书籍正则

Posted 2021-01-23 yfjly

1 正则表达式，简称为regex，是文本模式的描述方法。例如，d 是一个正则表达式，表示一位数字字符，即任何一位 0 到 9 的数字

  虽然在Python中使用正则表达式有几个步骤，但每一步都相当简单。

  1．用import re导入正则表达式模块。

  2．用re.compile()函数创建一个Regex对象（记得使用原始字符串）

*意味着“匹配零次或多次”，+（加号）则意味着“匹配一次或多次”。星号不要求分组出现在匹配的字符串中，但加号不同，加号前面的分组

  3．向Regex对象的search()方法传入想查找的字符串。它返回一个Match对象。 

   4．调用Match对象的group()方法，返回实际匹配文本的字符串

代码举例

import re

message = ‘my phone number is 415-555-1011 .‘

phone_search = re.compile(‘d{3}-d{3}-d{4}‘)
mo = phone_search.search(message)
print(mo.group())

View Code

字符|称为“管道”。希望匹配许多表达式中的一个时，就可以使用它。例如，正则表达式r‘Batman|Tina Fey‘将匹配‘Batman‘或‘Tina Fey‘。

heroRegex = re.compile(r‘fin|tian|an|and‘)
message2 = ‘I can be fin and tian an men‘
mo2 = heroRegex.search(message2)
print(mo2.group())

View Code

你可以认为?是在说，“匹配这个问号之前的分组零次或一次”。

如果需要匹配真正的问号字符，就使用转义字符?。

>>> phoneRegex = re.compile(r‘(ddd-)?ddd-dddd‘)
>>> mo1 = phoneRegex.search(‘My number is 415-555-4242‘)
>>> mo1.group()
‘415-555-4242‘
>>> mo2 = phoneRegex.search(‘My number is 555-4242‘)
>>> mo2.group()
‘555-4242‘

？

 

4 用星号匹配零次或多次

  *（称为星号）意味着“匹配零次或多次”，即星号之前的分组，可以在文本中出现任意次。它可以完全不存在，或一次又一次地重复。让我们再来看看Batman的例子。
  >>> batRegex = re.compile(r‘Bat(wo)*man‘)
>>> mo1 = batRegex.search(‘The Adventures of Batman‘)
>>> mo1.group()
‘Batman‘

>>> mo2 = batRegex.search(‘The Adventures of Batwoman‘)
>>> mo2.group()
‘Batwoman‘

>>> mo3 = batRegex.search(‘The Adventures of Batwowowowoman‘)
>>> mo3.group()
‘Batwowowowoman‘


  对于‘Batman‘，正则表达式的(wo)部分匹配wo的零个实例。对于‘Batwoman‘，(wo)匹配wo的一个实例。对于‘Batwowowowoman‘，(wo)*匹配wo的4个实例。

  如果需要匹配真正的星号字符，就在正则表达式的星号字符前加上倒斜杠，即*。

星号*

 

 

*意味着“匹配零次或多次”，+（加号）则意味着“匹配一次或多次”。星号不要求分组出现在匹配的字符串中，但加号不同，加号前面的分组必须“至少出现一次”。

加号+

 

7.3.6 用花括号匹配特定次数

  如果想要一个分组重复特定次数，就在正则表达式中该分组的后面，跟上花括号包围的数字。例如，正则表达式(Ha){3}将匹配字符串‘HaHaHa‘，但不会匹配‘HaHa‘，因为后者只重复了(Ha)分组两次。

  除了一个数字，还可以指定一个范围，即在花括号中写下一个最小值、一个逗号和一个最大值。例如，正则表达式(Ha){3,5}将匹配‘HaHaHa‘、‘HaHaHaHa‘和‘HaHaHaHaHa‘。

  也可以不写花括号中的第一个或第二个数字，不限定最小值或最大值。例如，(Ha){3,}将匹配3次或更多次实例，(Ha){,5}将匹配0到5次实例。花括号让正则表达式更简短

花括号

Python的正则表达式默认是“贪心”的，这表示在有二义的情况下，它们会尽可能匹配最长的字符串。花括号的“非贪心”版本匹配尽可能最短的字符串，即在结束的花括号后跟着一个问号

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

>>> nongreedyHaRegex = re.compile(r‘(Ha){3,5}?‘)
>>> mo2 = nongreedyHaRegex.search(‘HaHaHaHaHa‘)
>>> mo2.group()
‘HaHaHa‘

贪心和非贪心

1．如果调用在一个没有分组的正则表达式上，例如ddd-ddd-dddd，方法findall()将返回一个匹配字符串的列表，例如[‘415-555-9999‘, ‘212-555-0000‘]。
2．如果调用在一个有分组的正则表达式上，例如(ddd)-(ddd)-(dddd)，方法findall()将返回一个字符串的元组的列表（每个分组对应一个字符串），例如[(‘415‘, ‘555‘, ‘1122‘), (‘212‘, ‘555‘, ‘0000‘)]

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、制表符和换行符以外的任何字符

有时候你想匹配一组字符，但缩写的字符分类太宽泛。你可以用方括号定义自己的字符分类。例如，字符分类[aeiouAEIOU]将匹配所有元音字符，不论大小写也可以使用短横表示字母或数字的范围。例如，字符分类[a-zA-Z0-9]将匹配所有小写字母、大写字母和数字。

  请注意，在方括号内，普通的正则表达式符号不会被解释。这意味着，你不需要前面加上倒斜杠转义.、*、?或()字符zi

自定义匹配类型

 

通过在字符分类的左方括号后加上一个插入字符（^），就可以得到“非字符类”。非字符类将匹配不在这个字符类中的所有字符