面试准备7_提取出如下字符串中的单词: hello world ha ha-CSDN博客

无论是哪种编程语言都离不开正则化表达式，这个是操作字符串基础，在开发中会有大量的字符串处理工作。基本上是任何语言都会有的一个独立模块—正则化表达式
场景：
判断字符串是一个手机号
在一个文件中找出特定开头的语句
在一个文件中找到邮箱地址等等
------干什么先提前想一想，
（1）正则表达式概述
正则表达式，⼜称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或 RE），是计算机科学的⼀个概念。正则表达式使⽤单个字符串来描述、匹配⼀系列匹配某个句法规则的字符串。在很多⽂本编辑器⾥，正则表达式通常被⽤来检索、替换那些匹配某个模式的⽂本。

（2）python中正则化表达式模块的操作
在Python中需要通过正则表达式对字符串进⾏匹配的时候，可以使⽤⼀个模块，名字为re

使用过程中的核心业务：

import re
result = re.match(正则表达式，要匹配的字符串)
result.group()

re.match是⽤来进⾏正则匹配检查的⽅法，若字符串匹配正则表达式，则match⽅法返回匹配对象（Match Object），否则返None（注意不是空字符串""）。匹配对象Macth Object具有group⽅法，⽤来返回字符串的匹配部分。—result.group()拿到匹配的结果

（2）正则表达式中表示字符
re模块能够完成使用正则表达式来匹配字符串，以下是正则表达式的单字符匹配：
.:匹配任意1个字符（除了\n）
[]:匹配【】中列举的字符
\d:匹配数字，即0-9
\D：匹配非数字，即不是数字
\s: 匹配空白，即空格、tab键
\S：匹配非空白
\w：匹配单词字符，a-z、A-Z、0-9、_
\W: 匹配非单词字符
匹配的都是单个的情况

原始字符串：
Python中字符串前⾯加上 **r 表示原⽣字符串，**有了r正则表达式就不会进行自动转义（对于’’）。与⼤多数编程语⾔相同，正则表达式⾥使⽤"“作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配⽂本中的字符”"，那么使⽤编程语⾔表示的正则表达式⾥将需要4个反斜杠"\"：前两个和后两个分别⽤于在编程语⾔⾥转义成反斜杠，转换成两个反斜杠后再在正则表达式⾥转义成⼀个反斜杠。Python⾥的原⽣字符串很好地解决了这个问题，有了原始字符串，你再也不⽤担⼼是不是漏写了反斜杠，写出来的表达式也更直观。在匹配之前需要在规则之前加r

（2）正则表达式中表示数量–匹配多个字符的情况

字符功能
*：匹配前⼀个字符出现0次或者⽆限次，即可有可⽆
+: 匹配前⼀个字符出现1次或者⽆限次，即⾄少有1次
?: 匹配前⼀个字符出现1次或者0次，即要么有1次，要么没有
{m}: 匹配前⼀个字符出现m次
{m,}: 匹配前⼀个字符⾄少出现m次
{m,n} : 匹配前⼀个字符出现从m到n
匹配前一个字符出现的次数

（3）正则化表达式中表示边界
字符功能
^ 匹配字符串开头
$ 匹配字符串结尾
\b 匹配⼀个单词的边界
\B 匹配⾮单词边界
至少得知道开头和结尾（^ $）

（4）正则表达式中得匹配分组
字符功能
|：匹配左右任意⼀个表达式
(ab)：将括号中字符作为⼀个分组
\num: 引⽤分组num匹配到的字符串
(?P): 分组起别名
(?P=name) : 引⽤别名为name分组匹配到的字符串
主要得知识点就是匹配分组：匹配分组在Web开发中回经常使用到的，
得到匹配分组的结果：
result.group()----得到所有的结果
result.group(num)—num就是得到第几个分组根据正则表达式中的括号来说的。

(?P) 给分组的正则表达式取别名
(?P=name)：引用正则表达式（根据引用名字来使用相关的正则表达式）

（5）python中的re高级用法
re.search() ---- 根据正则表达式匹配出我们想要的东西，想要字符串中特定的部位等等

import re 
ret = re.search(r"\d+", "阅读次数为 9999") ret.group() ----9999

re.findall() ---- 根据正则表达式找出自己想要的部分，找到所有想要的东西，并使用列表来存储

#coding=utf-8 
import re 
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 1234 5") 
print ret 
ret=['9999','7890','12345']

re.sub() ---- 将匹配到的数据进行替换

#coding=utf-8 
import re 
ret = re.sub(r"\d+", '998', "python = 997") 
print ret 
ret---python=998

re.split(): 根据匹配进行切割字符串，并返回一个列表

#coding=utf-8 
import re 
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
 print ret

根据：或者空格来切割字符串，得到的结果：[‘info’, ‘xiaozhang’,‘33’,‘shandong’]

(6)python中的贪婪和非贪婪
Python⾥数量词默认是贪婪的（在少数语⾔⾥也可能是默认⾮贪婪），总是尝试匹配尽可能多的字符；⾮贪婪则相反，总是尝试匹配尽可能少的字符。
解决贪婪匹配：
在"*","?","+","{m,n}"后⾯加上？，使贪婪变成⾮贪婪。？表示前面的字符要么出现1次要么出现0次

贪婪以及解决实例：

s="This is a number 234-235-22-423" 
r=re.match(".+(\d+-\d+-\d+-\d+)",s) ---暴漏贪婪了
r.group(1)       返回'4-235-22-423' 
 r=re.match(".+?(\d+-\d+-\d+-\d+)",s) 
 r.group(1)      返回'234-235-22-423'

正则表达式模式中使⽤到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满⾜匹配最⻓字符串，在我们上⾯的例⼦⾥⾯，“.+”会从字符串的启始处抓取满⾜模式的最⻓字符，其中包括我们想得到的第⼀个整型字段的中的⼤部分，“\d+”只需⼀位字符就可以匹配，所以它匹配了数字“4”，⽽“.+”则匹配了从字符串起始到这个第⼀位数字4之前的所有字符。

解决⽅式：⾮贪婪操作符“？”，这个操作符可以⽤在"*","+","?"的后⾯，要求正则匹配的越少越好。

找出单词有⼀句英⽂如下： hello world ha ha 查找所有的单词，可以灵活的使用:re.split(r’ ', str)—直接返回分割好的字符串回来