开篇的话:这段时间学了Python,基础语法可能以后会更新,笔记,最近一直在看正则表达式和文件模块,感觉比较难记住,就写写学习笔记,加强记忆。
正则表达式
导入模块:
import re
向 re.compile()传递原始字符串回忆一下,Python 中转义字符使用倒斜杠(\)。字符串'\n'表示一个换行字符,而不是倒斜杠加上一个小写的 n。你需要输入转义字符\\,才能打印出一个倒斜杠。所以'\\n'表示一个倒斜杠加上一个小写的 n。但是,通过在字符串的第一个引号之前加上 r,可以将该字符串标记为原始字符串,它不包括转义字符。因为正则表达式常常使用倒斜杠,向 re.compile()函数传入原始字符串就很方便 , 而 不 是 输 入 额 外 得到 斜 杠 。 输 入 r'\d\d\d-\d\d\d-\d\d\d\d' , 比 输 入'\\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d'要容易得多。向 re.compile()传递原始字符串回忆一下,Python 中转义字符使用倒斜杠(\)。字符串'\n'表示一个换行字符,而不是倒斜杠加上一个小写的 n。你需要输入转义字符\\,才能打印出一个倒斜杠。所以'\\n'表示一个倒斜杠加上一个小写的 n。但是,通过在字符串的第一个引号之前加上 r,可以将该字符串标记为原始字符串,它不包括转义字符。因为正则表达式常常使用倒斜杠,向 re.compile()函数传入原始字符串就很方便 , 而 不 是 输 入 额 外 得到 斜 杠 。 输 入 r'\d\d\d-\d\d\d-\d\d\d\d' , 比 输 入'\\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d'要容易得多。
向re.compile()传入一个字符串值,表示正则表达式,返回一个Regex模式对象(或者就简称为Regex对象)
例子:
import re
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
mo = phoneNumRegex.search('My number is 415-555-4242.')
print('Phone number found: ' + mo.group())
#输出结果为:Phone number found: 415-555-4242
.search()函数返回一个Match对象,如果没有找到返回None。
思路总结:
虽然在 Python 中使用正则表达式有几个步骤,但每一步都相当简单。
1.用 import re 导入正则表达式模块。
2.用 re.compile()函数创建一个 Regex 对象(记得使用原始字符串)。
3.向 Regex 对象的 search()方法传入想查找的字符串。它返回一个 Match 对象。
4.调用 Match 对象的 group()方法,返回实际匹配文本的字符串。
利用括号分组
正则表达式字符串中的第一对括号是第 1 组。第二对括号是第 2 组。向 group()匹配对象方法传入整数 1 或 2,就可以取得匹配文本的不同部分。向 group()方法传入 0 或不传入参数,将返回整个匹配的文本。
如果想要一次就获取所有的分组,请使用groups()方法,注意函数名的复数形式。
例子:
import re
phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)')
mo = phoneNumRegex.search('My number is 415-555-4242.')
print(mo.group(1)) #456
print(mo.group(2)) #555
print(mo.group(3)) #4242
print(mo.group(0)) #415-555-4242
print(mo.groups()) #('415','555','4242')
用‘ | ’匹配多个分组
差不多理解成或的意思
直接举个例子:
import re
batRegex = re.compile(r'Bat(man|mobile|copter|bat)')
mo = batRegex.search('Batmobile lost a wheel')
print(mo.group()) #Batmobile
print(mo.group(1)) #mobile
用‘ ? ’实现可选匹配
不论这段文本在不在,正则表达式都会认为匹配。字符?表明它前面的分组在这个模式中是可选的。
例子:(可选区号匹配)
import re
phoneRegex = re.compile(r'(\d\d\d-)?\d\d\d-\d\d\d\d')
mo1 = phoneRegex.search('My number is 415-555-4242')
print(mo1.group()) #415-555-4242
mo2 = phoneRegex.search('My number is 555-4242')
print(mo2.group()) #555-4242
用‘ * ’匹配零次或多次
星号之前的分组,可以在文本中出现任意次。它可以完全不存在,或一次又一次地重复。
例子:
import re
batRegex = re.compile(r'Bat(wo)*man')
mo1 = batRegex.search('The Adventures of Batman')
print(mo1.group()) #Batman
mo2 = batRegex.search('The Adventures of Batwoman')
print(mo2.group()) #Batwoman
mo3 = batRegex.search('The Adventures of Batwowowowoman')
print(mo3.group()) #Batwowowowoman
用‘ + ’匹配一次或者多次
类似于‘ * ’,注意匹配至少一次
用‘ {} ’匹配特定次数
如果想要一个分组重复特定次数,就在正则表达式中该分组的后面,跟上花括号包围的数字。
例如,正则表达式(Ha){3}将匹配字符串'HaHaHa',但不会匹配'HaHa',因为后者只重复了(Ha)分组两次。
除了一个数字,还可以指定一个范围,即在花括号中写下一个最小值、一个逗号和一个最大值。例如,正则表达式(Ha){3,5}将匹配'HaHaHa'、'HaHaHaHa'和'HaHaHaHaHa'。
也可以不写花括号中的第一个或第二个数字,不限定最小值或最大值。
贪心和非贪心匹配
Python 的正则表达式默认是“贪心”的,这表示在有二义的情况下,它们会尽可能匹配最长的字符串。花括号的“非贪心”版本匹配尽可能最短的字符串,即在结束的花括号后跟着一个问号。
例子:
import re
greedyHaRegex = re.compile(r'(Ha){3,5}')
mo1 = greedyHaRegex.search('HaHaHaHaHa')
print(mo1.group()) #HaHaHaHa
nongreedyHaRegex = re.compile(r'(Ha){3,5}?')
mo2 = nongreedyHaRegex.search('HaHaHaHaHa')
print(mo2.group()) #HaHaHa
问号在正则表达式中可能有两种含义:声明非贪心匹配或表示可选的分组。这两种含义是完全无关的。
findall()方法
除了search方法外,Regex对象也有一个findall()方法。search()将返回一个Match对象,包含被查找字符串中的“第一次”匹配的文本,而 findall()不是返回一个 Match 对象,而是返回一个字符串列表,只要在正则表达式中没有分组。列表中的每个字符串都是一段被查找的文本,它匹配该正则表达式。
例子:
import re
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
print(phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000'))
#['415-555-9999', '212-555-0000']
如果在正则表达式中有分组,那么findall将返回元组的列表。
import re
phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)')
print(phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000'))
#[('415', '555', '1122'), ('212', '555', '0000')]
字符分类
\d、\w 和\s 分别匹配数字、单词和空格。
\D、\W 和\S 分别匹配出数字、单词和空格外的所有字符。
自定义的字符分类
可以用方括号定义自己的字符分类。
例如,字符分类[a-zA-Z0-9]将匹配所有小写字母、大写字母和数字。
方括号内,普通的正则表达式符号不会被解释。这意味着,你不需要前面加上倒斜杠转义.、*、?或()字符。例如,字符分类将匹配数字 0 到 5 和一个句点。你不需要将它写成[0-5\.]。
例子:
import re
vowelRegex = re.compile(r'[aeiouAEIOU]')
print(vowelRegex.findall('RoboCop eats baby food. BABY FOOD.'))
#['o', 'o', 'o', 'e', 'a', 'a', 'o', 'o', 'A', 'O', 'O']
通过在字符分类的左方括号后加上一个插入字符(^),就可以得到“非字符类”。非字符类将匹配不在这个字符类中的所有字符。
import re
vowelRegex = re.compile(r'[^aeiouAEIOU]')
print(vowelRegex.findall('RoboCop eats baby food. BABY FOOD.'))
#['R', 'b', 'c', 'p', ' ', 't', 's', ' ', 'b', 'b', 'y', ' ', 'f', 'd', '.', '', 'B', 'B', 'Y', ' ', 'F', 'D', '.']
插入字符‘ ^ ’和美元字符‘ $ ’
可以在正则表达式的开始处使用插入符号(^),表明匹配必须发生在被查找文本开始处。类似地,可以再正则表达式的末尾加上美元符号($),表示该字符串必须以这个正则表达式的模式结束。可以同时使用^和$,表明整个字符串必须匹配该模式,也就是说,只匹配该字符串的某个子集是不够的。
通配字符‘ . ’
在正则表达式中,.(句点)字符称为“通配符”。它匹配除了换行之外的所有字符。句点字符只匹配一个字符。
import re
atRegex = re.compile(r'.at')
print(atRegex.findall('The cat in the hat sat on the flat mat.'))
#['cat', 'hat', 'sat', 'lat', 'mat']
#注意,因为 . 只匹配一个字符,所以文本中flat只匹配lat
用点-星匹配所有字符
点-星将匹配除换行外的所有字符。
直接用例子解释:
import re
nameRegex = re.compile(r'First Name: (.*) Last Name: (.*)')
mo = nameRegex.search('First Name: Al Last Name: Sweigart')
print(mo.group(1)) #Al
print(mo.group(2)) #Sweigart
点-星使用“贪心”模式:它总是匹配尽可能多的文本。要用“非贪心”模式匹配所有文本,就使用点-星和问号。像和大括号一起使用时那样,问号告诉Python 用非贪心模式匹配。
如果要用 ' .* ' 匹配所有字符(包括换行符),传入 re.DOTALL 作为 re.compile()的第二个参数,可以让句点字符匹配所有字符,包括换行字符。
不区分大小写的匹配
通常,正则表达式用你指定的大小写匹配文本。
但是,有时候你只关心匹配字母,不关心它们是大写或小写。要让正则表达式不区分大小写,可以向 re.compile()传入 re.IGNORECASE 或 re.I,作为第二个参数。
用sub()方法替换字符串
正则表达式不仅能找到文本模式,而且能够用新的文本替换掉这些模式。Regex对象的 sub()方法需要传入两个参数。第一个参数是一个字符串,用于取代发现的匹配。第二个参数是一个字符串,即正则表达式。sub()方法返回替换完成后的字符串。
import re
namesRegex = re.compile(r'Agent \w+')
print(namesRegex.sub('CENSORED', 'Agent Alice gave the secret documents to Agent Bob.'))
#'CENSORED gave the secret documents to CENSORED.'
管理复杂的正则表达式
要忽略正则表达式字符串中的空白符和注释,可以向 re.compile()传入变量 re.VERBOSE,作为第二个参数。
例子:
import re
phoneRegex = re.compile(r'''(
(\d{3}|\(\d{3}\))? # area code
(\s|-|\.)? # separator
\d{3} # first 3 digits
(\s|-|\.) # separator
\d{4} # last 4 digits
(\s*(ext|x|ext.)\s*\d{2,5})? # extension
)''', re.VERBOSE)
前面的例子使用了三重引号('"),创建了一个多行字符串。这样就可以将正则表达式定义放在多行中,让它更可读。
正则表达式字符串中的注释规则,与普通的 Python 代码一样:#符号和它后面直到行末的内容,都被忽略。而且,表示正则表达式的多行字符串中,多余的空白字符也不认为是要匹配的文本模式的一部分。
组合使用re.IGNOREECASE、re.DOTALL、re.VERBOSE
可以使用管道字符(|)将变量组合起来
someRegexValue = re.compile('foo', re.IGNORECASE | re.DOTALL | re.VERBOSE)