Python 模式匹配和正则表达式
Python 模式匹配和正则表达式
7.2 用正则表达式查找文本模式
- '/d' 正则的数字字符
7.2.1 创建正则表达式对象
- re模块
import re #'re'正则表达式函数
re.compile() #'compile'方法，正则表达式匹配，返回regex对象
7.2.2 匹配Regrex对象
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d') #'r'，‘\’就是反斜杠，不是转义字符标识,'r'代表符号本来的意思
#print(r'That is job\'s cat.') => That is job\'s cat'
mo = phoneNumRegex.search('My number is 456-621-3254.')
print('phone number is ' + mo.group())
>>>phone number is 456-621-3254
7.3 用正则表达式匹配更多模式
7.3.0 不匹配时错误显示
batRegex = re.compile(r'Bat(wo)+man')
mo1 = batRegex.search('The Adventures of Batman') #在输入中正则未匹配到字符
mo1.group()
AttributeError: 'NoneType' object has no attribute 'group'
7.3.1 利用括号分组
phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
mo = phoneNumRegex.search('My number is 456-621-3254.')
mo.group(1) #分组1匹配到的字符串
>>>'456'
mo.group(2) #分组2匹配到的字符串(第二个括号内的正则规则)
>>>'621-3254'
mo.group(0)
>>>456-621-3254
7.3.2 用管道匹配多个分组('|')
heroRegex = re.compile(r'Batman|Tina Fey')
mo1 = heroRegex.search('Batman and Tina Fey.')
mo1.group()
>>>'Batman'
heroRegex = re.compile(r'Batman|Tina Fey')
mo1 = heroRegex.search('Tina Fey and Batman y.')
mo1.group()
>>>'Tina Fey'
7.3.3 用问号实现可选匹配（'?'零次或一次）
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'
7.3.4 用星号匹配零次或多次（'*'零次或多次）
batRegex = re.compile(r'Bat(wo)*man') #零次或多次
mo1 = batRegex.search('The Adventures of Batman') #(wo)匹配零次
mo1.group()
>>>'Batman'
mo2 = batRegex.search('The Adventures of Batwowowowoman') #(wo)匹配多次
mo2.group()
>>>'Batwowowowoman'
7.3.5 用加号匹配一次或多次（'+'一次或多次）
batRegex = re.compile(r'Bat(wo)+man')
mo1 = batRegex.search('The Adventures of Batwoman')
mo1.group()
>>>'Batwoman'
mo2 = batRegex.search('The Adventures of Batwowowoman')
mo2.group()
>>>'Batwowowoman'
7.3.6 用花括号匹配特定次数（'{ }'特定次数）
(ha){3} #匹配字符串'hahaha'
(ha){1,3} #匹配字符串'ha|haha|hahaha'其中一种情况
(ha){,5} #匹配字符串'ha'，0到5次
(ha){3,} #匹配3次或更多次实例
haRegex = re.compile(r'(Ha){3}')
mo1 = haRegex.search('HaHaHa')
mo1.group()
>>>'HaHaHa'
7.4 贪婪和非贪婪匹配
Python的正则表达式默认是'贪婪模式'
- 贪婪模式：尽可能匹配最长的字符串（默认模式）
- 非贪婪模式： 尽可能匹配最短的字符串（'{ }?'）
greedyHaRegex = re.compile(r'(Ha){3,5}') #默认模式‘贪婪’
mo1 = greedyHaRegex.search('HaHaHaHaHa')
mo1.group()
>>>'HaHaHaHaHa'
greedyHaRegex = re.compile(r'(Ha){3,5}?') #非贪婪匹配
mo2 = greedyHaRegex.search('HaHaHaHaHa')
mo2.group()
>>>'HaHaHa'
7.5 findall()方法
- search()： 只包含第一次出现的匹配
- findall()： 字符串中匹配的所有
# search()只包含第一次出现的匹配
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
mo = phoneNumRegex.search('Cell: 415-5555-9999 Work: 212-555-0000')
mo.group()
>>>'212-555-0000'
# findall()查找字符串中的所有匹配,
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000')
>>>['415-555-9999', '212-555-0000'] #无分组时，返回list类型的所有匹配
# findall()有分组时
phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)')
phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000')
>>>[('415', '555', '9999'), ('212', '555', '0000')] #有分组时，返回list内的tuple类型
7.6 字符分类
| 缩写字符分类 | 表示 |
|---|---|
| \D | 除0到9的数字以外的任何字符 |
| \d | 0到9的任何数字 |
| \w | 任何字母，数字，下划线字符（认为是匹配'单词'） |
| \W | 除字母，数字，下划线以外的任何字符 |
| \s | 空格，制表符，换行符（认为是匹配‘空格’字符） |
| \S | 除空格，制表符，换行符以外额任何字符 |
7.6.1 使用示例
xmasRegex = re.compile(r'\d+\s\w+') #匹配的文本有一个或多个数字(\d+),接下来是空格(\s),接下来是一个或多个字母，数字，下划线字符(\w+)
xmasRegex.findall('12 drummers, 11 pipers, 10 lords')
>>>['12 drummers', '11 pipers', '10 lords']
7.7 建立自己的字符分类
字符分类
-
[a-zA-Z0-9] 匹配所有小写字母，大写字母和数字
-
[^a-zA-Z] 匹配除大小写字母外其他字符
vowlRegex = re.compile(r'[a-zA-Z0-9]') #匹配大小写字母和数字 vowlRegex.findall('This year is 2020') >>>['T', 'h', 'i', 's', 'y', 'e', 'a', 'r', 'i', 's', '2', '0', '2', '0'] vowlRegex = re.compile(r'[0-9]') #只匹配数字 vowlRegex.findall('This year is 2020') >>>['2', '0', '2', '0'] vowlRegex = re.compile(r'[^0-9]') #除数字外的其他字符 vowlRegex.findall('This year is 2020') >>>['T', 'h', 'i', 's', ' ', 'y', 'e', 'a', 'r', ' ', 'i', 's', ' ']
7.8 ''^'和'$'
- ^ 匹配以正则某模式开始
- $ 字符串以正则某模式结束
7.8.1 示例
1 以某字符开头的内容
beginsWithHello = re.compile(r'^Hello')
beginsWithHello.search('Hello World')
>>><_sre.SRE_Match object; span=(0, 5), match='Hello'>
2 以数字结尾的字符串
endsWithNumber = re.compile(r'\d+$') #'\d+$'以数字结尾的一个或多个数字
endsWithNumber.search('Your number is 42')
>>><_sre.SRE_Match object; span=(15, 17), match='42'>
3 从开头到结尾全是数字的字符串
endsWithNumber = re.compile(r'^\d+$') #'^\d+$'开头到结尾全是数字的字符串
endsWithNumber.search('1234567890')
>>><_sre.SRE_Match object; span=(0, 10), match='1234567890'>
7.9 通配字符（'.'匹配一个字符）
它匹配除了换行之外的所有字符
atRegex = re.compile(r'.at')
atRegex.findall('The cat in the hat sat on the flat mat.')
>>>['cat', 'hat', 'sat', 'lat', 'mat']
7.9.1 匹配所有字符（'.*'任意字符）
它匹配除换行外的所有字符
nameRegex = re.compile(r'First Name:(.*) Last Name:(.*)') #'.*'表示匹配任意字符
mo = nameRegex.search('First Name:AL Last Name:Sweigart')
mo.group(1) #因为出现'()',所以通过'group()'来进行匹配
>>>'AL'
mo.group(2)
>>>'Sweigart'
-
贪婪模式： .*
-
nongreedyRegex = re.compile(r'<.*>') mo = nongreedyRegex.search('<To serve man> for dinner.>') mo.group() >>>'<To serve man> for dinner.>' -
非贪婪模式： .*?
-
nongreedyRegex = re.compile(r'<.*?>') mo = nongreedyRegex.search('<To serve man> for dinner.>') mo.group() >>>'<To serve man>'
7.9.2 're.DOTALL'匹配换行
noNewlineRegex = re.compile('.*')
noNewlineRegex.search('Serve the public trust. \nProtect the innocent.').group() #换行符('\n')后的内容无法匹配
>>>'Serve the public trust. '
noNewlineRegex = re.compile('.*', re.DOTALL)
noNewlineRegex.search('Serve the public trust. \nProtect the innocent.').group()
>>>'Serve the public trust. \nProtect the innocent.'
7.10 正则表达式符号复习
- ? 匹配零次或一次前面的分组
- * 匹配零次或多次前面的分组
- **+** 匹配一次或多次前面的分组
- **{n}** 匹配n次前面的分组
- **{n,}** 匹配n次或更多前面的分组
- *{n,m}* 匹配至少n次，至多m次前面的分组
- **{n,m}?**或*或+?对前面的分组进行非贪婪匹配
- ^spam 字符串必须以spam开头
- spam$ 字符串必须以spam结束
- *.* 匹配所有字符，除换行符以外
- *[abc]* 匹配方括号内的任意字符(比如a,b或c)
- [^abc] 匹配不在方括号内的任意字符
7.11 不区分大小写的匹配（re.I == re.IGNORECASE）
robocop = re.compile(r'robocop',re.I) #第二参数're.I'不区分大小写
robocop.search('RoboCop is part man').group()
>>>'RoboCop'
robocop.search('ROBOCOP protects the innocent.').group()
>>>'ROBOCOP'
robocop.search('roboCop so mush').group()
>>>'roboCop'
7.12 用sub()方法替换字符串
Regex对象的sub()需要传入两个参数,第一个参数要替换的字符串，第二个是用于匹配的内容
namesRegex = re.compile(r'Agent \w+')
namesRegex.sub('CENSORED', 'Agent Alice gave the secret documents to Agent Bob.') #用'CENSORED'替换正则匹配字符串
>>>'CENSORED gave the secret documents to CENSORED.'
namesRegex = re.compile(r'Agent (\w)\w*')
namesRegex.sub(r'\1****', 'Agent Alice told Agent Carol that Agent Eva knew') #'\1'分组1'(\w)''
>>>'A**** told C**** that E**** knew'
7.12.1 markdown需要转义的字符
\\ 反斜杠
\` 反引号
\* 星号
\_ 下划线
\{\} 大括号
\[\] 中括号
\(\) 小括号
\# 井号
\+ 加号
\- 减号
\. 英文句号
\! 感叹号
7.13 管理复杂的正则表达式
7.13.1 复杂的正则表达式
#复杂的正则表达式
phoneRegex = re.compile(r'((\d{3}|\(\d{3}\))?(\s|-|\.)?\d{3}(\s|-|\.)\d{4}(\s*(ext|x|ext.)\s*\d{2,5})?)')
7.13.2 简洁的正则表达式
phoneRegex = re.compile(r'''(
(\d{3}|\(\d{3}\))? #区号
(\s|-|\.)? #分隔符
\d{3} #3位数字
(\s|-|\.) #分隔符
\d{4} #4位数字
(\s*(ext|x|ext.)\s*d{2,5})? #扩展
)''', re.VERBOSE)
7.14 re.IGNORECASE,re.DOTALL，re.VERBOSE
- re.IGNORECASE: 忽略大小写
- re.DOTALL: 让局点字符匹配所有字符，包括换行字符
- re.VERBOSE: 忽略正则表达式字符串中的’空白符‘和’注释‘
永远不做思想的巨人，行动的矮子！
浙公网安备 33010602011771号