Python正则表达式入门

正则表达式

文本查找实例

正则表达式主要是让使用者指定要查找的“模式”，而不是死板地查找固定的内容。

不用正则表达式查找内容

例如我们要查找长沙区号的电话号码，那么我们就需要知道特征，比如0731-84802110，0731是长沙的区号，紧接着就是-短横，然后是8位数字，那么我们就必须要符合这样的格式，否则我们将找到错误内容。
比如我们不能找到的是0732-84802110,也不能是073184802110,更不能是0731-长沙号码，这样就会查找错误。
这样我们就必须要一步一步来。

	def isPhoneNumber(text):
	if len(text) != 13:
	return False
	if text[4] != '-':
	return False
	if text[0] != '0':
	return False
	if text[1] != '7':
	return False
	if text[2] != '3':
	return False
	if text[3] != '1':
	return False
	for i in range(5, 13):
	if not text[i].isdecimal():
	return False
	return True
	print(isPhoneNumber('text'))
	print(isPhoneNumber('0731-84802110'))
	print(isPhoneNumber('0731-8480211'))
	print(isPhoneNumber('0732-84802110'))

以上只是一个粗糙的代码，输出结果为：

	False
	True
	False
	False

但是这是一种非常粗糙的查找方式，而且只能查找一种模式的电话号码，那么我们看看正则表达式。

正则表达式查找文本

基本方法流程

正则表达式，简称为regex，是文本模式的一种描述方法。
例如\d是一个正则表达式，表示一位数字字符，即任何一位0到9的数字，我们之前查找时可将文本视为0731-\d\d\d\d\d\d\d\d,这样其他字符串就不能匹配这样的内容了。
当然我们还可以用{}来表示匹配次数，如我们可将文本写为0731-\d{8}这样就不用打很多次\d了。
在使用正则表达式的之前，我们需要将python中的模块re导入：

import re

在查找时，我们需要创建一个Regex对象来匹配电话号码：

	import re
	phoneNumRegex = re.compile('0731-\d{8}')
	mo = phoneNumRegex.search('我的电话号码是0731-84802110')
	print(mo.group())

注意我们始终操作的是字符串，所以不要漏引号。
以上代码非常简洁，它以这样的步骤运行：

利用正则表达式匹配更多模式

括号分组

我们可以用括号对查找文本进行分组，例如(\d\d\d\d)-(\d\d\d\d\d)前一组为1组，后一组为2组，当我们找到一个匹配的文本时，我们向group()方法中传递参数1，2，0或不传入时，我们依次会得到1组，2组与所有分组。
如果我们用groups()方法,我们将得到一个包含所有组的元组，就本例而言将得到(\d\d\d\d,\d\d\d\d\d).
如果我们需要对括号进行查询，我们就需要用转义字符\。

管道匹配

字符 | 被称为“管道”，它表示一种或的关系，我们如果利用这个字符查找，我们将有多种匹配，例如’batman | superman’我们将匹配batman或superman。
如果一句话中同时出现了两个内容，那么我们匹配到第一个出现的内容。

	import re
	phoneNumRegex = re.compile(r'0731 | 84802110')
	mo1 = phoneNumRegex.search('我的电话号码是0731-84802110')
	mo2 = phoneNumRegex.search('我的电话号码是84802110-0731')
	mo1.group()
	mo2.group()

我们将输出一下内容：

	0731
	84802110

我们可以复合使用，如(bat | super)man，这样我们也能同时匹配。

问号可选匹配

我们可以在字符串中使用？来匹配可选的内容，例如：如果我们想匹配man或者woman，那么我们可以写出(wo)?man，那么我们将能抓取到man与woman。
需要注意的是，两者同时出现的话，将优先按照文本顺序只挑出一个来。而且如果我们只查询woman的话，它也只会返回woman而不是man。

	import re
	phoneNumRegex = re.compile(r'(wo)?man')
	mo = phoneNumRegex.search('woman and man')
	print(mo.group(0))
	mo = phoneNumRegex.search('man and woman')
	print(mo.group(0))

这样我们就实现的可选匹配。

*星号多次匹配

星号相较问号相比，相应内容可以多次出现，例如：(wo)*man，如果我们输入wowowowoman，我们也能匹配得到，当然如果没有wo，它照样能匹配。

+加号多次匹配

+与*相比，前面的分组必须出现至少一次，除此之外，它与*几乎没有区别。

{}花括号匹配特定次数

{min,max}可以指定特定匹配次数范围，这是一个闭区间，如果只输入一个数字且没有逗号，那么将会只匹配该次数。这个时候我们将会引出一个问题，如果我们匹配’哈哈哈’而正则表达式写为‘哈{1,3}’，那么它返回的是哈还是哈哈还是哈哈哈呢？
解决这个问题我们要知道贪心与非贪心匹配

贪心指的是python默认条件下将匹配尽可能长的字符串，此时上例我们将匹配到哈哈哈。
非贪心指的是匹配尽可能短的字符串。那么上例将匹配到哈。

由于python默认为贪心匹配，我们如果想使用非贪心匹配，需要在正则中 } 的末尾加上一个？以实现非贪心匹配。

findall()方法

findall()方法将返回一个包含所有匹配内容的列表。请注意，如果正则表达式里有分组，那么我们将会得到对应元组的列表。

字符分类

缩写字符分类	表示
\d	0到9的任何数字
\D	除去0到9的数字以外的任何字符
\w	任何字母、数字以及下划线的字符
\W	除去\w匹配字符的任何字符
\s	空格、制表符或换行符
\S	除去\s匹配字符的任何字符

建立自己的字符分类

我们可以利用方括号来建立自己的字符分类，比如全部的元音字母[aeiouAEIOU]，当我们用此建立一个Regex对象去查找文本的时候，我们将得到所有在文本中出现过的元音字母的列表。
方括号内不需要用转义字符转义来匹配特殊符号。
我们在字符分类的左方括号的后面加上 ^ 的时候，我们将匹配到除方括号内以外的所有字符，例如：[^aeiouAEIOU]

利用^和$来实现精准匹配

^ 字符和 $ 字符插入字符表示“必须以此开头”和“必须以此结尾”，例如’^hello’则表示文本必须以hello开头，如果两个符号合用，将实现完全精准匹配。
'^\d+$'这个正则表示从头至尾都是数字的字符串。

通配符

. 字符（英文句号）在正则中表示通配符，它匹配除了换行以外的所有字符。所以.at可以匹配mat,rat,cat等等。
如果用好搭配，就可以匹配任意字符，比如(.*)这个搭配可以匹配任意字符。

不区分大小写的匹配

我们在re.compile()方法中传入第二个参数即可实现大小写不区分的匹配。

robocop = re.compile(r'robocop',re.I)

传入这个re.I之后我们就能实现该效果。

用sub()方法实现文本替换

	namesRegex = re.compile('Agent \w+')
	namesRegex.sub('Sucker','Agent Alice find the Agent Bob')

我们将会得到以下输出：

Sucker find the Sucker

由此我们得到文本替换的方法。

多行正则

如果正则表达式过长，它的可读性就将降低，此时我们需要依赖注释对其进行解释，从而提高可读性。
比如：

	phoneRegex = re.compile(r'''(
	(\d{3}| \(\d{3}\))? #地区号码
	(\s | - | \.)? #分隔符
	\d{3} #前三个号码
	(\s | - | \.)? #分隔符
	\d{4} #最后四个数字
	)''',re.VERBOSE)

re.VERBOSE作为参数传入可以实现对空格和换行的忽略，这样我们就能实现多行正则表达式。
如果你还想忽略大小写，注意不能传入多个参数，我们需要在第二个参数后使用 | 的操作符来实现多功能复合。