13 - 字符串与正则表达式

1.正则表达式简介

正则表达式用于搜索、替换和解析字符串。Python提供了re模块进行正则表达式的验证。

正则表达式由字母、数字和特殊字符（括号、星号、问好等）组成

特殊字符含义：

• ^ 开始字符
• $ 结束字符
• . 匹配任意字符（包括汉字）
• [m] 匹配单个字符串
• [m1m2 ... n] 匹配多个字符串
• [m-n] 匹配m到n之间的数字、字母
• [^m] 匹配除m以外的字符串
• ( ) 对表达式进行分组
• \w 匹配字母、数字、下划线
• \W 匹配非字母、数字、下划线
• \s 匹配空白字符
• \S 匹配非空白字符
• \d 匹配数字
• \D 匹配非数字
• \b 匹配单子的开始和结束
• \B 匹配非单词开始和结束

常用限定符：

• * 匹配0次或更多次
• + 匹配1次或更多次
• ? 匹配0或1次
• {m} 重复m次
• {m, n} 重复m到n次。n可省略，表示m到任意次。

匹配电话号码：

\d{3} - \d{8} | \d{4} - \d{7}   #如：010 - 12345678

考虑更多情况：

[\(-]? \d{3} [\)-]? \d{8}  |  [\(-]? \d{4} [\)-]? \d{7}   #如：01012345678、(010)12345678等

注意，(和)是特殊字符，需要转义才能输出；-不是特殊字符，无需转义

2.使用 sys.re 模块处理正则表达式

常用函数：
- findall(pattern, string, flags) 查找全部匹配项
- sub(pattern, repl, string, count) 替换
- subn(pattern, repl, string, count) 同上
- match(pattern, string, flags) 只返回第一次匹配成功的对象。必须从第0个索引位开始匹配，否则匹配失败。
- search(pattern, string, flags) 只返回第一次匹配成功的对象
- compile(pattern, string, flags) 编译正则表达式，返回Pattern对象
- split(pattern, string, maxsplit) 分隔字符串
- escape(pattern) 匹配特殊字符，如*、+、?等

常用flags：
- I(或IGNORECASE) 忽略大小写
- L(或LOCALE) 字符集本地化
- M(或MULTILINE) 多行匹配
- S(或DOTALL) 使”.”匹配包括”\n”在内的所有字符
- X(或VERBOSE) 忽略表达式中的空白换行等等，方便添加注释
- U(或UNICODE)

实例：

import re

s = "HELLO WORLD"
print(re.findall(r"^hello", s))
print(re.findall(r"^hello", s, re.I))    #忽略大小写
print(re.findall(r" \b \w + \b", s))    #匹配单词

正则表达式解析非常费时 ，如果多次使用findall()的方式匹配 字符串，搜索效率可能很低下。可以使用compile()函数进行预编译，返回一个pattern对象。该对象拥有一系列的方法用于查找、替换、扩展字符串，从而提高匹配速度。

import re
s = "1asdf23hg45"
p = re.compile(r"\d +")    #匹配数字
print(p.findall(s))

match()和search()函数：

正则表达式从左往右计数，第一个出现的圆括号为第1组，以此类推。此外0号组用于匹配整个正则表达式的结果。match()和search()函数返回一个match对象，这个对象提供了一系列的方法和属性用来管理匹配的结果：

• group(index) 某个分组的匹配结果。如index=0, 则匹配整个字符串
• groups() 所有分组的匹配结果
• groupdict() 返回key为组名，value为每个分组匹配结果的字典
• re 正则表达式对象
• string 搜索的字符串

示例如下：

import re 
p = re.compile(r"(abc) \1")
m = p.match("abcabcabc")
print(m.group(0))
print(m.group(1))
print(m.group())

p = re.compile(r"(? P<one> abc) (? P=one)")     # ? P<one> 中的 one 表示分组名称，(? P=one) 调用分组 one ,相当于 \1
m = p.search("abcabcabc")
print(m.group("one"))
print(m.groupdict().keys())
print(m.groupdict().values())
print(m.re.pattern)