python对正则表达式的支持

之前，我们曾经介绍过正则表达式如何在介绍linux中grep命令的时候，顺带说明了正则表达式相关语法。

本文，我们来看下如何在python中实现对正则化的处理。

1. python中re模块的用法

python通过re模块实现对正则化的解析。具体常用函数，如下表所示。之外，如果函数范围的是正则表达式对象，对象同样调用这些自己的函数。

如果一个pattern需要重复使用，我们应该调用compile生成对应re对象。

其中前几个函数很常用。

2. 补充re的语法

除了在grep中提到的一些常用的字符含义之外，还有一些转义字符能够更加快速准确表达字符串的pattern

符号	解释
\d	直接匹配数字，与[0-9]同等效果，速记digiti
\w	匹配所有的字母数字和下划线，速记word
\s	匹配所有的空白，包括\t\n\r等等，速记space

同样的，如果上述符号字母为大写的话，含义就是取反的意思。
比如：
使用\D就可以匹配所有的不包含digital的字符串

符号	解释
?:exp	匹配exp但不捕获匹配的文本
?=exp	匹配exp前面的位置
?<=exp	匹配exp后面的位置
?!exp	匹配后面不是exp的位置
?<!exp	匹配前面不是exp的位置

应用实例

光说不练，等于白学。我们来练习下上述提及到的相关函数操作。

1. 用户名必须由字母、数字或下划线构成且长度在6-20个字符之间，QQ号是5~12的数字且首位不能为0

   m1 = re.match(r'^\w{6,20}$', username)
   m2 = re.match('^[1-9]\d{4,11}$', qq)
   

   根据返回结果是否为none，可以判断匹配是否成功。

2. 在一段文字中提取国内手机号码

   sentence = '''
   重要的事情说8130123456789遍，我的手机号是13512346789这个靓号，
   不是15600998765，也是110或119，王大锤的手机号才是15600998765。
   '''
   pattern = re.compile(r'(?<=\D)1[34578]\d{9}(?=\D)')
       # 查找所有匹配并保存到一个列表中
   mylist = re.findall(pattern, sentence)
   
   # 通过迭代器取出匹配对象并获得匹配的内容
   for temp in pattern.finditer(sentence):
       print(temp.group())
   
   # 通过search函数指定搜索位置找出所有匹配
   m = pattern.search(sentence)
   while m:
       print(m.group())
       m = pattern.search(sentence, m.end())
   

   分析：
   其中函数re.compile()编译()中的正则表达式并返回正则表达式对象。
   返回搜索结果对象的时候，有如下几种方式：

   • 使用re.findall()
   • 正则表达式对象调用finditer()函数，通过迭代器取出来
   • 正则表达式对象调用search()函数，通过指定位置找出匹配

   至于正则表达式中的撰写，我们需要注意其中(?<=\D)的应用，这表明我们是在非数字的字符串之后进行匹配工作。同样(?=\D)表明，我们是在非数字字符串之前进行匹配。通过这两项的控制，可以使得整个匹配工作限制在数字范围内。

3. 替换字符串中的不良内容

   re.sub(r'cao|[草艹]|fuck|shit|傻[b比笔]','*',sentence,flag=re.IGNORECASE)
   

   re模块的正则表达式相关函数中都有一个flags参数，它代表了正则表达式的匹配标记，可以通过该标记来指定匹配时是否忽略大小写、是否进行多行匹配、是否显示调试信息等。如果需要为flags参数指定多个值，可以使用按位或运算符进行叠加，如flags=re.I | re.M

4. 拆分字符串

   sentence_list = re.split(r'[，。, .]', poem)
   

   拆分之后，返回一个list