Python正则表达式模块（re模块）

Posted 2020-08-12

　　Python是我接触到的第一门编程语言，虽然它足够简单，但是对于当时刚刚接触编程语言的我来说还是有些难度的，于是只是了解了一些Python的基本语法，稍微深入一点的地方都没怎么了解。不过，到现在为止，我已经接触了这门编程语言一年了，期间把Python各种特性，各种包都看过，了解过。不过对于正则表达式这块仍然一知半解，加上前段时间帮助聪哥整理了<深入Python3>的中文维护版，凑上这个国庆假期，于是来简单的聊一聊这个正则表达式模块--re。

　　首先是字符串中字符的替换问题，如果使用原生的Python方法，一般就是采用 replace 方法，下面我们采用re.sub方法同它进行比较。

第一个案例：我们的目标是把ROAD替换成RD.

　　似乎replace方法工作的不错阿，完成了我给定的任务。如果是下面这个例子呢？

　　这里很明显已经出现了问题，因为这个字符串中含有BROAD，其中也有ROAD四个字符，但是我们的目标并没有要求替换它。这里它也被替换成了BRD. ，这已经足以说明replace方法的局限性。当然，如果我们设计得当，这个方法也能用。

　　使用切片，我们也能做到这一点，仅仅把最后面的四个字符替换。不过，这种算法也有局限性，如果我们要将STREET 替换为ST. ，我们是不是应该保留最后面的六个字符？这样，每次替换都要修改代码，并且很容易造成错误，对于调试来说很麻烦。

　　那么让我们来试一下re.sub方法。

　　注意第一个参数，‘ROAD$’，其中美元符代表了字符串的结尾，也就是说匹配结尾的ROAD字符。同样的 ，^ 代表字符串的开头。我很快发现， 有时候ROAD不一定在字符串的结尾，比如： s = ‘100 BROAD ROAD APT.3‘，此时，上面的方法就不适用了，没关系，我们还有\b。

　　是不是很神奇？\b在左侧意味着左侧是个空格，在右侧意味着右侧是个空格，因此两侧\b就是说，ROAD是一个独立的单词。也就是把独立的ROAD换成RD.，这和我们的目标相同。

 

第二个案例：罗马数字的匹配

　　在罗马数字中，用七个字母组合来表示数字。

　　I = 1

　　V = 5

　　X = 10

　　L = 50

　　C = 100

　　D = 500

　　M = 1000

下面是几个通常的规则来构成罗马数字：

　　大部分时候用字符相叠加来表示数字。I是1， II是2， III是3。VI是6（挨个看来，是“5 和 1”的组合），VII是7，VIII是8。

　　含有10的字符（I，X，C和M）最多可以重复出现三个。为了表示4，必须用同一位数的下一个更大的数字5来减去一。不能用IIII来表示4，而应该是IV（意思是比5小1）。40写做XL（比50小10），41写做XLI，42写做XLII，43写做XLIII，44写做XLIV（比50小10并且比5小1）。

　　有些时候表示方法恰恰相反。为了表示一个中间的数字，需要从一个最终的值来减。比如：9需要从10来减：8是VIII，但9确是IX（比10小1），并不是VIII（I字符不能重复4次）。90是XC，900是CM。

　　表示5的字符不能在一个数字中重复出现。10只能用X表示，不能用VV表示。100只能用C表示，而不是LL。

　　罗马数字是从左到右来计算，因此字符的顺序非常重要。DC表示600，而CD完全是另一个数字400（比500小100）。CI是101，IC不是一个罗马数字（因为你不能从100减1，你只能写成XCIX，表示比100小10，且比10小1）。

对于千位数的匹配：

　　我们设定匹配模式是三个M，其中‘?’代表了这个参数是可选的，即三个可选的M参数。

　　第一次匹配M时，从^(字符串开头)开始匹配，匹配到一个M，另外两个由于是可选的，因此跳过，然后匹配到$(字符串结尾)，匹配完成，返回一个匹配对象。第二，第三次匹配军成功。第四次匹配时，由于最多只能匹配上三个M，而给了四个M，因此在匹配完三个M时寻找$时，寻找不到，因此匹配失败，返回None。

　　值得注意的时，因为三个参数都是可选的，因此空字符串也能匹配上。

对于百位数的匹配：

　　100 = C

　　200 = CC

　　300 = CCC

　　400 = CD

　　500 = D

　　600 = DC

　　700 = DCC

　　800 = DCCC

　　900 = CM

因此有以下四种匹配模式：

　　CM

　　CD

　　可能有0到3个字符C（0个表示千位为0）。

　　D紧跟在0到3个字符C的后面。

其中后两种可以合并为一种：

　　一个可选的D，后面跟着0到3个字符C。

　　此时，匹配模式中即包含千位，也包含百位。 ‘|’就是逻辑运算中或的意思，当出现几种情况并行时使用，当其中一个条件满足时，就停止执行后面的条件。

　　同样可以发现，空字符也是可以被匹配上的。

同理，我们分析了十位和个位的法则，也可以匹配上。

正则表达式非常强大，但它也并不是解决每一个问题的正确答案。你需要更多的了解来判断哪些情况适合使用正则表达式。某些时候它可以解决你的问题，某些时候它可能带来更多的问题。

预留问题：

1.“115.28.66.99[port=8080]”,这个字符串表示IP地址为115.28.66.99的服务器的8080端口是打开的，请用程序解析此字符串，然后打印出“IP地址为***的服务器的***端口是打开的”。

2.“115.28.66.99[port=21,type=ftp]”，这个字符串表示IP地址为115.28.66.99的服务器的21端口提供的是ftp服务，其中如果“,type=ftp”部分被省略，则默认为http服务。请用程序解析此字符串，然后打印出“IP地址为***的服务器的***端口提供的服务为***”