Python-正则表达式

斜杆问题

• windows 的路径一般用两个倒斜杠 \ ，为什么要用两个\，因为要做转义
• linux 的路径一般用斜杠 /

os 模块

• os.getcwd() 获取当前工作路径
• os.chdir(path) 更改当前工作路径
• os.makedirs(package_name) 创建新文件夹
• os.path.join() 将字符串连接成路径

正则表达式

• Python 中所有正则表达式的函数都在 re 模块中
• 用 compile() 传入一个字符串值，表示正则表达式，它返回一个 Regex 模式对象
• Regex 对象的 search() 方法查找传入的字符串，寻找该正则表达式的所有匹配。如果没有，返回 None

---

1. 正则简单使用

• compile() 先编译，看有没有语法错误
• 在compile() 中传入第二个参数 re.I 可以忽略大小写，如 re.compile(r'robocop', re.I)
• search() 和 match() 的区别，search 会查找整个字符串，match 只匹配当前
• r 表示匹配原字符串，加上 r 可以省略转义字符

import re
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d{4}')
mo = phoneNumRegex.search('My number is 415-555-4242.Another phone number is 123-456-7890')
print('phone number found: ' + mo.group())

输出

phone number found: 415-555-4242

2. match()、search()、findall()、finditer()区别

2.1 match()

从首字母开始匹配，string如果包含pattern子串，则匹配成功，返回Match对象，失败则返回None，若要完全匹配，pattern要以$结尾。

import re
rule = re.compile('aaa')
result_1 = rule.match('aaab')
result_2 = rule.match('baaa')
print(result_1)
print(result_2)

输出

<re.Match object; span=(0, 3), match=‘aaa’>
None

2.2 search()

若string中包含pattern子串，则返回Match对象，否则返回None，注意，如果string中存在多个pattern子串，只返回第一个。

import re
rule = re.compile('aaa')
result_1 = rule.search('aaab')
result_2 = rule.search('baaa')
print(result_1)
print(result_2)

输出

<re.Match object; span=(0, 3), match=‘aaa’>
<re.Match object; span=(1, 4), match=‘aaa’>

2.3 findall()

返回string中所有与pattern相匹配的全部字串，返回形式为数组。

import re
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d{4}')
mo = phoneNumRegex.findall('My number is 415-555-4242.Another phone number is 123-456-7890')
print(mo)

输出

[‘415-555-4242’, ‘123-456-7890’]

2.4 finditer()

返回string中所有与pattern相匹配的全部字串，返回形式为迭代器。

import re
result = re.finditer(r'a+', 'aaabaaaaa')
print(result)

输出

<callable_iterator object at 0x0000023C3651D940>

3. 常见符号

符号	含义
|	匹配多个分组（或）
*	匹配零次或多次
+	匹配一次或多次
{次数a}	匹配 a 次

4. 常用字符分类的缩写

符号分类	表示
\d	0 到 9 的任何数字
\D	除 0 到 9 的数字以外的任何字符
\w	任何字母、数字或下划线字符（可以认为是匹配“单词”字符）
\W	除字母、数字和下划线以外的任何字符
\s	空格、制表符或换行符（可以认为是匹配“空白”字符）
\S	除空格、制表符或换行符以外的任何字符
[]	匹配某个范围的内容，[0-5]只匹配数字 0 到 5
^	表示非

注意：

• 在方括号内，不需要加上斜杠转义 .*?() 这些字符

5. 要点总结

• ?匹配零次或一次前面的分组。
• *匹配零次或多次前面的分组。
• +匹配一次或多次前面的分组。
• {n}匹配n 次前面的分组。
• {n, }匹配n 次或更多前面的分组。
• {,m}匹配零次到m 次前面的分组。
• {n, m}匹配至少n 次、至多m 次前面的分组。
• {n, m}?或*?或+?对前面的分组进行非贪心匹配。
• ^spam 意味着字符串必须以spam 开始。
• spam$意味着字符串必须以spam 结束。
• .匹配所有字符，换行符除外。
• \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。
• [abc]匹配方括号内的任意字符（诸如a、b 或c）。
• [^abc]匹配不在方括号内的任意字符。