Python正则表达式子模式扩展语法与应用

2017-03-23 董付国 Python小屋 Python小屋

正则表达式语法实际上是独立于任何语言的，在大多数编程语言都可以使用相同的语法。常见正则表达式语法请参考Python使用正则表达式处理字符串

正则表达式使用圆括号“()”表示一个子模式，圆括号内的内容作为一个整体对待，例如'(red)+'可以匹配'redred'、'redredred'等一个或多个重复'red'的情况。使用子模式扩展语法可以实现更加复杂的字符串处理功能。

常用子模式扩展语法

语法

功能说明

(?P<groupname>)

为子模式命名

(?iLmsux)

设置匹配标志，可以是几个字母的组合，每个字母含义与编译标志相同

(?:...)

匹配但不捕获该匹配的子表达式

(?P=groupname)

表示在此之前的命名为groupname的子模式

(?#...)

表示注释

(?<=…)

用于正则表达式之前，如果<=后的内容在字符串中不出现则匹配，但不返回<=之后的内容

(?=…)

用于正则表达式之后，如果=后的内容在字符串中出现则匹配，但不返回=之后的内容

(?<!...)

用于正则表达式之前，如果<!后的内容在字符串中不出现则匹配，但不返回<!之后的内容

(?!...)

用于正则表达式之后，如果!后的内容在字符串中不出现则匹配，但不返回!之后的内容

>>> import re

>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")
>>> m.group('first_name')    #使用命名的子模式
'Malcolm'
>>> m.group('last_name')
'Reynolds'
>>> m = re.match(r"(\d+)\.(\d+)", "24.1632")
>>> m.groups()      #返回所有匹配的子模式（不包括第0个）
('24', '1632')
>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")
>>> m.groupdict()      #以字典形式返回匹配的结果
{'first_name': 'Malcolm', 'last_name': 'Reynolds'}
>>> exampleString = '''There should be one-- and preferably only one --obvious way to do it.
Although that way may not be obvious at first unless you're Dutch.
Now is better than never.
Although never is often better than right now.'''
>>> pattern = re.compile(r'(?<=\w\s)never(?=\s\w)') #查找不在句子开头和结尾的never
>>> matchResult = pattern.search(exampleString)
>>> matchResult.span()
(172, 177)
>>> pattern = re.compile(r'(?<=\w\s)never') #查找位于句子末尾的单词
>>> matchResult = pattern.search(exampleString)
>>> matchResult.span()
(156, 161)
>>> pattern = re.compile(r'(?:is\s)better(\sthan)') #查找前面是is的better than组合
>>> matchResult = pattern.search(exampleString)
>>> matchResult.span()
(141, 155)
>>> matchResult.group(0)           #组0表示整个模式
'is better than'
>>> matchResult.group(1)
' than'
>>> pattern = re.compile(r'\b(?i)n\w+\b') #查找以n或N字母开头的所有单词
>>> index = 0
>>> while True:
     matchResult = pattern.search(exampleString, index)
     if not matchResult:
          break
     print(matchResult.group(0), ':', matchResult.span(0))
     index = matchResult.end(0)


not : (92, 95)
Now : (137, 140)
never : (156, 161)
never : (172, 177)
now : (205, 208)
>>> pattern = re.compile(r'(?<!not\s)be\b')       #查找前面没有单词not的单词be
>>> index = 0
>>> while True:
     matchResult = pattern.search(exampleString, index)
     if not matchResult:
          break
     print(matchResult.group(0), ':', matchResult.span(0))
     index = matchResult.end(0)


be : (13, 15)
>>> exampleString[13:20]    #验证一下结果是否正确
'be one-'
>>> pattern = re.compile(r'(\b\w*(?P<f>\w+)(?P=f)\w*\b)') #匹配有连续相同字母的单词
>>> index = 0
>>> while True:
      matchResult = pattern.search(exampleString, index)
      if not matchResult:
           break
      print(matchResult.group(0), ':', matchResult.group(2))
      index = matchResult.end(0) + 1


unless : s
better : t
better : t
>>> s = 'aabc abcd abbcd abccd abcdd'
>>> p = re.compile(r'(\b\w*(?P<f>\w+)(?P=f)\w*\b)')
>>> p.findall(s)
[('aabc', 'a'), ('abbcd', 'b'), ('abccd', 'c'), ('abcdd', 'd')]


>>> s = "It's a very good good idea"

>>> re.sub(r'(\b\w+) \1', r'\1', s)  #处理连续的重复单词
"It's a very good idea"

>>> re.sub(r'((\w+) )\1', r'\2', s)

"It's a very goodidea"


本文节选自《Python可以这样学》（董付国 著，清华大学出版社），略有增加。