Python语言基础之数据类型-正则表达式(3-2)

1、正则表达式
正则表达式又称规则表达式（Regular Expression）,是使用单个字符串来描述、匹配某个句法规则的字符串，常被用来检索、替换那些符合某个规则的文本。一个正则表达式通常称为一个模式（Pattern）。例如，Polish/Spanish/Swedish这三个字符串，都可以由（Pol/Span/Swed)ish这个模式来描述。大部分的正则表达式的形式都有以下结构：

1）、选择
竖线 “|” 表示选择，具有最低优先级，例如：center|centre 可以匹配 center 或 centre。

2）、数量限定
字符后的数量限定符用来限定前面这个字符允许出现的个数。最常见的数量限定符包括 “ + ” 、“ * ” 、和 “ ? ”。

3）、匹配
成对的圆括号 “()” 用来定义操作符的范围和优先级，例如：gr(a|e)y等价于 gray|grey , (grand)?father 匹配 father 和 grandfather 。
正则表达式中除上述几个字符外，还使用了一些特殊的方式表示匹配的模式，常用的特殊字符及含义如下所示：

注：上表中 \w 中描述部分有误，正确描述如下所示：

常用特殊字符的优先级，如下所示:

**python中可以通过 re 模块使用正则表达式。**常用的方法如下表所示：

2、re.match函数

re.match(pattern, string, flags=0)
pattern：正则表达式
string：要匹配的字符串
flags：标志位，用来控制正则表达式的匹配方式，如是否区分大小写、多行匹配等。

正则表达式可包含一些可选标志修饰符来控制匹配的pattern 。修饰符被指定为一个可选的标志，多个标志符可以通过按位 OR(|) 来指定。例如：re.M|re.I 被设置成 M 和 I 标志。修饰符说明如下：

re.match 尝试从字符串的起始位置匹配一个pattern ,如果不是起始位置匹配成功的话，match() 就返回一个none.
如果匹配成功，re.match方法返回一个匹配的对象，否则返回none，如下：

  # 通过span()可以获取匹配的位置。
    lin = 'This is a very cute kitten'
    print(re.match('This', lin))    # <re.Match object; span=(0, 4), match='This'>
    print(re.match('This', lin).span())     # (0, 4)
    print(re.match('cute',lin))      # None , match是从起始位置开始匹配的，匹配不上就返回None

    stt = 'kitten is a cute girl'
    print(re.match('kitten', stt).span())   # (0, 6)
    print(re.match('Kitten', stt, re.I).span())    # (0, 6)    re.I 修饰符使得匹配对大小写不敏感

可以 使用group(num) 或 group() 匹配对象函数来获取匹配表达式。
正则表达式中捕获分组的序号（一对括号为一个组），取值范围是1~n(n为捕获分组个数，空表示捕获整个匹配上的字符串)。

示例一：

    stt1 = 'kiter is a cute kiter'
  # matObj = re.search(r'(.+) is (.*) (.*) .+', stt1, re.M|re.I)
    matObj = re.search(r'(.+) is (.*) (.*?) .+', stt1, re.M|re.I)
    if matObj:
        print("matObj.group() : "+matObj.group())
        print("matObj.group(1) : "+matObj.group(1))
        print("matObj.group(2) : "+matObj.group(2))
        print("matObj.group(3) : "+matObj.group(3))
    else:
        print("No match!!")
   
   结果：
   matObj.group() : kiter is a cute kiter
   matObj.group(1) : kiter
   matObj.group(2) : a
   matObj.group(3) : cute

示例二：
在正则表达式中使用 “ * ” 匹配字符串默认是匹配到字符串的结尾，即“贪婪模式”。如果只想匹配到第一个符合条件的子字符串就停止，则需要切换为 “非贪婪模式” ，方法是在 “ * ” 后面加上 “ ? ” ，如下所示：

    stt1 = 'kiter is a cute kiter'
    matObj = re.search(r'(.+) is (.*) .+', stt1, re.M|re.I)       # 贪婪模式
    matObj = re.search(r'(.+) is (.*?) .+', stt1, re.M|re.I)       # 非贪婪模式
    if matObj:
        print("matObj.group() : "+matObj.group())
        print("matObj.group(1) : "+matObj.group(1))
        print("matObj.group(2) : "+matObj.group(2))
    else:
        print("No match!!")
    结果如下：
   matObj.group() : kiter is a cute kiter
   matObj.group(1) : kiter
   matObj.group(2) : a cute        # 贪婪模式结果
   matObj.group(2) : a               # 非贪婪模式结果

    stt2 = '<span>abd</span><span>abb</span>'
#   mch = re.match(r'<span>.*</span>', stt2, re.I|re.M)     # 贪婪模式
    mch = re.match(r'<span>.*?</span>', stt2, re.I|re.M)     # 非贪婪模式
    if mch:
        print('mch.group():' + mch.group())
    else:
        print('not match!')
    结果：
    mch.group():<span>abd</span><span>abb</span>    # 贪婪模式结果
    mch.group():<span>abd</span>      # 非贪婪模式结果

以上可见，“贪婪模式” 在正则表达式匹配成功的前提下，尽可能多地匹配；而 “非贪婪模式” 在正则表达式匹配成功的前提下，尽可能的少匹配。两种模式影响的是被量词修饰的子表达式的匹配行为。

3、re.search方法
扫描整个字符串，并返回第一个成功的匹配

    stTes = 'industre and industy'
    pattern = 'industr{1,}'
    p = re.compile(pattern)
    match = re.search(p,stTes)
    print(match.group(0))   # industr