内容简介:详解 Python3 正则表达式(四)
本文翻译自: https://docs.python.org/3.4/howto/regex.html
博主对此做了一些批注和修改 ^_^
更多强大的功能
到目前为止,我们只是介绍了正则表达式的一部分功能。在这一篇中,我们学会到一些新的元字符,然后再教大家如何使用组来获得被匹配的部分文本。
更多元字符
还有一些元字符我们没有讲到,接下来博主一一为大家讲解。
有些元字符它们不匹配任何字符,只是简单地表示成功或失败,因此这些字符也称之为零宽断言。例如 \b 表示当前位置位于一个单词的边界,但 \b 并不能改变位置。因此,零宽断言不应该被重复使用,因为 \b 并不会修改当前位置,所以 \b\b 跟 \b 是没什么两样的。
批注: 很多人可能不理解 “改变位置” 和 "零宽断言" 的意思?我尝试解释下,比如 abc 匹配完 a 之后,咱的当前位置就会移动,才能继续匹配 b,依次类推 ... 但是 \babc 的话,\b 表示当前位置在单词的边界(单词的第一个字母或者最后一个字母),这时候当前位置不会发生改变,接着将 a 与当前位置的字符进行匹配 ......
1. I
或操作符,对两个正则表达式进行操作。如果 A 和 B 是正则表达式,A | B 会匹配 A 或 B 中出现的任何字符。为了能够更加合理的式作,| 的优先级非常低。例如 Fa|n 应该匹配 Fa 或 n,而不是匹配 F,然后一个 'a' 或 'n'。
同样,我们使用 \| 来匹配 '|' 字符本身;或者包含在一个字符类中,像这样 [|] 。
2. ^
匹配字符串的起始位置。如果设置了 MULTILNE 标志,就会变成匹配每一行的起始位置。在 MULTILNE 中,每当遇到换行符就会立刻进行匹配。
举个例子,如果你只希望匹配位于字符串开头的单词 From,那么你的正则表达式可以写为 ^From:
3. $
匹配字符串的结束位置,每当遇到换行符也会离开进行匹配。
同样,我们使用 \$ 来匹配 '$' 字符本身;或者包含在一个字符类中,像这样 [$] 。
4. \A
只匹配字符串的起始位置,如果没有位置 MULTILINE 标志的时候,\A 和 ^ 的功能是一样的;但如果设置了 MULTILNE 标志,则会有一些不同:\A 还是匹配字符串的起始位置,但 ^ 会对字符串的每一行都进行匹配。
5. \Z
只匹配字符串的结束位置。
6. \b
单词边界,这是一个只匹配单词的开始和结尾的零宽断言。“单词” 定义为一个字母数字的序列,所以单词的结束指的是空格或者非字母数字的字符。
下边例子中,class 只有在出现一个完整的单词 class 时才匹配;如果出现在别的单词中,并不会匹配。
在使用这些特殊的序列的时候,有两点是需要注意的:第一点需要注意的是,Python 的字符串跟正则表达式在有些字符上是有冲突的(回忆之前反斜杠的例子)。比如说在 Python 中,\b 表示的是退格符(ASCII 码值是 8)。所以,你如果不使用原始字符串,Python 会将 \b 转换成退格符处理,这样就肯定跟你预期不一样了。
下边例子中,我们故意不写表示原始字符串的 'r',结果确实大相庭径:
第二点需要注意的是,在字符类中不能使用这个断言。跟 Python 一样,在字符类中,\b 只是用来表示退格符。
7. \B
另一个零宽断言,与 \b 的含义相反,\B 表示非单词边界的位置。
分组
通常在实际的应用过程中,我们除了需要知道一个正则表达式是否匹配之外,还需要更多的信息。对于比较复杂的内容,正则表达式 通常使用分组的方式分别对不同内容进行匹配。
下边的例子,我们将 RFC-822 头用 “:” 号分成名字和值分别匹配:
From: author@example.com User-Agent: Thunderbird 1.5.0.9 (X11/20061227) MIME-Version: 1.0 To: editor@example.com
像这种情况,我们就可以写一个正则表达式先来匹配一个整个 RFC-822 头,然后利用分组功能,使用一个组来匹配头的名字,另一个组匹配名字对应的值。
批注: RFC-822 是电子邮件的标准格式,当然到这里你还不知道分组要怎么分,不急,请接着往下看......
在正则表达式中,使用元字符 () 来划分组。() 元字符跟数学表达式中的小括号含义差不多;它们将包含在内部的表达式组合在一起,所以你可以对一个组的内容使用重复操作的元字符,例如 *,+,? 或者 {m,n} 。
例如,(ab)* 会匹配零个或者多个 ab:
使用 () 表示的子组我们还可以对它进行按层次索引,可以将索引值作为参数传递给这些方法:group(),start(),end() 和 span() 。序号 0 表示第一个分组(这个是默认分组,一直存在的,所以不传入参数相当于默认值 0):
批注: 有几对小括号就是分成了几个子组,例如 (a)(b) 和 (a(b)) 都是由两个子组构成的。
子组的索引值是从左到右进行编号,子组也允许嵌套,因此我们可以通过从左往磾来统计左括号 ( 来确定子组的序号。
group() 方法可以一次传入多个子组的序号:
批注: start() 是获得参数子组的开始位置;end() 是获得对应子组的结束位置;span() 是获得对应子组的范围。
我们还特么通过 groups() 方法一次性返回所有的子组匹配的字符串:
还有一个反向引用的概念需要介绍,反向引用指的是你可以在后面的位置使用先前匹配过的内容,用法是反斜杠加上数字。例如 \1 表示引用前边成功匹配的序号为 1 的子组。
如果只是搜索字符串,反向引用不会被用到,因为很少有文本格式会这样来重复字符。但是,你很快会发现,在字符串替换的时候,反向引用是非常有用的(深井水)!
批注: 注意,在 Python 的字符串中会使用反斜杠加数字的方式来表示数字的值对应的 ASCII 字符,所以在使用反向索引的正则表达式中,我们依然强调要使用原始字符串。
(本文完)
下一篇:详解 Python3 正则表达式(五)
如果你喜欢这篇文章,请通过下方「评分」给我鼓励哦 ^_^
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Learn Python the Hard Way
Zed Shaw / Example Product Manufacturer / 2011
This is a very beginner book for people who want to learn to code. If you can already code then the book will probably drive you insane. It's intended for people who have no coding chops to build up t......一起来看看 《Learn Python the Hard Way》 这本书的介绍吧!