符在类别里并不起作用。例如，[akm$]将匹配字符a, k, m, 或 $ 中的任意一个；$通常用作元字符，但在字符类别里，其特性被除去，恢复成普通字符。 你可以用补集来匹配不在区间范围内的字符。其做法是把^作为类别的首个字符；其它地方的^只会简单匹配 ^字符本身。例如，[^5] 将匹配除 5 之外的任意字符。 也许最重要的元字符是反斜杠\。做为 Python 中的字符串字母，反斜杠后面可以加不同的字符以表示不同特殊意义。它也可以用于取消