亭台六七座，八九十枝花——python正则表达

山村咏怀 [宋]邵雍 一去二三里，烟村四五家。 亭台六七座，八九十枝花。

1 正则表达

正则表达是一种字符串的查询和匹配规则，按照提供的规则完成目标字符串中的数据的查询和检索，是一种独立的技术，不是某种编程语言独有

2 语法

python中正则表达使用python的内建re模块

部分方法：

• ‘A’, ‘ASCII’, 选项：字符串匹配过程中，使用ascii码操作
• ‘I’, ‘IGNORECASE’,选项：字符串匹配过程中，忽略大小写
• ‘M’, ‘MULTILINE’, 选项：字符串匹配过程中，多行匹配
• ‘S’, ‘Scanner’, 选项：使 . 匹配包括换行在内的所有字符
• ‘compile’, 方法-编译正则表达式，得到正则表达式对象，使用较少
• ‘findall’, 方法-从目标字符串中，查询所有符合规则的字符串，返回一个列表
• ‘finditer’, 方法-从目标字符串中，查询所有符合规则的字符串，返回一个生成器
• ‘match’, 方法-从目标字符串的第一个字符开始匹配，返回第一个匹配的结果
• ‘search’, 方法-从目标字符串所有的位置匹配，返回第一个匹配的结果
• ‘split’， 方法-按照正则表达式规则拆分字符串

import re

msg = """一去二三里，烟村四五家。亭台六七座，八九十枝花。
Within one stretch of two or three miles,Visible: 
four or five hamlets in mist-veils;Dotted with pavilions, 
six or seven,Twigs of flowers, how many? Eight, nine, ten."""

# 1、 查询or字符串(忽略大小写)出现的次数  # 注意数字符串不是单词
# 在目标字符串msg中，查询符合vp规则的字符串，查询时忽略大小写
vp = r"or"  # r是原生字符串（禁止转义），是python的语法
res = re.findall(vp, msg, re.I)
print(res)  # ['or', 'or', 'or']

# 2、查询msg中，以s(忽略大小写)开头的7个字符以内的字符串  # 注意数字符串不是单词
vp2 = r"s\w{1,6}"
res2 = re.findall(vp2, msg, re.I)
print(res2)  # ['stretch', 'sible', 'st', 'six', 'seven']

# 3、正则表达式findall()得到的是一个列表，较消耗内存，使用finditer()得到迭代器
vp3 = r"m\w{1,8}"
res3 = re.findall(vp3, msg, re.I)  # ['miles', 'mlets', 'mist', 'many']
print(res3)
res4 = re.finditer(vp3, msg, re.I)
print(res4)  # <callable_iterator object at 0x0000022F47DCB708>
for x in res4:
    print(x.group())  # 不使用group打印出来的是对象

# 4、 search和match
vp4 = "with"
res41 = re.match(vp4, msg, re.I)  # 匹配目标字符串的开头第一个字符，返回一个对象
res42 = re.search(vp4, msg, re.I)  # 匹配目标字符串中的任意位置的字符，返回第一个位置对象
print(res41)  # None
print(res42)  # with

3 常见正则表达字符

a 匹配字符a

\d 匹配0~9的一个数字
\D 匹配不是0~9的任意一个字符
\s 匹配一个空白字符，包含空格和tab
\S 匹配一个非空白字符
\w 匹配任意一个 大写字母/小写字母/0~9数字/下划线（在python3中，中文字符包含在单词字符中，python2不包含）
\W 匹配任意一个不是\w的字符，如特殊符号
\b 匹配一个单词的边界
\B 匹配不是单词的开头或结束位置

^ 匹配目标字符串的开头位置，用在字符串中，如果用在[]中表示取反 例：^acb
$ 匹配目标字符串的结束位置 例：10$
. 匹配任意一个字符，匹配任意一个字符，除了\n(换行符)

[] 匹配[]中列举的字符
[0-9] 匹配一个0~9的数字，等价于\d
[0-3] 匹配一个0~3 的数字
[0-12] 匹配一个0~1的数字，或者2
[125] 匹配一个数字，1或者2或者5（不用加逗号）
[a-z] 匹配一个小写字母
[A-Z] 匹配一个大写字母
[a-zA-Z] 匹配一个大写/小写字母
[A-Za-z0-9_] 等价于\w

a? 匹配字符a出现了0次或者1次
a+ 匹配字符a出现了1次或者多次
a* 匹配字符a出现了0次或者多次
a{m,n} 匹配字符a最少出现了m次，最多出现n次，中间不要有空格
a{m,} 匹配字符a最少出现m次
a{,n} 匹配字符a最多出现n次

(hello) 匹配hello，在匹配结果中将结果分组展示

4 匹配分组

匹配分组有以下几种方式：

• 表达式|表达式|表达式|······ 任意表达式成立皆可
• (表达式) 匹配表达式，在匹配结果中将结果分组展示
• \分组序号 引用分组匹配到的字符串
• (?P<name>表达式) 给分组起别名
• (?P=name) 引用别名为name的分组匹配到的的字符串

import re
msg = """一去二三里，烟村四五家。亭台六七座，八九十枝花。
Within one stretch of two or three miles,Visible:
four or five hamlets in mist-veils;Dotted with pavilions,
six or seven,Twigs of flowers, how many? Eight, nine, ten."""


# 表达式|表达式|表达式|······ 任意表达式成立皆可
res = re.findall(r"with.{1,10}|[一二三四五]{1,5}", msg, re.I)  # 匹配with开始和后面的1-10个字符串 或 []内列举的连续1-5个字符串
print(res)  # ['一', '二三', '四五', 'Within one str', 'with pavilions']


# (表达式) 匹配表达式，在匹配结果中将结果分组展示
msg2 = "亭台六七座，八九十枝花。"
res2 = re.match(r"(一.*|亭.*)，(烟.*|八.*)", msg2)  # 匹配相应指定字符串开头的句子，”，“前后各为一组
if res2:
    # group(0)或group()获取默认组（所有匹配组，完整结果）
    print(res2.group(0))  # 亭台六七座，八九十枝花。
    # 获取第一组匹配结果
    print(res2.group(1))  # 亭台六七座
    # 获取第二组匹配结果
    print(res2.group(2))  # 八九十枝花。
else:
    print("匹配不到内容")


msg3 = "亭台六七座，八九十枝花。<亭台六七座，八九十枝花。>"

# (?P<name>表达式) 给分组起别名
# (?P=name)  引用别名为name的分组匹配到的的字符串
res3 = re.match(r"(?P<first>亭.*?。)(<(?P=first)>)", msg3)  # 匹配从“亭”到“。“的字符且是最小匹配（懒惰模式）
print(res3.group())  # 亭台六七座，八九十枝花。<亭台六七座，八九十枝花。>
print(res3.group(1))  # 亭台六七座，八九十枝花。
print(res3.group(2))  # <亭台六七座，八九十枝花。>

# \num 引用分组：引用分组匹配到的字符串
res4 = re.match(r"(亭.*?。)(<(\1)>)", msg3)  # 引用第一个分组的表达式
print(res4.group())  # 亭台六七座，八九十枝花。<亭台六七座，八九十枝花。>
print(res4.group(1))  # 亭台六七座，八九十枝花。
print(res4.group(2))  # <亭台六七座，八九十枝花。>