Python正则表达式子模式扩展语法与应用
Python正则表达式子模式扩展语法与应用
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。