Python RE （一）正则表达式——基于match()

前言：

本文为笔者自学+复习所用。

在开始之前，了解一些内容：

• RE：regular expression 

• 正则表达式中，字符和字符可以和自己匹配，除了元字符（metacharacter）： 

  . ^ $ + * ? {} [] \ | ()

但是如果我特别想把他们匹配在一起咋办呢？

• 可以用 \ 后加要匹配的元字符。

match() 是从头开始匹配字符串的，如果首字母不匹配，或是匹配中断，就算后面有可以匹配的字符串，也没有用。

请将上面的话重复三遍。

字符串：

 使用正则匹配字符串，是一件挺有意思的事情，类似于从头对比两个字符串，如果出现不一样的就停止，同时将一样的部分赋值给变量。

import re

a = re.match('a', 'abc')
print(a)

# a


b = re.match('aa', 'abc')
print(b)

# None


c = re.match('b', 'abc')
print(c)

# None

 发现什么问题了吗？

’a‘ 和 ’abc‘ 从头匹配时，完美匹配，打印输出 a， 类型为 str

’aa‘ 和 ’abc‘ 从头匹配时，第二个a和b不匹配，打印出None

第三个也是如此。

方括号[]：

方括号里面放的是要匹配的字符或是字符串，统称字符类。

如果放置的是 [a]，表示单独匹配一个 a 且仅匹配一次。

import re
a = re.match('[a]', 'abcd')
print(a)

# <re.match object; span = (0, 1), match = "a">

 解释一下：

调用match() 表示，我要匹配参数1： '[a]' （注意字符串标志性 '' 的位置）和参数2：'abcd'。

从头比较，如果参数2 中第一个字符是参数1 的字符，保存，继续进行匹配。如果不匹配，直接返回。

而且会发现，其打印出来的内容和字符串不太一样啊？那如何才能只输出一个字符串呢？

【如果只要输出结果，可以输出  a.group()，无需传入参数，但很容易报错，这个目前我还没有弄清楚，容我搞清楚后再解释】

问题：那么开头不是a，会如何？

a = re.match('[a]', 'bbck')
print(a)

# None

因为第一个字母就不匹配，直接返回None

【match内部的构造我并不清楚，其match最初为一个空字符串，用来储存匹配结果，如果匹配结果为None，则输出时直接输出None；如果不为空，则会返回一个“属性”，标注span，相当于“范围”，类似于索引，从0开始，包头不包尾】

问题：方括号里能不能添加多个字符呢？

答：可以。

b = re.match('[abc]', 'ababccck')
print(b)

# <re.match object; span = (0, 1), match = 'a'>


c = re.match('[abc]', 'babccck')
print(c)

# <re.match object; span = (0, 1), match = 'b'>


d = re.match('[abc]', 'cbabccck')
print(c)

# <re.match object; span = (0, 1), match = 'c'>

看出什么门道了吗？

放置多个字符在方括号里，会匹配其中任意一个字符，不重复，直接停止。相当于 [] 里面的所有字符，占一个字符的位置。

那我要想重复输出怎么办？

隆重介绍一下重复类标识：

重复：

* 和 +

星号 * ：

表示：出现0次，1次，或多次。

a = re.match('[a]*', 'aqbcd')
print(a)

# <re.Match object; span=(0, 1), match='a'>


b = re.match('a*', 'aaa')
print(a)

# <re.Match object; span=(0, 3), match='aaa'>

加号 +:

表示出现多次。

a = re.match('b[a]+', 'baaaaaacd')
print(a)

# <re.Match object; span=(0, 7), match='baaaaaa'>

占位符：

点 .： 

占位，可以匹配任意字符。

a = re.match('b.', 'baaaaaacd')
print(a)

# <re.Match object; span=(0, 2), match='ba'>


a = re.match('b.*', 'baaaaaacd')
print(a)

# <re.Match object; span=(0, 9), match='baaaaaacd'>


a = re.match('b[.]*', 'baaaaaacd')
print('a', a)

# a <re.Match object; span=(0, 1), match='b'>

 发现：点放在方括号内部就失去了其功能。

补注号 ^：

^在方括号内部位置不同，所起的作用也不相同。

[^a]：表示与其匹配的字符串中第一个不可为a

[a^]：此时^相当于失去了作用的字符，没有太大用。

e = re.match('[^2]', 'kij2jj')
print(e)
# <re.Match object; span=(0, 1), match='k'>


e = re.match('[2^]', '2kij2jj')
print('e', e)
# e <re.Match object; span=(0, 1), match='2'>


e = re.match('[2^]', '2^kij2jj')
print('e', e)
# e <re.Match object; span=(0, 1), match='2'>

就算不匹配，也没问题，依然可以超常输出。

^在 "" 引号中就不太一样了：

e = re.match('2^', '2^kij2jj')
print('e', e)
# e None


e = re.match('^2', '2^kij2jj')
print('e', e)
# e <re.Match object; span=(0, 1), match='2'>


e = re.match('^2', '^kij2jj')
print('e', e)
# e None

这是，^在字符串开头表示：匹配的字符串开头必须是^后面的字符。

其他的符号容我慢慢学来。日拱一卒，功不唐捐。