python标准库之文本系列 -- python重器：re模块上卷

  同志们，为什么我爱python爱的深沉，因为就是我被这个‘少女’迷倒。下面来看看它的‘活好’好在哪(这只是勾起大家读书的欲望而已，相信我)

  模块re:正则表达式（Regexp/Regex）

  正则表达式是一种用形式化语法描述的文本匹配模式。模式会被解释为一组指令，然后执行这些指令并提供一个字符串作为输入，将生成一个匹配子集或者生成原字符串的一个修正版本。

  1.查找文本中的模式的函数：search(pattern，text)函数（单对象匹配，匹配到就停止，即使后面还有也不进行）

  在该函数中我们会引入一个Match对象，当如果找到该模式（pattern）时，就会返回一个Match对象，如果没有找到，search（）函数将返回None。一定要注意Match对象，它有许多方法和特性，它包含着有关匹配性质的信息：

  (1)match.string:原输入字符串

  (2)match.start()/match.end():分别代表文本中指定模式的开始与结束，和切片一样，也是顾左不顾右。

  (3)match.re.pattern:表示当前我们给定的模式

  2.编译表达式（预编译）：compile()函数

  尽管re模块包含了许多模块级函数，但对程序频繁使用的表达式而言，预编译它会更加便利。compile()函数会把一个字符串转换成Regexp Object(正则表达式对象)。预编译的好处在于我们可以把编译工作转移到应用开始时，而不是当一个程序响应一个用户动作时才编译。举个例子：

import re

#编译
regexes = [re.compile(p) for p in ['this','that']]  #利用列表推导式，进行迭代

text = 'This is a sample practice.'
for match in regexes:
    print('Seeking "{}" ->'.format(match.pattern))
    if match.search(text):
        print("match!!")
    else:
        print("no match!")

    3.多重匹配：

    findall(pattern,text) 返回输入中与模式匹配而且不重叠的所有字符串

    finditer(pattern,text) 返回一个迭代器，它会生成Match实例，而不像findall()函数那样返回字符串

结合上述的模块级函数，我们就可以做一个可以简单匹配文本的程序：

#给定模式，搜索文本中的匹配情况
def test_pattern(text,patterns):
    for pattern,desc in patterns: #解包，分别把模式和说明赋值给两个变量
        print('Text -> {!r}'.format(text))
        print('Seeking -> {!r}'.format(pattern))
        pattern  = re.compile(pattern)  #预编译模式
        for match in pattern.finditer(text):
            s = match.start()  #确定每一个开始位置
            e = match.end()    #确定每一个结束位置
            sub_str = text[s:e]  #锁定匹配字符串
            prefix = '*' * s
            print("{}{!r}".format(prefix,sub_str))
        print()
    return
test_pattern('ababaaaababbb',[('ab','匹配一个ab'),])
    

模式语法:

  1.重复

(pattern)?	(pattern)+	(pattern)*	(pattern){m}	(pattern){m,n}
重复零次或一次	重复一次或多次	重复零次或多次	重复m次	重复m<=x<=n次

  在处理重复指令的时候，re在匹配模式时会尽可能多地消费输入，这种‘贪心’行为功能会导致单个匹配会减少，或者匹配结果可能包含比预期更多的输入文本。所以可以在重复指令后面添加？来关闭这种贪心行为。

   值得我们注意的是，(ab)*和ab*它们的含义分别是允许匹配重复零次或者一次ab，后者为匹配一个a和可以重复零次或者一次b  2.字符集:它是一组字符，包含可以与模式中当前位置匹配的所有字符

注意<当前位置>这几个字眼，意思就是说就算我们给定的模式为[ab]，程序也会解释为此位置可以放置a或者b

指定字符	[  ]
排除字符	[^   ]
特殊情况	.

  3.字符区间：用于定义字符集的一种简洁的语法

1. [a-z]:代表的就是小写的ASCII字母

1. [A-Z]:代表的就是大写的ASCII字母

  4.转义码：

转义码	含义
\d	数字
\D	非数字
\s	空白符（制表符，空格，换行等）
\S	非空白符
\w	字母数字
\W	非字母数字

  在字符串前加一个反斜杠(\)来指示转义，但遗憾的是。反斜杠本身在正常的python字符串中也必须转义，所以为了避免糟糕的情况，可以通过原始字符串(raw)。

在简洁程度和作用范围中：

重复<字符集<字符区间<转义码

以上的模式语法大家都可以在我们定义的test_pattern函数实验。

限制搜索 ：

  在有些情况下，我们可能不必全部搜索，或者要模式和文本完全吻合，这就需要用到限制搜索函数。

  re.match(pattern,string):要求模式匹配在输出开头，如果匹配到就返回匹配信息，如果不符合要求则返回None

  re.fullmatch(pattern,string):要求输入的整个字符串和模式匹配