python与正则表达式

正则表达式是什么？可以理解为文本的一种抽象特征，通过特定的符号规则，来对应特定的文本。这里我们实践的是python中的正则表达式。

python中使用正则表达式很简单，包括下面4个简单步骤：

• 引入正则表达式模块，import re；
• 用re.compile()函数创建一个Regex对象；
• 向Regex对象的search()方法传入想要查找的字符串，它返回一个match对象；
• 调用match对象的group()方法，返回实际匹配的字符串。

实操代码如下：

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())

通过上面的代码，你可能明白了正则的难点在哪：compile中的规则定义。python中的正则有哪些可用的规则呢？

进阶

利用括号分组

一个简单的问题，当电话号码中有区号时，如何分离区号和电话号码？在正则表达式中添加括号即可。依旧是上面的代码，改动如下：

import re

phoneNUmRegex = re.compile(r"(\d\d\d)-(\d\d\d-\d\d\d\d)") # 添加括号
mo = phoneNUmRegex.search("my number is 415-555-4242.")
print("zone des found :"+mo.group(1))
print("phone number found:"+mo.group(2))
   

用管道匹配多个分组

人生面临太多选择，有些人坚定一个方向，一头扎进去；也有些人总是去试试这个，试试那个。当你在正则中想要多个选择时，如何匹配？管道可以帮你解决这个问题，我们来看如下代码：

import re

fruitRegex = re.compile(r"apple|banana") # 管道
f1= fruitRegex.search("apple and orange")
f2 = fruitRegex.search("banana and orange")

print("i like :"+f1.group())
print("i like :"+f2.group())
    

? or * or + or {}

学习正则时，最容易混淆的是这几个符号，现说明如下：

符号	说明
？	可选匹配，零次或一次，即至多出现一次
*	零次或多次
+	一次或多次，即至少出现一次
{}	特定次数

当然你可以用下面的代码实操一下：

import re

chooseRegex = re.compile(r"ba(na)+") 
f1= chooseRegex.search("banana")

print("i like "+f1.group())

贪心和非贪心匹配

Python的正则表达式默认是“贪心”的，表示在有二义的情况下，它们会尽可能匹配最长的字符串。下面看一段代码：

"""
import re

greedyHaRegex =re.compile(r"(Ha){3,5}")
mo1 = greedyHaRegex.search("HaHaHaHaHa")
print(mo1.group())

greedyHaRegex1 =re.compile(r"(Ha){3,5}?")
mo2 = greedyHaRegex1.search("HaHaHaHaHa")
print(mo2.group())

两段逻辑的输出如下：

r"(Ha){3,5}" 表示匹配3次或5次，python默认输出5次，当加了问号：r"(Ha){3,5}?"，则输出3次。

问号在正则表达式中有两种含义：声明非贪心匹配或表示可选的分组，这两种含义完全无关。

findall() 方法

Regex对象除了search方法外，还有一个findall() 方法。findall() 方法的返回结果有两种情况：

• 如果调用在一个没有分组的正则表达式上，该方法返回一个匹配字符串的列表；
• 如果调用在一个有分组的正则表达式上，返回一个元组列表。

字符分类

列举常用的字符分类的缩写代码如下：

缩写字符分类	表示
\d	0-9的任何数
\D	除0-9的数字以外的任何字符
\w	任何字母、数字或下划线字符
\W	除字母、数字和下划线的任何字符
\s	空格、制表符或者换行符（可以认为匹配“空白”字符）
\S	除空格、制表符和换行符以外的任何字符

用方括号定义自己的字符分类

缩写的字符分类太宽泛，你可能需要自己的字符分类，方括号能帮你解决这个问题。想一想如何匹配所有的元音字符？代码如下：

import re

vowelRegex =re.compile(r"[aeiouAEIOU]")
mo1 =vowelRegex.findall("i like banana")
print(mo1)
 

定位开始（^）和结尾（$）

符号	说明
^	表明匹配必须发生在被查找文件开始处
$	表明匹配必须在这个正则表达式的模式结束

你可以用下面的代码逻辑实操一下：

import re

begin_end_hello =re.compile("^Hello")
mo1 = begin_end_hello.search("Hello wordl")
print(mo1==None)

通配符（.）

通配符可以匹配除了换行符之外的所有字符，一种特殊的用法：用点-星匹配所有的字符（换行符除外）。那么问题来了，如果我想匹配所有的字符包括换行符，怎么办？这需要在compile方法中填入第二个参数。

compile方法的第二个参数

参数	说明
re.DOTALL	可以让句点字符匹配所有字符，包括换行符
re.I	让正则表达式不区分大小写

当然，compile方法的第二个参数可选项远远不止这些，可以去API中查看。

替换字符串（sub）

生活中常有这样的应用场景，在word中全文替换某个单词，你是如何解决的呢？word中提供了批量替换的操作，正则表达式中也有相应的功能，例如：替换某个句子中的人名。实操代码如下：

import re

nameRegex=re.compile("Jerry\w?")
mo1 = nameRegex.sub("Tonny","Tom is a mouse and Jerry is a cat.But Tom can not catch Jerry,and is defeated by Jerry every day.")
print(mo1)

写在最后

这篇文章不是正则的全部，更丰富的功能还需要你自己去挖掘，后续或有更新…