LOADING

Follow me

python re(八)
十一月 30, 2013|Whistler

python re(八)



更多的元字符


还有一些我们还没展示的元字符,其中的大部分将在本节展示。




剩下来要讨论的一部分元字符是零宽界定符(zero-width assertions)。它们并不会使引擎在处理字符串时更快;相反,它们根本就没有对应任何字符,只是简单的成功或失败。举个例子, “b 是一个在单词边界定位当前位置的界定符(assertions),这个位置根本就不会被 “b 改变。这意味着零宽界定符(zero-width assertions)将永远不会被重复,因为如果它们在给定位置匹配一次,那么它们很明显可以被匹配无数次。


|




可选项,或者 “or” 操作符。如果 A 和 B 是正则表达式,A|B 将匹配任何匹配了 “A” 或 “B” 的字符串。| 的优先级非常低,是为了当你有多字符串要选择时能适当地运行。Crow|Servo 将匹配”Crow” 或 “Servo”, 而不是 “Cro”, 一个 “w” 或 一个 “S”, 和 “ervo”。




为了匹配字母 “|”,可以用 “|,或将其包含在字符类中,如[|]。


^




匹配行首。除非设置 MULTILINE 标志,它只是匹配字符串的开始。在 MULTILINE 模式里,它也可以直接匹配字符串中的每个换行。




例如,如果你只希望匹配在行首单词 “From”,那幺 RE 将用 ^From。


#!python

>>> print re.search(^FromFrom Here to Eternity)

<re.MatchObject instance at 80c1520>

>>> print re.search(^FromReciting From Memory)


None


$




匹配行尾,行尾被定义为要么是字符串尾,要么是一个换行字符後面的任何位置。


#!python

>>> print re.search(}${block})

<re.MatchObject instance at 80adfa8>

>>> print re.search(}${block} )


None

>>> print re.search(}${block}”n)

<re.MatchObject instance at 80adfa8>


匹配一个 “$”,使用 “$ 或将其包含在字符类中,如[$]。


“A




只匹配字符串首。当不在 MULTILINE 模式,”A 和 ^ 实际上是一样的。然而,在 MULTILINE 模式里它们是不同的;”A 只是匹配字符串首,而 ^ 还可以匹配在换行符之後字符串的任何位置。


“Z


Matches only at the end of the string. 

只匹配字符串尾。


“b


单词边界。这是个零宽界定符(zero-width assertions)只用以匹配单词的词首和词尾。单词被定义为一个字母数字序列,因此词尾就是用空白符或非字母数字符来标示的。




下面的例子只匹配 “class” 整个单词;而当它被包含在其他单词中时不匹配。


#!python

>>> p = re.compile(r“bclass”b)

>>> print p.search(no class at all)

<re.MatchObject instance at 80c8f28>

>>> print p.search(the declassified algorithm)


None

>>> print p.search(one subclass is)


None


当用这个特殊序列时你应该记住这里有两个微妙之处。第一个是 Python 字符串和正则表达式之间最糟的冲突。在 Python 字符串里,””b” 是反斜杠字符,ASCII值是8。如果你没有使用 raw 字符串时,那幺 Python 将会把 “”b” 转换成一个回退符,你的 RE 将无法象你希望的那样匹配它了。下面的例子看起来和我们前面的 RE 一样,但在 RE 字符串前少了一个 “r” 。


#!python

>>> p = re.compile(“bclass”b)

>>> print p.search(no class at all)


None

>>> print p.search(“b + class + “b)

<re.MatchObject instance at 80c3ee0>


第二个在字符类中,这个限定符(assertion)不起作用,”b 表示回退符,以便与 Python 字符串兼容。


“B




另一个零宽界定符(zero-width assertions),它正好同 “b 相反,只在当前位置不在单词边界时匹配。


分组


你经常需要得到比 RE 是否匹配还要多的信息。正则表达式常常用来分析字符串,编写一个 RE 匹配感兴趣的部分并将其分成几个小组。举个例子,一个 RFC-822 的头部用 “:” 隔成一个头部名和一个值,这就可以通过编写一个正则表达式匹配整个头部,用一组匹配头部名,另一组匹配头部值的方式来处理。




组是通过 “(” 和 “)” 元字符来标识的。 “(” 和 “)” 有很多在数学表达式中相同的意思;它们一起把在它们里面的表达式组成一组。举个例子,你可以用重复限制符,象 *, +, ?, 和 {m,n},来重复组里的内容,比如说(ab)* 将匹配零或更多个重复的 “ab”。


#!python

>>> p = re.compile((ab)*)

>>> print p.match(ababababab).span()


(0, 10)


组用 “(” 和 “)” 来指定,并且得到它们匹配文本的开始和结尾索引;这就可以通过一个参数用 group()、start()、end() 和 span() 来进行检索。组是从 0 开始计数的。组 0 总是存在;它就是整个 RE,所以 `MatchObject` 的方法都把组 0 作为它们缺省的参数。稍後我们将看到怎样表达不能得到它们所匹配文本的 span。


#!python

>>> p = re.compile((a)b)

>>> m = p.match(ab)

>>> m.group()

ab

>>> m.group(0)

ab


小组是从左向右计数的,从1开始。组可以被嵌套。计数的数值可以能过从左到右计算打开的括号数来确定。


#!python

>>> p = re.compile((a(b)c)d)

>>> m = p.match(abcd)

>>> m.group(0)

abcd

>>> m.group(1)

abc

>>> m.group(2)

b


group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。




#!python

>>> m.group(2,1,2)


(babcb)


The groups() 方法返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。

#!python

>>> m.groups()


(abcb)


模式中的逆向引用允许你指定先前捕获组的内容,该组也必须在字符串当前位置被找到。举个例子,如果组 1 的内容能够在当前位置找到的话,”1 就成功否则失败。记住 Python 字符串也是用反斜杠加数据来允许字符串中包含任意字符的,所以当在 RE 中使用逆向引用时确保使用 raw 字符串。




例如,下面的 RE 在一个字符串中找到成双的词。


#!python

>>> p = re.compile(r(“b”w+)”s+”1)

>>> p.search(Paris in the the spring).group()

the the


象这样只是搜索一个字符串的逆向引用并不常见 — 用这种方式重复数据的文本格式并不多见 — 但你不久就可以发现它们用在字符串替换上非常有用。


版权声明:本文为博主原创文章,未经博主允许不得转载。

no comments
Share

发表评论