2018/9/05--Python学习笔记（一）-- 模式匹配与正则表达式_将表达式与原始模式匹配python-CSDN博客

本文链接：https://blog.csdn.net/qq_35605411/article/details/82430025

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)