Python学习（3）--正则表达式

读取文件

加拿大诗歌:THE MAN FROM SNOWY RIVER
http://members.iinet.net.au/~newtoy/snowyriver.htm

import re

with open('D:\\python\\txt\\the_man_from_snowy_river') as txt:
    contents = txt.read()
# print(contents)

匹配

精准匹配

# 发现所有的' to '
result = re.findall(' to ',contents)
# 输出的全是包含' to '的一个列表
print(result)
print(len(result))

模糊匹配

.代表一个字符

# 发现所有的'a..'
result = re.findall('a..',contents)
# 输出的全是包含'a..'的一个列表
print(result)
print(len(result))

[a-z]代表字符只能是a~z中的一个

# 发现所有以'a'开头的长度为3的单词,' a[a-z][a-z] '前后各有空格
result = re.findall(' a[a-z][a-z] ',contents)
print(result)
print(len(result))

# 去除列表中单词左右的空格
result = re.findall(' (a[a-z][a-z]) ',contents)
print(result)
print(len(result))

# 利用集合去除重复元素
result_set = set(result)
print(result_set)

通配符

# 找出以A或a开头的单词，针对'And'开头，处理单词前面的空格
# a* 代表有0个或多个字符a
result = re.findall(' *([Aa][a-z][a-z]) ',contents)
print(result)
print(len(result))

result_set = set(result)
print(result_set)

re.sub

re.sub(pattern, repl, string, count=0, flags=0)

pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个**函数**。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配

import re

string = '1829-1231-123 #注释'
num = re.sub('#.*$','',string)
print(string) # string的值并没有改变
print(num)

num1 = re.sub('\D','',num)
print(num1)

运行结果

repl可以是一个函数

import re
 
# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

输出结果如下，其中位数567被转换成1134

A46G8HFD1134

re.compile

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。语法格式为：

re.compile(pattern[, flags])

pattern : 一个字符串形式的正则表达式
flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性，忽略空格和 # 后面的注释

re.findall

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。

findall(string[, pos[, endpos]])
findall(pattern, string)

string : 待匹配的字符串。
pos : 可选参数，指定字符串的起始位置，默认为 0。
endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

import re

# 查找所有的数字
pattern = re.compile(r'\d+')
txt = 'ssfj121 jfajfk12343'
print(pattern.findall(txt))
print(pattern.findall(txt,0,15))
'''输出结果为
['121', '12343']
['121', '1']
'''

re.finditer

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

re.finditer(pattern, string, flags=0)

import re

string = '23shfj12da212'
it = re.finditer(r'\d+',string)
for match in it:
    print(match.group())
    
'''输出为
23
12
212
'''

re.split

split 方法按照能够匹配的子串将字符串分割后返回列表

re.split(pattern, string[, maxsplit=0, flags=0])

maxsplit	分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
split()括号内可以没有参数，代表按照空，空格，换行符，制表符来分割。
分割出来的都是字符串，形成一个列表

import re
print(re.split('\W+', 'runoob, runoob, runoob.'))
# 在分割得到的列表中，会包含满足条件的\W+本身
print(re.split('(\W+)', ' runoob, runoob, runoob.'))
print(re.split('\W+', ' runoob, runoob, runoob.', 1))
print(re.split('a*', 'hello world'))
print(re.split('aa*', 'hello world'))

运行结果

['runoob', 'runoob', 'runoob', '']
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
['', 'runoob, runoob, runoob.']
['', 'h', 'e', 'l', 'l', 'o', ' ', 'w', 'o', 'r', 'l', 'd', '']
['hello world']	

import re

ip = "202.156.64.82" 
print(ip.split(".", 4))

re.RegexObject

re.compile() 返回 RegexObject 对象

re.MatchObject

参考资源

• Python - Regular Expressions
  https://www.tutorialspoint.com/python/python_reg_expressions.htm
• 菜鸟教程-Python 正则表达式
  https://www.runoob.com/python/python-reg-expressions.html
• B站视频-详解Python正则表达式
  https://www.bilibili.com/video/av7036891?from=search&seid=16720185157603375715
• python split()
  https://blog.csdn.net/qq_18543521/article/details/83861430