Python 正则表达式（四）

2020-12-03 本文已影响0人名本无名

前言

不知不觉，正则表达式已经来到了第四节啦！

今天要聊点什么呢？嗯...

对了，上节讲到的 匹配对象 ，好像提到过好几次，但是都没讲它是啥。

抓紧时间，废话少说，今天就聊聊它吧。

匹配对象

介绍

匹配对象，顾名思义就是匹配成功所返回的存储了匹配信息的对象

如果没有匹配的话会返回 None 。

所以你可以简单的用 if 语句来判断是否匹配。

像 match() 和 search() 匹配成功都会返回一个 匹配对象

match = re.search(pattern, string)
if match:
    process(match)

常用方法和属性

1、group

介绍

Match.group([group1, ...])

返回一个或者多个匹配的子组。

如果只有一个参数，结果就是一个字符串
如果有多个参数，结果就是一个元组（每个参数对应一个项）
如果没有参数，group1 参数默认等于 0（即返回整个匹配）
如果一个组号是负数，或者大于样式中定义的组数，抛出一个 IndexError 索引错误。
如果分组被命名，那么 groupN 参数就可以是命名组合的名字
如果一个组匹配了多次，就只返回最后一个匹配

示例

m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")

m.group()
# out: 'Lebron James'
m.group(0)
# out: 'Lebron James'
m.group(1)
# out: 'Lebron'
m.group(2)
# out: 'James'
m.group(1, 2)
# out: ('Lebron', 'James')
m.group(3)
# out: 'IndexError: no such group'

# 命名分组
m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Lebron James")
m.group('first_name')  # ==> m.group(1)
# out: 'Lebron'，依旧可以使用数字索引
m.group('last_name')   # ==> m.group(2)
# out: 'James'

# 多次匹配，返回最后一个匹配
m = re.match(r"(..)+", "aabbcc")
m.group(1)
# out: 'cc'

其实，上述 group(n) 可以直接通过 m[n] 获取

m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Lebron James")
m[0]
# out: 'Lebron James'
m[1]
# out: 'Lebron'
m[2]
# out: 'James'

2、groups

介绍

Match.groups(default=None)

返回一个包含所有匹配子组的元组，

default 参数设置匹配不成功时的返回值，默认为 None。

示例

m = re.match(r"(\d+)\.(\d+)", "3.1415926")
m.groups()
# out: ('3', '1415926')

# 设置未匹配的返回值
m = re.match(r"(\d+)\.?(\d+)?", "345")
m.groups()
# out: ('345', None)
m.groups(-1)
# out: ('345', -1)

3、groupdict

介绍

Match.groupdict(default=None)

返回一个字典，包含了所有的命名分组，key 就是组名。

default 参数同上。

如果分组未命名，则返回空字典

示例

m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Lebron James")
m.groupdict()
# out: {'first_name': 'Lebron', 'last_name': 'James'}

4、start 和 end

介绍

Match.start([group])

Match.end([group])

返回 group 匹配到的字串的开始和结束索引。

group 默认为 0（意思是整个匹配的子串）。

如果 group 存在，但未匹配到，就返回 -1 。

示例

m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")
m.start(), m.end()
# out: (0, 12)
m.start(1), m.end(1)
# out: (0, 6)
m.start(2), m.end(2)
# out: (7, 12)

string = "Lebron James, Kobe"
m.group(1) == string[m.start(1): m.end(1)]
# out: True

5、span

介绍

Match.span([group])

对于一个匹配 m ，返回一个二元组 (m.start(group), m.end(group)) 。

注意：如果 group 没有在这个匹配中，就返回 (-1, -1) 。

group 默认为 0，就是整个匹配。

示例

m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")
m.span()
# out: (0, 12)

6、属性

Match.re: 返回产生这个实例的正则表达式对象

Match.string: 传递到 match() 或 search() 的字符串

m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")
m.string
# out: 'Lebron James, Kobe'
m.re
# out: re.compile(r'(\w+) (\w+)', re.UNICODE)

讲到这，我们就把下面要说的内容引出来了。

是的，没错，正是正则表达式对象。

什么是正则表达式对象？

正则表达式对象

正则表达式字符串经过编译后，就是正则表达式对象了。

通过 compile 方法编译将正则表达式的样式编译为一个正则表达式对象

如果需要多次使用这个正则表达式的话，用 re.compile() 保存这个正则对象以便复用，可以让程序更加高效。

re.compile(pattern, flags=0)
# pattern: 传入的正则样式
# flags: 指定匹配模式，如 re.MULTILINE 等

prog = re.compile(pattern)
result = prog.match(string)

# 等价于
result = re.match(pattern, string)

正则表达式对象支持以下方法和属性

1、search

介绍

Pattern.search(string[, pos[, endpos]])

扫描整个 字符串 找到匹配样式的第一个位置，并返回一个相应的 匹配对象

如果没有匹配到，就返回 None

可选的第二个参数 pos 指定字符串中开始搜索的位置索引，默认为 0

可选参数 endpos 限定了字符串搜索的结束位置

p.search(string, pos, endpos) 等价于 p.search(string[pos:endpos], 0)

p = re.compile("dog")

m = p.search('a dog')
m.group()
# out: 'dog'

m = p.search('a dog', 3)
m # None

m = p.search('a dog', 2, 5)
m.group()
# out: 'dog'

2、match

介绍

Pattern.match(string[, pos[, endpos]])

如果从 string 的开始位置能够匹配到这个正则样式，就返回一个相应的匹配对象。

如果不匹配，就返回 None

可选参数 pos 和 endpos 与 search() 含义相同。

示例

p = re.compile("aaa")
m = p.match("hello aaa bbb")
m
# m is None
m = p.match("hello aaa bbb", 6)
m.group()
# out: 'aaa'

小结

其他正则对象的方法与 re 模块的方法大同小异。

只是加了 pos 和 endpos 两个参数来限制搜索范围

就不在重复讲啦！

总结

Python 正则表达式讲到这，已经差不多都讲完了。

学完这些，应该多找几个例子自己练练手，加深印象。

建议可以从网上随便下一个网站的源码，然后用 re 模块从源码中提取相应的信息

再建议，想不到什么网站的话，可以下载豆瓣电影排行榜网页源码，提取相应的电影信息

再再建议，前面的建议都动手做一下吧。

纸上得来终觉浅，绝知此事要躬行。