Python:模式匹配与正则表达式(二)

目录

前言

1、插入字符和美元字符

2、通配字符

2.1用点-星匹配所有字符

2.2用句号字符匹配换行

3、正则表达式符号复习

4、不区分大小写的匹配

5、用sub()方法替换字符串

6、管理复杂的正则表达式

7、组合使用 re.IGNOREC ASE、re.DOTALL 和 re.VERBOSE

总结

---

---

前言
 

本文内容及代码源自《Python编程快速上手—让繁琐工作自动化》，目的在于记录学习过程及内容，方便后续查看，接着学习模式匹配与正则表达式的内容。

---

1、插入字符和美元字符

• 可以在正则表达式的开始处使用插入符号（^ ），表明匹配必须发生在被查找文 本开始处。

import re
"""正则表达式 r'^Hello'匹配以'Hello'开始的字符串"""
beginsWithHello = re.compile(r'^Hello')
mo = beginsWithHello.search('Hello world!')
mo1 = beginsWithHello.search('He said hello.')
print(mo)   #运行结果 <re.Match object; span=(0, 5), match='Hello'>
print(mo1)  #运行结果 None

• 在正则表达式的末尾加上美元符号（ $ ），表示该字符串必 须以这个正则表达式的模式结束。

import re
"""正则表达式 r'\d$'匹配以数字 0 到 9 结束的字符串"""
endsWithNumber = re.compile(r'\d$')
mo = endsWithNumber.search('Your number is 42')
mo1 = endsWithNumber.search('Your number is forty two.')
print(mo)   #运行结果 <re.Match object; span=(16, 17), match='2'>
print(mo1)  #运行结果 None

• 可以同时使用 ^ 和 $ ，表明整个字符串必须匹配该模式，也就是说，只匹配该字符串的某个子集是不够的。

import re
"""正则表达式 r'^\d+$'匹配从开始到结束都是数字的字符串"""
wholeStringIsNum = re.compile(r'^\d+$')
mo = wholeStringIsNum.search('1234567890')
mo1 = wholeStringIsNum.search('12345xyz67890')
mo2 = wholeStringIsNum.search('12 34567890')
print(mo)   #运行结果 <re.Match object; span=(0, 10), match='1234567890'>
print(mo1)   #运行结果 None
print(mo2)   #运行结果 None

2、通配字符

• 在正则表达式中，.（句点）字符称为“通配符”。它匹配除了换行之外的所有字符。

• 句点字符只匹配一个字符，如果要匹配真正的句点，就是用倒斜杠转义：\.

import re
atRegex = re.compile(r'.at')
mo = atRegex.findall('The cat in the hat sat on the flat mat.')
print(mo)
#运行结果 ['cat', 'hat', 'sat', 'lat', 'mat']

2.1用点-星匹配所有字符

• 有时候想要匹配所有字符串，可以使用点-星匹配所有字符。因为句点字符表示“除换行外所有单个字符”，星号字符表示“前面字符出现零次或多次”。

import re
"""匹配字符串'First Name:'，接下来是任意文本，
接下来是'Last Name:'，然后又是任意文本。"""
nameRegex = re.compile(r'First Name:(.*) Last Name:(.*)')
mo = nameRegex.search('First Name: Al Last Name: Sweigart')
print(mo.group(1))  #运行结果 Al
print(mo.group(2))  #运行结果 Sweigart

• 点-星使用“贪心”模式：它总是匹配尽可能多的文本。要用“非贪心”模式匹配所有文本，就使用点-星和问号。

import re
"""“匹配一个左尖括号，接下来是任意字符，接下来是一个右尖括号"""
#默认贪心模式
greedyRegex = re.compile(r'<.*>')
mo = greedyRegex.search('<To serve man> for dinner.>')
print(mo.group())   #运行结果 <To serve man> for dinner.>
#非贪心模式
nongreedyRegex = re.compile(r'<.*?>')
mo1 = nongreedyRegex.search('<To serve man> for dinner.>')
print(mo1.group())   #运行结果 <To serve man>

2.2用句号字符匹配换行

点 - 星将匹配除换行外的所有字符。通过传入 re.DOTALL 作为 re.compile() 的第二个参数，可以让句点字符匹配所有字符，包括换行字符。

import re
#将匹配所有字符，直到第一个换行字符
noNewlineRegex = re.compile('.*')
mo = noNewlineRegex.search('Save the public trust.\nProtect the innocent. \nUphold the law.')
print(mo.group())   #运行结果 Save the public trust.

#将匹配所有字符，包括换行字符
NewlineRegex = re.compile('.*',re.DOTALL)
mo1 = NewlineRegex.search('Save the public trust.\nProtect the innocent. \nUphold the law.')
print(mo1.group())
#运行结果
'''
Save the public trust.
Protect the innocent. 
Uphold the law.
'''

3、正则表达式符号复习

正则表达式符号	表示
?	匹配零次或一次前面的分组
*	匹配零次或多次前面的分组
+	匹配一次或多次前面的分组
{n}	匹配 n 次前面的分组
{n,}	匹配 n 次或更多前面的分组
{,m}	匹配零次到 m 次前面的分组
{n,m}	匹配至少 n 次、至多 m 次前面的分组
{n,m}?或*?或+?	对前面的分组进行非贪心匹配
^spam	意味着字符串必须以 spam 开始
spam$	意味着字符串必须以 spam 结束
.	匹配所有字符，换行符除外
\d、\w 和\s	分别匹配数字、单词和空格
\D、\W 和\S	分别匹配出数字、单词和空格外的所有字符
[abc]	匹配方括号内的任意字符（诸如 a、b 或 c）
[^abc]	匹配不在方括号内的任意字符

4、不区分大小写的匹配

通常，正则表达式用你指定的大小写匹配文本。 要让正则表达式 不区分大小写，可以向 re.compile() 传入 re.IGNORECASE 或 re.I ，作为第二个参数。

import re
robocop = re.compile(r'robocop',re.I)
mo = robocop.search('RoboCop is part man, part machine, all cop.')
mo1 = robocop.search('ROBOCOP protects the innocent.')
mo2 = robocop.search('Al, why does your programming book talk about robocop so much?')
print(mo.group())   #运行结果 RoboCop
print(mo1.group())   #运行结果 ROBOCOP
print(mo2.group())   #运行结果 robocop

5、用sub()方法替换字符串

• 正则表达式不仅能找到文本模式，而且能够用新的文本替换掉这些模式。
• Regex 对象的 sub() 方法需要传入两个参数。第一个参数是一个字符串，用于取代发现的匹 配。第二个参数是一个字符串，即查找替换文本。 sub() 方法返回替换完成后的字符串。

import re
namesRegex = re.compile(r'Agent \w+')
mo = namesRegex.sub('CENSORED','Agent Alice gave the secret documents to Agent Bob.')
print(mo)   #运行结果 CENSORED gave the secret documents to CENSORED.

• 有时候，可能需要使用匹配的文本本身，作为替换的一部分。在 sub() 的第一个参数中，可以输入 \1 、 \2 、 \3…… 。表示“在替换中输入分组 1 、 2 、 3…… 的文本”

import re
"""想要隐去密探的姓名，只显示他们姓名的第一个字母"""
agentNamesRegex = re.compile(r'Agent (\w)\w*')
mo1 = agentNamesRegex.sub(r'\1****', 'Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.')
print(mo1)  
#运行结果 A**** told C**** that E**** knew B**** was a double agent.

6、管理复杂的正则表达式

• 匹配复杂的文本模式，可能需要长的、费解的正则表达式。你可以告诉 re.compile() ，忽略正则表达式字符 串中的空白符和注释，从而缓解这一点。
• 要实现这种详细模式，可以向 re.compile() 传入变量 re.VERBOSE ，作为第二个参数。
• 正则表达式字符串中的注释规则，与普通的 Python 代码一样： # 符号和它后面直到行末的内容，都被忽略。
• 表示正则表达式的多行字符串中，多余的空白字符也不认为是要匹配的文本模式的一部分。

import re
"""使用了三重引号(''')，创建了一个多行字符串"""
phoneRegex = re.compile(r'''(
            (\d{3}|\(\d{3}\))?        # area code
            (\s|-|\.)?        # separator
            \d{3}        # first 3 digits
            (\s|-|\.)        # separator
            \d{4}        # last 4 digits
            (\s*(ext|x|ext.)\s*\d{2,5})?        # extension
            )''',re.VERBOSE)

7、组合使用 re.IGNOREC ASE、re.DOTALL 和 re.VERBOSE

re.compile() 函数只接受一个值作为它的第二参数，但可以使用管道字符（ | ）将变量组合起来，从而绕过这个限 制。管道字符在这里称为“按位或”操作符。

import re
someRegexValue = re.compile('foo', re.IGNORECASE | re.DOTALL | re.VERBOSE)

---

总结

以上就是模式匹配与正则表达式的内容，后面还会有一篇项目实战，提取电话号码和 E-mail 地址。