Python正则表达式分组
投稿:wdc
Python正则表达式分组
分组就是用一对圆括号“()
”括起来的正则表达式,匹配出的内容就表示一个分组。从正则表达式的左边开始看,看到的第一个左括号“(
”表示第一个分组,第二个表示第二个分组,依次类推,需要注意的是,有一个隐含的全局分组(就是0),就是整个正则表达式。
分完组以后,要想获得某个分组的内容,直接使用group(num)
和groups()
函数去直接提取就行。
例如:提取代码中的超链接中的文本
>>> s='<div><a href="https://support.google.com/chrome/?p=ui_hotword_search" rel="external nofollow" target="_blank">更多</a><p>dfsl</p></div>' >>> print re.search(r'<a.*>(.*)</a>',s).group(1) 更多
或者
>>> print re.match(r'.*<a.*>(.*)</a>',s).group(1) 更多
按照上面的分组匹配以后,我们就可以拿到我们想拿到的字串,但是如果我们正则表达式中括号比较多,那我们在拿我们想要的字串时,要去挨个数我们想要的字串时第几个括号,这样会很麻烦,这个时候Python又引入了另一种分组,那就是命名分组,上面的叫无名分组。
命名分组
命名分组就是给具有默认分组编号的组另外再给一个别名。命名分组的语法格式如下:
(?P<name>正则表达式)#name是一个合法的标识符
如:提取字符串中的ip地址
>>> s = "ip='230.192.168.78',version='1.0.0'" >>> re.search(r"ip='(?P<ip>\d+\.\d+\.\d+\.\d+).*", s) >>> res.group('ip')#通过命名分组引用分组 '230.192.168.78'
后向引用
正则表达式中,放在圆括号“()”中的表示是一个组。然后你可以对整个组使用一些正则操作,例如重复操作符。
要注意的是,只有圆括号”()”才能用于形成组。”“用于定义字符集。”{}”用于定义重复操作。
当用”()”定义了一个正则表达式组后,正则引擎则会把被匹配的组按照顺序编号,存入缓存。这样我们想在后面对已经匹配过的内容进行引用时,就可以用”\数字”的方式或者是通过命名分组进行”(?P=name)“进行引用。\1表示引用第一个分组,\2引用第二个分组,以此类推,\n引用第n个组。而\0则引用整个被匹配的正则表达式本身。这些引用都必须是在正则表达式中才有效,用于匹配一些重复的字符串。
如:
#通过命名分组进行后向引用 >>> re.search(r'(?P<name>go)\s+(?P=name)\s+(?P=name)', 'go go go').group('name') 'go' #通过默认分组编号进行后向引用 >>> re.search(r'(go)\s+\1\s+\1', 'go go go').group() 'go go go'
交换字符串的位置
>>> s = 'abc.xyz' >>> re.sub(r'(.*)\.(.*)', r'\2.\1', s) 'xyz.abc'
前向肯定断言、后向肯定断言
前向肯定断言的语法:
(?=pattern)
后向肯定断言的语法:
(?<=pattern)
需要注意的是,如果在匹配的过程中,需要同时用到前向肯定断言和后向肯定断言,那么必须将后向肯定断言写在正则语句的前面,前向肯定断言写在正则语句的后面,表示后向肯定模式之后,前行肯定模式之前。
如:获取c语言代码中的注释内容
>>> s1='''char *a="hello world"; char b='c'; /* this is comment */ int c=1; /* t his is multiline comment */''' >>> re.findall( r'(?<=/\*).+?(?=\*/)' , s1 ,re.M|re.S) [' this is comment ', ' this is multiline comment ']
(?<=/*)这个是后向肯定断言,表示“/*”之后。
(?=*/)这个为前向肯定断言,表示“*/”之前
这两合并起来就是一个区间了,所以后向肯定断言放在前向肯定断言前面。
前向否定断言、后向否定断言
前向否定断言语法:
(?!pattern)
后向否定断言语法:
(?<!pattern)
前向否定和后向否定实例:
#提取不是.txt结尾的文件 >>> f1 = 'aaa.txt' >>> re.findall(r'.*\..*$(?<!txt$)',f1) [] #提取不以数字开头的文件 >>> re.findall(r'^(?!\d+).*','1txt.txt') [] #提取不以数字开头不以py结尾的文件 >>> re.findall(r'^(?!\d+).+?\..*$(?<!py$)','test.py') [] >>> re.findall(r'^(?!\d+).+?\..*$(?<!py$)','test.txt') ['test.txt']
本文主要讲解了Python正则表达式分组,命名分组,后向引用,前向否定断言、后向否定断言等Python正则表达式知识,更多关于Python正则表达式的文章请查看下面的相关链接