作為一個(gè)概念而言，正則表達(dá)式對(duì)于Python來(lái)說(shuō)并不是獨(dú)有的。但是，Python中的正則表達(dá)式在實(shí)際使用過(guò)程中還是有一些細(xì)小的差別。

本文是一系列關(guān)于Python正則表達(dá)式文章的其中一部分。在這個(gè)系列的第一篇文章中，我們將重點(diǎn)討論如何使用Python中的正則表達(dá)式并突出Python中一些獨(dú)有的特性。

我們將介紹Python中對(duì)字符串進(jìn)行搜索和查找的一些方法。然后我們講討論如何使用分組來(lái)處理我們查找到的匹配對(duì)象的子項(xiàng)。

我們有興趣使用的Python中正則表達(dá)式的模塊通常叫做‘re'。

>>> import re

1. Python中的原始類型字符串

Python編譯器用‘\'（反斜杠）來(lái)表示字符串常量中的轉(zhuǎn)義字符。

如果反斜杠后面跟著一串編譯器能夠識(shí)別的特殊字符，那么整個(gè)轉(zhuǎn)義序列將被替換成對(duì)應(yīng)的特殊字符（例如，‘\n'將被編譯器替換成換行符）。

但這給在Python中使用正則表達(dá)式帶來(lái)了一個(gè)問(wèn)題，因?yàn)樵凇畆e'模塊中也使用反斜杠來(lái)轉(zhuǎn)義正則表達(dá)式中的特殊字符（比如*和+）。

這兩種方式的混合意味著有時(shí)候你不得不轉(zhuǎn)義轉(zhuǎn)義字符本身（當(dāng)特殊字符能同時(shí)被Python和正則表達(dá)式的編譯器識(shí)別的時(shí)候），但在其他時(shí)候你不必這么做（如果特殊字符只能被Python編譯器識(shí)別）。

與其將我們的心思放在去弄懂到底需要多少個(gè)反斜杠，我們可以使用原始字符串來(lái)替代。

原始類型字符串可以簡(jiǎn)單的通過(guò)在普通字符串的雙引號(hào)前面加一個(gè)字符‘r'來(lái)創(chuàng)建。當(dāng)一個(gè)字符串是原始類型時(shí)，Python編譯器不會(huì)對(duì)其嘗試做任何的替換。本質(zhì)上來(lái)講，你在告訴編譯器完全不要去干涉你的字符串。

>>> string = 'This is a\nnormal string'
>>> rawString = r'and this is a\nraw string'
>>> print string

這是一個(gè)普通字符串

>>> print rawString
and this is a\nraw string

這是一個(gè)原始類型字符串。
在Python中使用正則表達(dá)式進(jìn)行查找

‘re'模塊提供了幾個(gè)方法對(duì)輸入的字符串進(jìn)行確切的查詢。我們將會(huì)要討論的方法有：

re.match()
re.search()
re.findall()

每一個(gè)方法都接收一個(gè)正則表達(dá)式和一個(gè)待查找匹配的字符串。讓我們更詳細(xì)的查看這每一個(gè)方法從而弄明白他們是如何工作的以及他們各有什么不同。

2. 使用re.match查找 – 匹配開始

讓我們先來(lái)看一下match()方法。match()方法的工作方式是只有當(dāng)被搜索字符串的開頭匹配模式的時(shí)候它才能查找到匹配對(duì)象。

舉個(gè)例子，對(duì)字符串‘dog cat dog'調(diào)用mathch()方法，查找模式‘dog'將會(huì)匹配：

>>> re.match(r'dog', 'dog cat dog')
<_sre.SRE_Match object at 0xb743e720<
>>> match = re.match(r'dog', 'dog cat dog')
>>> match.group(0)
'dog'

我們稍后將更多的討論group()方法?，F(xiàn)在，我們只需要知道我們用0作為它的參數(shù)調(diào)用了它，group()方法返回查找到的匹配的模式。

我還暫且略過(guò)了返回的SRE_Match對(duì)象，我們很快也將會(huì)討論到它。

但是，如果我們對(duì)同一個(gè)字符串調(diào)用math()方法，查找模式‘cat'，則不會(huì)找到匹配。

>>> re.match(r'cat', 'dog cat dog')
>>>

3. 使用re.search查找 – 匹配任意位置

search()方法和match()類似，不過(guò)search()方法不會(huì)限制我們只從字符串的開頭查找匹配，因此在我們的示例字符串中查找‘cat'會(huì)查找到一個(gè)匹配：

search(r'cat', 'dog cat dog')
>>> match.group(0)
'cat'

然而search()方法會(huì)在它查找到一個(gè)匹配項(xiàng)之后停止繼續(xù)查找，因此在我們的示例字符串中用searc()方法查找‘dog'只找到其首次出現(xiàn)的位置。

>>> match = re.search(r'dog', 'dog cat dog')
>>> match.group(0)
'dog'

4. 使用 re.findall – 所有匹配對(duì)象

目前為止在Python中我使用的最多的查找方法是findall()方法。當(dāng)我們調(diào)用findall()方法，我們可以非常簡(jiǎn)單的得到一個(gè)所有匹配模式的列表，而不是得到match的對(duì)象（我們會(huì)在接下來(lái)更多的討論match對(duì)象）。對(duì)我而言這更加簡(jiǎn)單。對(duì)示例字符串調(diào)用findall()方法我們得到：

['dog', 'dog']
>>> re.findall(r'cat', 'dog cat dog')
['cat']

5. 使用 match.start 和 match.end 方法

那么，先前search()和match()方法先前返回給我們的‘match'對(duì)象”到底是什么呢？

和只簡(jiǎn)單的返回字符串的匹配部分不同，search()和match()返回的“匹配對(duì)象”，實(shí)際上是一個(gè)關(guān)于匹配子串的包裝類。

先前你看到我可以通過(guò)調(diào)用group()方法得到匹配的子串，（我們將在下一個(gè)部分看到，事實(shí)上匹配對(duì)象在處理分組問(wèn)題時(shí)非常有用），但是匹配對(duì)象還包含了更多關(guān)于匹配子串的信息。

例如，match對(duì)象可以告訴我們匹配的內(nèi)容在原始字符串中的開始和結(jié)束位置：

>>> match = re.search(r'dog', 'dog cat dog')
>>> match.start()
0
>>> match.end()
3

知道這些信息有時(shí)候非常有用。

6. 使用 mathch.group 通過(guò)數(shù)字分組

就像我之前提到的，匹配對(duì)象在處理分組時(shí)非常得心應(yīng)手。

分組是對(duì)整個(gè)正則表達(dá)式的特定子串進(jìn)行定位的能力。我們可以定義一個(gè)分組做為整個(gè)正則表達(dá)式的一部分，然后單獨(dú)的對(duì)這部分對(duì)應(yīng)匹配到的內(nèi)容定位。

讓我們來(lái)看一下它是怎么工作的：

>>> contactInfo = 'Doe, John: 555-1212'

我剛才創(chuàng)建的字符串類似一個(gè)從某人的地址本里取出來(lái)的一個(gè)片段。我們可以通過(guò)這樣一個(gè)正則表達(dá)式來(lái)匹配這一行：

>>> re.search(r'\w+, \w+: \S+', contactInfo)
<_sre.SRE_Match object at 0xb74e1ad8<

通過(guò)用圓括號(hào)來(lái)（字符‘('和‘)'）包圍正則表達(dá)式的特定部分，我們可以對(duì)內(nèi)容進(jìn)行分組然后對(duì)這些子組做單獨(dú)處理。

>>> match = re.search(r'(\w+), (\w+): (\S+)', contactInfo)

這些分組可以通過(guò)用分組對(duì)象的group()方法得到。它們可以通過(guò)其在正則表達(dá)式中從左到右出現(xiàn)的數(shù)字順序來(lái)定位（從1開始）：

>>> match.group(1)
'Doe'
>>> match.group(2)
'John'
>>> match.group(3)
'555-1212'

組的序數(shù)從1開始的原因是因?yàn)榈?個(gè)組被預(yù)留來(lái)存放所有匹配對(duì)象（我們?cè)谥皩W(xué)習(xí)match()方法和search()方法到時(shí)候看到過(guò)）。

>>> match.group(0)
'Doe, John: 555-1212'

7. 使用 match.group 通過(guò)別名來(lái)分組

有時(shí)候，特別是當(dāng)一個(gè)正則表達(dá)式有很多分組的時(shí)候，通過(guò)組的出現(xiàn)次序來(lái)定位就會(huì)變的不現(xiàn)實(shí)。Python還允許你通過(guò)下面的語(yǔ)句來(lái)指定一個(gè)組名：

>>> match = re.search(r'(?P<last>\w+), (?P<first>\w+): (?P<phone>\S+)', contactInfo)

我們還是可以用group()方法獲取分組的內(nèi)容，但這時(shí)候我們要用我們所指定的組名而不是之前所使用的組的所在位數(shù)。

>>> match.group('last')
'Doe'
>>> match.group('first')
'John'
>>> match.group('phone')
'555-1212'

這大大加強(qiáng)了代碼的明確性和可讀性。你可以想像當(dāng)正則表達(dá)式變得越來(lái)越復(fù)雜，去弄懂一個(gè)分組到捕獲了什么內(nèi)容將會(huì)變得越來(lái)越困難。給你的分組命名將明確的告訴了你和你的讀者你的意圖。

盡管findall()方法不返回分組對(duì)象，它也可以使用分組。類似的，findall()方法將返回一個(gè)元組的集合，其中每個(gè)元組中的第N個(gè)元素對(duì)應(yīng)了正則表達(dá)式中的第N個(gè)分組。

>>> re.findall(r'(\w+), (\w+): (\S+)', contactInfo)
[('Doe', 'John', '555-1212')]

但是，給分組命名并不適用于findall()方法。

在本文中我們介紹了Python中使用正則表達(dá)式的一些基礎(chǔ)。我們學(xué)習(xí)了原始字符串類型（還有它能幫你解決的在使用正則表達(dá)式中一些頭痛的問(wèn)題）。我們還學(xué)習(xí)了如何適使用match(), search(), and findall()方法進(jìn)行基本的查詢，以及如何使用分組來(lái)處理匹配對(duì)象的子組件。

和往常一樣，如果想查看更多關(guān)于這個(gè)主題的內(nèi)容，re模塊的Python官方文檔是一個(gè)非常好的資源。

在以后的文章中，我們將更深入的討論P(yáng)ython中正則表達(dá)式的應(yīng)用。我們將更加全面的學(xué)習(xí)匹配對(duì)象，學(xué)習(xí)如何使用它們?cè)谧址凶鎏鎿Q，甚至使用它們從文本文件中去解析Python數(shù)據(jù)結(jié)構(gòu)。

最新評(píng)論