python中re模块的作用_python中re模块简析

re的分组功能

python的re模块有一个分组功能。所谓的分组就是去已经匹配到的内容里面再筛选出需要的内容&＃xff0c;相当于二次过滤。

实现分组靠圆括号()&＃xff0c;而获得分组的内容靠的是group()&＃xff0c;groups()&＃xff0c;groupdict()方法。

re模块里的几个重要方法在分组上&＃xff0c;有不同的表现形式&＃xff0c;需要区别对待。

re实例

match()方法

不分组时的情况&＃xff1a;

import re

origin &＃61; "hasdfi123123safd"

# 不分组时的情况

r &＃61; re.match("h\w&＃43;", origin)

print(r.group()) # 获取匹配到的整体结果

print(r.groups()) # 获取模型中匹配到的分组结果元组

print(r.groupdict()) # 获取模型中匹配到的分组中所有key的字典

结果&＃xff1a;

hasdfi123123safd

()

{}

有分组的情况(注意圆括号&＃xff01;)

import re

origin &＃61; "hasdfi123123safd123"

# 有分组

r &＃61; re.match("h(\w&＃43;).*(?P\d)$", origin)

print(r.group()) # 获取匹配到的整体结果

print(r.group(1)) # 获取匹配到的分组1的结果

print(r.group(2)) # 获取匹配到的分组2的结果

print(r.groups()) # 获取模型中匹配到的分组结果元组

print(r.groupdict()) # 获取模型中匹配到的分组中所有key的字典

执行结果&＃xff1a;

hasdfi123123safd123

asdfi123123safd12

3

(&＃39;asdfi123123safd12&＃39;, &＃39;3&＃39;)

{&＃39;name&＃39;: &＃39;3&＃39;}

说明⚠️&＃xff1a;

(1)正则表达式h(\w&＃43;).*(?P\d)$中有2个小括号&＃xff0c;表示它分了2个小组&＃xff0c;在匹配的时候是拿整体的表达式去匹配的&＃xff0c;而不是拿小组去匹配的。

(2)(\w&＃43;)表示这个小组内是1到多个字母数字字符&＃xff0c;相当于匹配包括下划线的任何单词字符。等价于&＃39;[A-Za-z0-9_]&＃39;。

(3)(?P\d)中?P是个正则表达式的特殊语法&＃xff0c;表示给这个小组取了个叫“name”的名字&＃xff0c;?P是固定写法。\d匹配一个数字字符。等价于[0-9]。

(4)在获取分组值的时候&＃xff0c;group()和group(0)是对等的&＃xff0c;都表示整个匹配到的字符串&＃xff0c;从group(1)开始&＃xff0c;分别是从左往右的小组序号&＃xff0c;按位置顺序来。

search()方法

有分组的情况&＃xff1a;

import re

origin &＃61; "sdfi1ha23123safd123" # 注意这里对匹配对象做了下调整

# 有分组

r &＃61; re.search("h(\w&＃43;).*(?P\d)$", origin)

print(r.group())

print(r.group(0))

print(r.group(1))

print(r.group(2))

print(r.groups())

print(r.groupdict())

执行结果&＃xff1a;

ha23123safd123

ha23123safd123

a23123safd12

3

(&＃39;a23123safd12&＃39;, &＃39;3&＃39;)

{&＃39;name&＃39;: &＃39;3&＃39;}

说明⚠️&＃xff1a;表现得和match()方法基本一样。

match()方法与search()方法区别

re.match只匹配字符串的开始&＃xff0c;如果字符串开始不符合正则表达式&＃xff0c;则匹配失败&＃xff0c;函数返回None&＃xff1b;而re.search匹配整个字符串&＃xff0c;直到找到一个匹配。

举例如下&＃xff1a;

#!/usr/bin/python

import re

line &＃61; "Cats are smarter than dogs";

matchObj &＃61; re.match( r&＃39;dogs&＃39;, line, re.M|re.I)

if matchObj:

print "match --> matchObj.group() : ", matchObj.group()

else:

print "No match!!"

matchObj &＃61; re.search( r&＃39;dogs&＃39;, line, re.M|re.I)

if matchObj:

print "search --> matchObj.group() : ", matchObj.group()

else:

print "No match!!"

以上代码执行结果如下&＃xff1a;

No match!!

search --> matchObj.group() : dogs

扩展

正则表达式实例&＃xff1a;

#!/usr/bin/python

import re

line &＃61; "Cats are smarter than dogs"

matchObj &＃61; re.match( r&＃39;(.*) are (.*?) .*&＃39;, line, re.M|re.I)

if matchObj:

print "matchObj.group() : ", matchObj.group()

print "matchObj.group(1) : ", matchObj.group(1)

print "matchObj.group(2) : ", matchObj.group(2)

else:

print "No match!!"

说明⚠️&＃xff1a;关于正则表达式r&＃39;(.*) are (.*?) .*&＃39;

(1)首先&＃xff0c;这是一个字符串&＃xff0c;前面的一个 r 表示字符串为非转义的原始字符串&＃xff0c;让编译器忽略反斜杠&＃xff0c;也就是忽略转义字符。但是这个字符串里没有反斜杠&＃xff0c;所以这个 r 可有可无。

(2)(.) 第一个匹配分组&＃xff0c;. 代表匹配除换行符之外的所有字符。

(3)(.?) 第二个匹配分组&＃xff0c;.? 后面多个问号&＃xff0c;代表非贪婪模式&＃xff0c;也就是说只匹配符合条件的最少字符。

(4)后面的一个 .* 没有括号包围&＃xff0c;所以不是分组&＃xff0c;匹配效果和第一个一样&＃xff0c;但是不计入匹配结果中。

(5)matchObj.group() 等同于 matchObj.group(0)&＃xff0c;表示匹配到的完整文本字符

matchObj.group(1) 得到第一组匹配结果&＃xff0c;也就是(.*)匹配到的

matchObj.group(2) 得到第二组匹配结果&＃xff0c;也就是(.*?)匹配到的

因为只有匹配结果中只有两组&＃xff0c;所以如果填 3 时会报错。

参考文档