python第7章：模式匹配与正则表达式

一、正则表达式基础

1、regex：是一种文本模式的描述方法

2、re.compile()向它传入一个字符串值，表示正则表达式，它将返回一个Regex模式对象（简称为Regex对象：正则对象）

3、Regex对象的search()方法查找传入的字符串，寻找正则表达式的所有匹配。没有找到返回None ,找到返回Match对象，该对象有一个group()方法，它返回被查找字符串中实际匹配的文本。

4、group() 1返回第一个匹配项，2返回第二个匹配项，0 或者不传入参数，返回整个文本。groups()返回所有的分组

5、\(和\)转移字符将匹配实际的括号字符

6、字符 | 称为管道，用于匹配许多表达式中的一个，或的关系。第一次出现的字符串就返回匹配结果，findall()方法将找到所有的匹配的地方

7、星号* 意味着匹配零次或者多次，即星号之前的分组，可以在文本中出现任意次数，0~无穷

8、加号+ 意味着匹配一次或者多次，至少一次匹配

9、花括号{3}：指定匹配的次数，{3,6}：最少3次，最多6次

10、Python的正则表达式默认是贪心算法，在没有二义的情况下，它们会尽可能的匹配最长的字符串。花括号的非贪心算法版本匹配尽可能端的字符串比如指定了{3}，就算有4个也只会匹配3个

11、search()方法返回一个Match对象， 包括被查找的字符串中的“第一次”匹配的文本， findall()方法将返回一组字符串，包含被查找的字符串中的所有的匹配；另外，findall()方法返回的不是一个Match对象，而是一个字符串列表。有l两种情况，对于没有分组的正则表达式，返回列表中就是被查找的字符串，对于有分组的正则表达式，返回的是元组的列表

phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d') # has no groups
res =phoneNumRegex.findall('Cell:415-666-5555 work:212-555-5555')
print(res)


phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)') # has no groups
res =phoneNumRegex.findall('Cell:415-666-5555 work:212-555-5555')
print(res)

# the result is below:
['415-666-5555', '212-555-5555']
[('415', '666-5555'), ('212', '555-5555')]

12、正则表达式字符分类：\d ：0--9的任何数字  \D：除了0--9数字之类的任何字符   \w：任何字符，数字或者下划线字符   \W：除了字符，数字和下划线之外的任何字符   \s：空格，制表符，换行符  \S：除了空格，制表符，换行符以外的任何字符 。

13、正则表达式网：https://www.regexpal.com/， https://www.cnblogs.com/cp-miao/p/5567115.html 等

13、用方括号[adcdefg]定义自己的字符分类，用来匹配字符串。

        [a-z0-9]:短横线表示字符或者数字的范围，在方括号内，普通的正则表达式符号不会被解释，所以不需要加上转移符号。

        在方括号的左侧加上[^abcdef]表示非字符类,也就是将匹配不在这个字符类中的所有字符。

14、在正则表达式开始位置使用^Hello,表示匹配必须发生在被查找文本开始处。 类似，在末尾添加Hello$表示该字符串必须以

这个正则表达式的模式结束。也可以两个符号同时使用。

15、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。但是句号点字符只能匹配一个字符。

        点和星连起来就可以匹配任意文本： " .* "：表示除了换行符外的其他任意文本，是一种贪心模式，总是匹配尽可能多的文本。

       如果要用非贪心模式：使用  .*?问号告诉python用非贪心模式进行匹配。

        re.DOTALL 作为re.compile()的第二个参数，可以让句点字符匹配所有的字符，包括换行符\n。

16、向re.compile()中传入第二个参数re.IGNORECASE或者re.I 让正则表达式不区分大小写进行匹配。

17、正则表达式知识汇总：

1.  ？匹配零次或者一次前面的分组
2. *匹配零次或者多次前面的分组
3. +匹配一次或者多次前面的分组
4. {n}匹配n次前面的分组
5. {，m}匹配零次到m次前面的分组
6. {n, }匹配n次到更多前面的分组
7. {n,m}匹配至少n次，至多m次前面的分组
8. {n,m}?或者*？或者+？对浅见的分组尽心非贪心的匹配
9. ^spam意味着字符串必须以spam开始
10. spam$意味着字符串必须以spam结束
11. .点匹配除了换行符之外的所有字符
12. \d  \w \s分别匹配数字，单词和空格 ，大写的字母情况下是相反匹配
13. [abc]匹配方括号内的任意字符
14. [^abc]匹配除了在方括号内的任意字符

18、Regex对象的sub()方法用于将找到的字符串用新的文本替换。传入两个参数，第一个参数是字符串，用于取代发现的匹配，第二个参数是一个字符串，即要替换的字符串。结果返回替换完成后的字符串。

nameRegex = re.compile(r'Agent \w+')
res = nameRegex.sub('CENSORED', 'Agent Alice gave the secrect documents to Agent Bot.')
print(res)


结果是：
CENSORED gave the secrect documents to CENSORED.

19、忽略正则表达式字符串中的空白符和注释，向re.cmpile()传入变量re.VERBOSE，作为第二个参数。

       使用管道符号| 将变量组合起来，作为第二个参数，在这里是按位或的关系