python re.search 和 re.match 正则表达式 (1/2)

python re.search 和 re.match 正则表达式
一 re.search 和 re.match

python提供了2中主要的正则表达式操作：re.match 和 re.search。

match ：只从字符串的开始与正则表达式匹配，匹配成功返回matchobject，否则返回none；
search ：将字符串的所有字串尝试与正则表达式匹配，如果所有的字串都没有匹配成功，返回none，否则返回matchobject；（re.search相当于perl中的默认行为）

 

实例代码：

import re

def testsearchandmatch():
  s1="helloworld, i am 30 !"
 
  w1 = "world"
  m1 =  re.search(w1, s1)
  if m1:
    print("find : %s" % m1.group())
   
  if re.match(w1, s1) == none:
    print("cannot match")
   
  w2 = "helloworld"
  m2 = re.match(w2, s1)
  if m2:
    print("match : %s" % m2.group())

testsearchandmatch()
#find : world
#cannot match
#match : helloworld
 

二 re.compile 和 re.ignorecase

re.compile返回regrexobject对象， 用来重复使用regrexobject；

re.ignorecase用来在匹配时忽略大小写；

 

实例代码：

def testcompile():
  regex = "d{3}-d{7}"
 
  regexobject = re.compile(regex)
  print(regexobject.search("aaa 027-4567892").group())
  print(regexobject.search("bbb 021-1234567").group())
  print(regexobject.search("ccc 010-123456"))

testcompile()
#027-4567892
#021-1234567
#none

def testignorecase():
  print(re.search('world', "hello world !").group())
  print(re.search('world', "hello world !", re.ignorecase).group())
  print(re.search('world', "hello world !"))
 
testignorecase()
#world
#world
#none

三 matchobject

matchobject为re.search,re.match等匹配成功后返回的对象，包含了匹配的结果。

在正则表达式中，可以使用()来将部分正则表达式分组且编号，编号从1开始，使用数字来使用，例如1 2 3，(?p<name>)还可以给分组命名, 使用（？p=name）来使用命名的组。

matchobject.group()包含了所有匹配的内容，等价于matchobject.group(0)，此时的0表示所有的匹配；

matchobject.groups教程()包含了正则表达式中所有使用()定义的组对应的匹配内容；

matchobject.group(n)，表示返回正则表达式中的第n个组()匹配的内容，此时n不为0， 等价于matchobject.groups()[n-1];

matchobject.lastindex, 表示正则表达式中分组()的个数；

 实例代码：

def testmatchobject():
  m = re.match(r"(?p<year>d{4})-(?p<month>d{2})-(?p<date>d{2})", "2010-10-01, i am very happy")
  print(m.group())
  print(m.group(0))
 
  print(m.groups())
 
  print(m.group(1)) 
  print(m.groups()[0])
 
  print(m.group(2)) 
  print(m.groups()[1])
 
  print(m.group(3)) 
  print(m.groups()[2])
 
  print(m.groupdict())
 
  print(m.lastindex)

testmatchobject()
#2010-10-01
#2010-10-01
#('2010', '10', '01')
#2010
#2010
#10
#10
#01
#01
#{'date': '01', 'year': '2010', 'month': '10'}
#3
 

 

四 re和matchobject的方法split+findall+finditer+sub

split方法，使用给定的表达式来分割字符串；

findall方法，返回所有的与给定的表达式匹配的一个list；

finditer方法，返回所有与给定的表达式匹配的matchobject的iterator；

sub方法，使用新的字符串替换表达式匹配的字符串；

使用python对txt格式的小说进行处理
vim的确是神器，可惜sed与vim不完全通用。这篇文章受《 用vim对txt格式的小说重新排版》的启发，在此致谢！

 

经常下载txt的电子书，格式却不合心意，只好自己再处理。首要的就是处理段内换行。

 

原来的打算是定制一个vim模式，到时候处理小说时进入该模式，再使用各种快捷键。以此避免txt快捷键对日常编程的干扰。后来发现，vim不像emacs，可以定制自己的模式。（可能可以定制专用的vimrc解决，未经尝试）

 

于是转向脚本寻求解决办法。sed与awk是此中翘楚，首先试试。可惜早些日子学的sed已经忘的差不多了，找不到比较简洁清晰的解决办法。sed与grep类似，先读入一行，删除n，进行各种处理，最后写入文件，再添上n。 n可以读入下一行到当前模式匹配空间再行处理。但是我需要对整个文件进行匹配，暂时未找到解决办法。

 

只好再次转投python。python有自己的re模块，应该没问题。re.sub可以进行替换。费了些时间的，是对中文的匹配。在vim中，可以用[^x00-xff]匹配双字节字符，然而python中却行不通。经过一番google，发现可以用[x80-xff]匹配汉字（perl同此，似乎两者对中文的正则支持还是有待改进）。

 

至此，问题初步解决：

view sourceprint?01 #!/usr/bin/env python 

02 #encoding=utf-8 

03 import re 

04 from sys import argv 

05   

06   

07 if __name__ == '__main__': 

08     if len(argv) != 2: 

09         print 'usage: filename'

10     else: 

11         fh = open(argv[1], 'r') 

12         content = fh.read() 

13         out = re.sub('n([x80-xff])', r'1', content) 

14         print out

规范行首：

view sourceprint?01 #!/usr/bin/env python 

02 #encoding=utf-8 

03 import re 

04 from sys import argv 

05   

06   

07 if __name__ == '__main__': 

08     if len(argv) != 2: 

09         print 'usage: filename'

10     else: 

11         fh = open(argv[1], 'r') 

12         content = fh.read() 

13         out = re.sub(' +([x80-xff])', r'     1', content) 

14         print out

当然，下载来的文档通常是gb2312，需要自己转换为utf8再行处理，可以参考我的《python 中文编码笔记》

 

import re

warninglist = []
warninglist.append("warning cd{4}")

errorlist = []
errorlist.append("error lnkd{4}")
errorlist.append("error cd{4}")

def parse(logfile, regexlist):
  resultlines = []
  with open(logfile, "r") as log:
    for line in log:
      for regex in regexlist:
        m = re.search(regex, line)
        if m:
          resultlines.append(line)
  return resultlines

def parsewarning(logfile):
  warnings = []
  warnings = parse(logfile, warninglist)
  return warnings
 
def parseerror(logfile):
  errors = []
  errors = parse(logfile, errorlist)
  return errors

ws = parsewarning("buildlog.txt")
print( "warnings:" + str(len(ws)))
for w in ws:
  print (w)
es = parseerror("buildlog.txt")
print( "errors:" + str(len(es)))
for e in es:
  print(e)

简单地解析visualstudio的buildlog：（有的时候log文件太长，但是我们只是关心warning和error， 通过该程序可以直接得到所有的warning和error的行

我还是个新手，刚开始学python对它感兴趣是因为之前有看过一点。eric说这是一门非常好的人。

python是优雅而健壮，有传统语言的强大性和通用性，而且易用。只有想不到没有python做不到的。

起源:van rossum 1989年创始python，voor是cwi工程师，91年初发行第一个版本，原因是有个项目需要。

可升级：可扩展。易学，

python主要是两种方式完成工作：语句和表达式,语句使用关键字来组成命令，告诉多功能解释器一个命令，你告诉

python做什么，它就为你做什么，语句可以有输出也可以没有输出，

如,print 'hello world!'

表达式没有关键字，可以用数学操作符构成算术表达式，也可以用括号调用函数，可以接受用户输入。可以不接受用户输入

程序输出：print语句

>>> mystring = 'hello,world!'
>>> print mystring
hello,world!
把一个字符串给mystring 用pring 来显示变量内容

print 与%的使用实现字符串替换功能，

>>> print "%s is number %d!" % ("python",1)
python is number 1!

%表示由一个字符串来替换，%d由一个整型来替换，%f是浮点来替换，pring也可以将输出重定向到文件。从python2.0后新增

这一点很重要.

程序输入命令:

>>> user = raw_input('qin ni shu ru')
qin ni shu ruroot
>>> print 'ni shu ru de shi',user
ni shu ru de shi root

用raw_input内建函数,输入的是文本

now enter anumber: 1024
>>> print 'doubling your number: %d' % (int(num) * 2)
doubling your number: 2048

也可以输入字符串值 int(是将数值)

#是python的注shi