Python的学习笔记DAY10---关于正则表达式

        正则表达式用来匹配查找文本和数据，简单的说，是一些由字符和特殊符号组成的字符串，描述了模式的重复或者表述多个字符。其能按照某种模式匹配一系列有相似特征的字符串。

        Python中的正则表达式通过re模块来支持。

        首先是元字符。正则表达式语言由两种基本字符类型组成：原义（正常）文本字符和元字符。元字符使正则表达式具有处理能力。所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。

        常用的元字符有  “.”，“|”，“^”，“$”，“\”等，使用举例如下：

#.的使用
ma = re.match(r'...','0a!')
ma.group()
>>>'0a!'

ma = re.match(r'...','0a\n')
ma.group()
>>>AttributeError: 'NoneType' object has no attribute 'group'

“.”可以匹配除了换行之外的任意字符，上面代码中的“...”匹配到了“0a!”三个字符，而在下面的代码中最后一个是换行，所以没有匹配到，所以ma是一个NoneType。

#|的使用
ma = re.match(r'...|..','0a\n')
ma.group()
>>>'0a'

“a|b”表示匹配正则表达式a或者b，上面的例子里成功的匹配到了字符

#[]的使用
ma = re.match(r'[ab]','a')
ma.group()
>>>'a'

ma = re.match(r'[ab]','b')
ma.group()
>>>'b'

ma = re.match(r'[a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9]','fF6')
ma.group()
>>>'fF6'

“[...]”用来匹配字符集，“[]”里表示一个范围，可以指定，也可以用“-”相连表示范围。

# \d \D \s \S \w \W的使用
ma = re.match(r'\d\d\D\D','12a$')
ma.group()
>>>'12a$'
ma = re.match(r'\d\d\D\D','a$12')
ma.group()
>>>AttributeError: 'NoneType' object has no attribute 'group'

ma = re.match(r'\s\s\S\S','  ss')
ma.group()
>>>'  ss'
ma = re.match(r'\s\s\S\S','ss  ')
ma.group()
>>>AttributeError: 'NoneType' object has no attribute 'group'

ma = re.match(r'\w\w\W\W','a1  ')
ma.group()
>>>'a1  '
ma = re.match(r'\w\w\W\W','  a1')
ma.group()
>>>AttributeError: 'NoneType' object has no attribute 'group'

“\d”来表示一个数字，“\D”表示一个非数字，“\s”表示一个空白，“\S”表示一个非空白，“\w“表示一个单词字符，”\W”表示非单词字符。

#* + ? {}的使用
ma = re.match(r'.*','')
ma.group()
>>>''
ma = re.match(r'.*','aaaaaaaaaaa')
ma.group()
>>>'aaaaaaaaaaa'

ma = re.match(r'.+','a')
ma.group()
>>>'a'

ma = re.match(r'.+','aaaa')
ma.group()
>>>'aaaa'

ma = re.match(r'.?','a')
ma.group()
>>>'a'
ma = re.match(r'.?','')
ma.group()
>>>''

ma = re.match(r'.{3,5}','1234')
ma.group()
>>>'1234'
ma = re.match(r'.{3,5}','123456789')
ma.group()
>>>'12345'

如上代码显示*表示一个字符重复0-N次，+代表重复1-N次，？表示重复0-1次，{a,b}表示重复a-b次。

#^ $ 的使用
ma = re.match(r'^a..','abc')
ma.group()
>>>'abc'
ma = re.match(r'^a..','bac')
ma.group()
>>>AttributeError: 'NoneType' object has no attribute 'group'

ma = re.match(r'..c$','abc')
ma.group()
>>>'abc'
ma = re.match(r'..c$','acb')
ma.group()
>>>AttributeError: 'NoneType' object has no attribute 'group'

^表示字符串以^后面的字符作为开头，$表示字符串以$前面的字符结尾。

        以上的正则表达式均是使用match方法来匹配的，match是从头开始匹配，正则表达式的常用方法有很多，例如serach和findall。代码举例如下：

#search 和 findall 的使用
str = 'a100,b200,c300,d400'
ma = re.search(r'\d+',str)
ma.group()
>>>'100'
ma = re.findall(r'\d+',str)
ma
>>>['100', '200', '300', '400']

search用来在字符串中搜索对应的子字符串，搜索到第一个停止，findall用来搜索所有符合规定的字符串并返回一个列表。

        sub和split方法：

#sub 和 spilt 的使用
str = 'abc1234def'
m = re.sub(r'\d+','5678',str)
m
>>>'abc5678def'

str = 'name:苍井空 松岛枫 泷泽萝拉,小泽玛利亚'
re.split(r':| |,',str)
>>>['name', '苍井空', '松岛枫', '泷泽萝拉', '小泽玛利亚']

sub用来将查找到的字符串替换，spilt用于将字符串分割。