Python中對字符串進(jìn)行搜索和查找詳細(xì)介紹

作為一個概念而言，正則表達(dá)式對于Python來說并不是獨(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處理我們查找到的匹配對象的子項(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別的特殊字符，那么整個轉(zhuǎn)義序列將被替換成對應(yīng)的特殊字符（例如，‘ ’將被編譯器替換成換行符）。

但這給在Python中使用正則表達(dá)式帶來了一個問題，因?yàn)樵凇畆e’模塊中也使用反斜杠來轉(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候你不得不轉(zhuǎn)義轉(zhuǎn)義字符本身（當(dāng)特殊字符能同時被Python和正則表達(dá)式的編譯器識別的時候），但在其他時候你不必這么做（如果特殊字符只能被Python編譯器識別）。

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

原始類型字符串可以簡單的通過在普通字符串的雙引號前面加一個字符‘r’來創(chuàng)建。當(dāng)一個字符串是原始類型時，Python編譯器不會對其嘗試做任何的替換。本質(zhì)上來講，你在告訴編譯器完全不要去干涉你的字符串。
>>> string = 'This is a normal string'

>>> rawString = r'and this is a raw string'

>>> print string

這是一個普通字符串

>>> print rawString

and this
is a raw string

這是一個原始類型字符串。

在Python中使用正則表達(dá)式進(jìn)行查找

‘re’模塊提供了幾個方法對輸入的字符串進(jìn)行確切的查詢。我們將會要討論的方法有：
re.match()
re.search()
re.findall()

每一個方法都接收一個正則表達(dá)式和一個待查找匹配的字符串。讓我們更詳細(xì)的查看這每一個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候它才能查找到匹配對象。

舉個例子，對字符串‘dog cat dog’調(diào)用mathch()方法，查找模式‘dog’將會匹配：
>>> 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。現(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。

我還暫且略過了返回的SRE_Match對象，我們很快也將會討論到它。

但是，如果我們對同一個字符串調(diào)用math()方法，查找模式‘cat’，則不會找到匹配。
>>> 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search()方法不會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’會查找到一個匹配：
search(r'cat', 'dog cat dog')

>>> match.group(0)

'cat'

然而search()方法會在它查找到一個匹配項(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，我們可以非常簡單的得到一個所有匹配模式的列表，而不是得到match的對象（我們會在接下來更多的討論match對象）。對我而言這更加簡單。對示例字符串調(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’對象”到底是什么呢？

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

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

例如，match對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

知道這些信息有時候非常有用。

6. 使用 mathch.group 通過數(shù)字分組

就像我之前提到的，匹配對象在處理分組時非常得心應(yīng)手。

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

讓我們來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從某人的地址本里取出來的一個片段。我們可以通過這樣一個正則表達(dá)式來匹配這一行：
>>> re.search(r'w+, w+: S+', contactInfo)

<_sre.SRE_Match object
at 0xb74e1ad8<

通過用圓括號來（字符‘(’和‘)’）包圍正則表達(dá)式的特定部分，我們可以對內(nèi)容進(jìn)行分組然后對這些子組做單獨(dú)處理。
>>> match =
re.search(r'(w+), (w+): (S+)', contactInfo)

這些分組可以通過用分組對象的group()方法得到。它們可以通過其在正則表達(dá)式中從左到右出現(xiàn)的數(shù)字順序來定位（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?個組被預(yù)留來存放所有匹配對象（我們在之前學(xué)習(xí)match()方法和search()方法到時候看到過）。
>>> match.group(0)

'Doe, John: 555-1212'

7. 使用 match.group 通過別名來分組

有時候，特別是當(dāng)一個正則表達(dá)式有很多分組的時候，通過組的出現(xiàn)次序來定位就會變的不現(xiàn)實(shí)。Python還允許你通過下面的語句來指定一個組名：
>>> match =
re.search(r'(?Pw+), (?Pw+): (?P
S+)', contactInfo)

我們還是可以用group()方法獲取分組的內(nèi)容，但這時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)式變得越來越復(fù)雜，去弄懂一個分組到捕獲了什么內(nèi)容將會變得越來越困難。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()方法不返回分組對象，它也可以使用分組。類似的，findall()方法將返回一個元組的集合，其中每個元組中的第N個元素對應(yīng)了正則表達(dá)式中的第N個分組。
>>> 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處理匹配對象的子組件。

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

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)匹配對象，學(xué)習(xí)如何使用它們在字符串中做替換，甚至使用它們從文本文件中去解析Python數(shù)據(jù)結(jié)構(gòu)。