python的正则(一):简单够用的basic版
专栏:ExASIC Oct. 27, 2024, 10:08 a.m. 10 阅读
python的正则:简单够用的basic版

不管是哪种编程语言,学习正则是一节必修课,python也是如此。正则通常被用来做什么?处理复杂的字符串及文本。比如,提取RTL的begin end之间的内容,提取verilog的模块端口完成自动例化,处理APR的io file等。用好正则,常常可以事半功倍。

为了更轻松愉快地学习正则,我们分成三次讲解:

  1. 特殊字符和基本用法

  2. 复杂规则

  3. 一些实例

本文是第一次讲解,介绍正则的特殊字符和基本用法。

温故而知新

回顾一:

《python的数据类型(三):字符串》中已经介绍过一些字符串的处理函数,先来一起回顾一下,见下图,不记得的同学可以点击链接看看。

功能函数
查找子字符串index, find
替换replace
拆分split
转大小写upper, lower
截头尾strip, lstrip, rtrip
开始结束startswith, endswith
格式化format

回顾二:

与Perl语言的正则对比着学习,可以加深理解和记忆。下面是两篇Perl正则的介绍:
Perl在ASIC中的应用——高级篇(1):Perl的正则表达式
Perl在ASIC中的应用——实战篇(3):网表处理

基本语法介绍

在正则的概念里,有一个术语叫“匹配”,匹配就是利用一些特殊字符如 . * + 等来描述一个字符串。比如有字符串'abbbc',我们可以用'ab+c'来描述。又如verilog的begin end块可以用'begin.*end'来描述。我们可以看到,匹配不仅仅描述某一个字符串,而是描述某一类字符串。

与Perl不同,Perl的正则是语言结构的一部分,而Python的正则是定义在模块包re里,使用时需要先import re

下面,我们先来看看python正则的基本用法,为了简单、容易入门,这次主要介绍与Perl正则语法类似的部分。

特殊字符

. 除\n外的任意字符
^ 字符串的开头
$ 字符串的结尾
\b 字符串边界
\B 非边界
\d 数字0到9
\D 非数字
\s 空白字符
\S 非空白字符
\w 字母a-z,A-Z,数字0-9,和下划线_
\W 大小写字母和下划线 以外的其它字符
\A 字符串开头
\Z 字符串结尾
`` 特殊字符前加转义表示字符本身

空白字符

\n 换行符newline 0x0a
\t 制表符tab
\r 回车符0x13
\f 换页符
\v 垂直制表符

字符集合

[...] 字符集合,[]中的特殊字符表示字符本身
[^...] 字符集合以外的字符

分组匹配

| 或,比如A|B,如果A没匹配到,就匹配B

匹配次数(重复次数)

* 重复大于等于0次
+ 重复大于等于1次
? 重复0次或1次

非贪婪模式

*?
+?
??

默认是贪婪模式,尽可能多的匹配。比如verilog里有很多个begin end块。'begin.*end'是从第一个begin匹配到最后一个end,这往往不是我们想要的。如果我只需要匹配到第一个end,用非贪婪模式'begin.*?end'即可。

begin
...
end
begin
...
end
begin
...
end

引用

(...) 括号中内容可以再后续引用

基本规则介绍完毕。下面介绍几个re模块的函数。

re模块的函数

在Perl中,匹配和替换用下面的语法:

$str =~ m/.../;
$str =~ s/.../.../;

re.search

而Python中,由于一切都是对象,我们需要使用re模块中的方法(函数)来实现。在re中有一个search函数,第一个参数是pattern,就是正则,第二个参数是被匹配的字符串。需要注意的是:正则本身也是一个字符串,常使用raw字符串,即r'...',可以避免一些不必要的转义

import re
result = re.search(r'pattern', 'string', option)

如果匹配到了,result.group(0)则是匹配到的字符串;如果没有匹配到,result则为None。所以,可以根据result是不是None来判断是否查找到指定的字符串。例如:

import re
s = 'input wire a;\ninput wire b;'
result = re.search(r'wire\s+\w+;', s)
print(result.group(0))  # wire a
if result: # if not result:
    ...

在正则中加括号()来引用匹配的子字符串,例如下面的一段代码,对verilog信号名a和b加括号,则result.group(1)表示第一个括号匹配的子字符串a,result.group(2)表示第二个括号匹配的子字符串b。而result.group(0)表示匹配的全部字符串。

import re
s = 'input wire a;\ninput wire b;'
result = re.search(r'wire\s+(\w+).*wire\s(\w+)', s, re.S)
print(result.group(0))  # wire a;\ninput wire b
print(result.group(1))  # a
print(result.group(2))  # b

由于原字符串带有\n换行符,默认.*不能跨越换行符匹配,需要加上re.S的选项才可以。除了re.S还有其它一些常见选项:

re.S 当作单行(Singal line)来匹配
re.M 当作多行(Multi line)来匹配
re.I 忽略(Ignore)大小写

re.sub

正则的主要作用,是进行高级查找和替换,查找是search(),替换就是sub(),如下所示:

import re
result = re.sub(r'pattern', r'replace', 'string', count=0, option)
  1. 在'string'中查找'pattern',并替换成'replace';

  2. replace为空字符串''时,等同于删除;

  3. count指定替换的次数,默认0是全部替换;

  4. option与search中的相同,可以指定单行、多行、大小写等;

  5. 返回值是替换后的新字符串,如果没有匹配到,返回老字符串

例如,下面的代码,把所有的input替换成output:

import re
s = 'input wire a;\ninput wire b;'
result = re.sub(r'input', r'output', s, 0, re.S)
print(result) # 'output wire a;\noutput wire b;'

re.findall

因为python中的search()函数不如perl的=~ m/.../灵活,所以re中还提供了其它函数来增强功能,findall()便是其中一个。

顾名思义,findall就是查找所有的匹配,函数返回一个list。语法如下:

import re
result = re.findall(r'pattern', 'string', option)

例如,查找所有的输入端口:

import re
s = 'input wire a;\ninput wire b;'
result = re.findall(r'input.*?;', s, re.S)
print(result) #['input wire a;', 'input wire b;']

我们可以看到,findall()返回了所有输入端口的列表。而search()呢?只返回第一个匹配结果

re.其它函数

dir(re)看看re模块包定义了哪些函数,如下:

import re
dir(re)
# [..., 'compile', 'copyreg', 'enum', 'error', 'escape', 
  'findall', 'finditer', 'fullmatch', 'functools', 'match', 
  'purge', 'search', 'split', 'sre_compile', 'sre_parse', 
  'sub', 'subn', 'template']

大家可以用help(re.xxx)来查看帮助。

总结

到此,python正则的基本用法就介绍完毕了。只要我们在实际项目中灵活运用这些基本规则就可以了。

习题

1. 利用上面介绍的正则基本规则,提取verilog module的端口。

要求:考虑verilog 2001 C风格和和verilog95的传统风格。

2. 把verilog代码中的高电平复位信号rst替换成低电平复位信号rst_n。

提示:除了复位名称需要替换外,always中的复位posedge也需要同时替换成negedge;if(rst)需要替换成 if(!rst_n)。

3. 在第一题的基础上,实现模块实例化。

简化一点,外部连线的名字和端口名相同。

感谢阅读,更多文章点击这里:【专栏:ExASIC】
最新20篇 开设专栏