python 基础 正则表达式

Posted 2020-07-10

对于许多需要处理文本来说的技术工程师，必须对Python正则表达式有一个全面深入的认识，不但要深入理解下什么是Python正则表达式，还要对Python正则表达式字符有所认识。

此外，还有少数字符比较特殊，它们和自身并不匹配，而是跟其字面值之外的一些特殊的东西匹配，这些东西可能是字符集、重复次数或者位置等。常用的元字符包括：

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

　对于这些特殊字符，本文会陆续加以介绍。不过我们这里先了解一下用来匹配字符的元字符。首先，句点“.”这个元字符通常用于想匹配“任何字符”的地方：一般情况下，它匹配除换行字符之外的任何字符;但是在alternate模式(re.DOTALL)下，它匹配真正意义上的任何字符，包括换行字符在内

我们接下来考察的元字符是“[”和“]”。它们常配对用来指定想匹配的一个字符集合，也就是说该集合内的任何一个元素都能满足我们的要求。集合内的字符可以单个列出，如果这些字符是连续的也可以用“-”号分隔的两个给定字符来指定一个字符范围。

例如，[abc]将匹配“a”、“b”或“c”中的任意一个字符;当然也可以用区间[a-c]来表示同一字符集，这两者表示方法是等效的。如果想匹配字符串中的所有元音字母，则可使用下列代码：

import re 
def re_show(pat, s):
     print (re.compile(pat, re.M).sub("{\g<0>}", s.rstrip()),)
s = ‘‘‘In company or association with respect to place or time; as, to live together in one house; to live together in the same age; they walked together to the town.‘‘‘ 
re_show(r"[aeiou]",s) ‘------运行结果如下所示：------‘ In c{o}mp{a}ny {o}r 
{a}ss{o}c{i}{a}t{i}{o}n w{i}th r{e}sp{e}ct t{o} pl{a}c{e} {o}r t{i}m{e}; {a}s, t{o} l{i}v{e} t{o}g{e}th{e}r {i}n {o}n{e} h{o}{u}s{e}; t{o} l{i}v{e} t{o}g{e}th{e}r {i}n th{e} s{a}m{e} {a}g{e}; th{e}y w{a}lk{e}d t{o}g{e}th{e}r t{o} th{e} t{o}wn. 

　　

对于字符集合有一点需要特别注意，就是元字符在方括号中会“降级”为普通字符。例如，[a.]将匹配字符“a”或“.”中的任意一个;前面说过“.”通常用作元字符。但在字符集合里，其特殊性将被剥夺，恢复成普通字符。这一点读者可以自己改动一下上面的代码来实验一下。

有时需要查找不属于某个字符集合的字符。比如想查找除了数字6以外，其它任意字符都行的情况，这时需要用到反义：其做法是把元字符“^”作为集合的首个字符，例如，[^5] 将匹配除“6”之外的任意字符。

反斜杠“\”是一种非常重要的元字符。我们知道在Python的字符串中，反斜杠也是作为一种特殊字符(或转义字符)使用，后面可以跟不同的字符以表示不同特殊意义;它也可以用于取消所有的元字符，这样你就可以在模式中匹配它们了。举个例子，如果你需要匹配字符“\”，你可以在其之前用反斜杠来取消它们的特殊意义：\\。

\d 匹配任何十进制数;它等价于字符集合[0-9]。\D 匹配任何非数字字符;它等价于字符集合[^0-9]。\s 匹配任何空白字符;它等价于字符集合[ \t\n\r\f\v]。\S 匹配任何非空白字符;它等价于字符集合[^ \t\n\r\f\v]。\w 匹配任何字母数字下划线字符;它等价于字符集合[a-zA-Z0-9_]。\W 匹配任何非字母数字下划线字符;它等价于字符集合[^a-zA-Z0-9_]。