正则表达式

分两个部分，首先讲一下正则表达式的写法，然后是python和java中正则表达式的编程

零、正则表达式的一般理论

形式语言与自动机

一、正则表达式的一般写法

1、 操作符

*: 表示将前面模式匹配0次或者多次
+：表示将前面模式匹配0次或者多次
？：表示将前面模式匹配0次或者1次
{M,N}: 表示将前面模式匹配M次到N次
. :通配符
[] : 匹配字符组中的任意一个字符
[^] : 匹配补字符组中的任意一个字符
()：子组 子表达式，可以对其使用各种操作符
|：两组模式中选一个 OR操作符

2、特殊记号：

\d ： 匹配所有数字
\w： 匹配所有数字、字母
\s： 匹配所有空白符

3、例子：

例1：希望在一段字符串中匹配IP地址

“([0-9]*).([0-9]*).([0-9]*).([0-9]*)”
这样匹配了之后还需要检查

例2：把类似于下面这样的东西提取出他的信息

这是windows CMD中的一些个文件记录，如果是文件，那么中间表示其大小，如果是文件夹，则表示<DIR>,前面是
2019/05/04 15:22 329,909,920 CLion-2019.1.2.exe
2019/03/25 22:30 <DIR> CloudMusic

利用下面表达式即可

([0-9]{4}/[0-9]{2}/[0-9]{2})[ ]*([0-9]{2}:[0-9]{2})[ ]*(<DIR>|[0-9]{1,3}(,[0-9]{1,3})*)[ ]*(.*)",

例3：统计化学式子中的所有原子个数

例如：(CH3)2CHCOOH:
要求程序输出结果为： C4H8O2
如何解决这个问题？
首先可以获得一个book，记录所有的原子

这个正则表达式可以完成任务
“[A-Z][a-z]|[A-Z]”

这个用来分割，就是把括号的部分摘出来
((\w+))([0-9]*)

现在变成若干小段，每一段都不含括号，之后用一个
“([A-Z][a-z]|[A-Z])([0-9])*”
即可完成任务

二、python中的正则表达式

re包中实现了函数：

函数名	函数作用
match(pattern, string):	返回从头开始第一次匹配，通过返回值的group方法得到具体的串：
search(pattern, string):	返回第一次匹配，通过返回值的group方法得到具体的串：
findall(pattern,string)：	返回一个匹配列表

通过这些方法，就可以完成匹配工作了

函数名	函数作用
split(pattern, string):	把所有匹配的地方做分割
sub(pattern, string):	把所有匹配的地方做替换

例5：按空格分割，允许多个空格

re.split("[\s]*",“223 3213 3 123”)

这比split方法高级一些，可以实现随意的分割

例6：给出一篇英文文本，统计词频

word_list = re.findall("([A-Za-z]+)(’([ts]|re))?","".join(open(“D:/1.txt”).readlines()))
print(word_list)