Python--Demo14--正则表达式

我们使用办公软件如Word、Excel等工具的时候，如果我们想搜索某个字符、人名等，就会使用CTRL+F，进行搜索。

在Python中给我们提供的有正则表达式来查找文本：

正则表达式对象：Python中所有的正则表达式的函数都在re模块中。

比如我们使用re模块匹配日期：

>>> import re
>>> myexpress=re.compile(r'd{4}-d{1,2}-d{1,2}')
>>> myexpress
re.compile('\d{4}-\d{1,2}-\d{1,2}')
>>> type(myexpress)
<class 're.Pattern'>
>>> result=myexpress.search('我在1998-7-1日去过北京')
>>> result
<re.Match object; span=(2, 10), match='1998-7-1'>
>>> result.group()
'1998-7-1'
>>> type(result)
<class 're.Match'>

说明：

• 导入re模块
• 使用re.compile()创建一个Regex对象
• 向Regex对象的search()方法传入先查找的字符串，它会返回一个Match对象
• 调用Match对象的group()对象可以得到匹配到的文本

注意：

• compile()里面传递的规则是以r开头的字符串，使用r这样的原始字符串解释为了解决正则表达中出现的反斜杠
• search()就匹配一次

正则表达的分组匹配模式：

一个()是一组，正则表达式中如果出现多个()，那么使用group()方法的时候得向group()中传入整数作为下标。其实我们还可以通过groups()来获取所有分组的匹配数据，那么groups()返回的是一个tuple。

>>> group_express= re.compile(r'(d{4})-(d{1,2})-(d{1,2})')
>>> group_express
re.compile('(\d{4})-(\d{1,2})-(\d{1,2})')
>>> matchs=group_express.search('在1993-12-26号的时候他出生了，那2020-2-22的时候他几岁？')
>>> matchs
<re.Match object; span=(1, 11), match='1993-12-26'>
>>> matchs.group(0)
'1993-12-26'
>>> matchs.group(1)
'1993'
>>> matchs.group(2)
'12'
>>> matchs.group(3)
'26'
>>> match_tuple=matchs.groups()
>>> match_tuple
('1993', '12', '26')

说明：使用几个()，可以将正则表达式进行分组；match对象调用groups()方法得到的是一个元组。

findall()方法：

该方法能够返回一组字符串，包含整个字符串中的所有匹配。findall返回的是个列表。

>>> import re
>>> reg=re.compile(r'd{4}-d{1,2}-d{1,2}')
>>> mylis=reg.findall('我在1984-7-11日，在波尔多酒庄买到了一瓶1573-12-1日生产的洋河天之蓝')
>>> mylis
['1984-7-11', '1573-12-1']

字符分类：字符分类就是为了缩短正则表达式长度而诞生的。

• 数字使用d表示
• 数字、字母、下划线使用w表示
• 空格、制表符、换行符等这样的空白符号（space）使用s表示

>>> mystr='''
... woshinide  xiaoya xiapingguo
...     zenme aini 1314 wodou bu xianduo'''
>>> mystr
'
woshinide  xiaoya xiapingguo	
	zenme aini 1314 wodou bu xianduo'
>>> space_lis=re.compile(r's+').findall(mystr)
>>> space_lis
['
', '  ', ' ', '	
	', ' ', ' ', ' ', ' ', ' ']
>>> number_lis=re.compile(r'd+').findall(mystr)
>>> number_lis
['1314']
>>> char_lis=re.compile(r'[a-z]+').findall(mystr)
>>> char_lis
['woshinide', 'xiaoya', 'xiapingguo', 'zenme', 'aini', 'wodou', 'bu', 'xianduo']

说明：

• [abc]、[a-z]、[0-9]~~~表示的是一个集合，只要某个字符出现在这个集合中就算能够匹配上，如对于[adb]而言,ab10匹配出来的就是ab；
• {n,m}~~~表示限定出现次数，比如d{1,2}表示出现一个或两个数字，如：22、2、02这样都可以匹配上；
• +~~~表示出现一次或多次,如d+而言，10100101103s-121u，就能够匹配出来10100101103和121;
• *~~~表示出现零次或多次,这个范围就比较大了，例如上面的我们把[a-z]+改成[a-z]*结果就大不相同了。

插入字符(^)和美元字符()$:

一个表示匹配开始--比如r'^Hello'，表示以Hello开始的字符串能够匹配上；

一个表示匹配结束--比如r'Hello$'，表示以Hello结束的字符串能够匹配上。

>>> ex=re.compile(r'^d+$')
>>> str1='asdfasdf322qw4123'
>>> str2='12123s8dasdf8112'
>>> str3='1212312312312312'
>>> ex.findall(str1)
[]
>>> ex.findall(str2)
[]
>>> ex.findall(str3)
['1212312312312312']

split()方法：

和字符串类型中的split()将字符串按照某个字符分割成列表是一样的,只不过我们这里是按照规则拆分成列表。

>>> sp_str='12-121212*2314sdsfs*asdfask-32fq3'
>>> re.split(r'[-*]',sp_str)
['12', '121212', '2314sdsfs', 'asdfask', '32fq3']

字符串不识别连续空格，下面这个例子能看出来正则的split()比str的split()要厉害的地方：

>>> sss.split(' ')
['我', '', '', '爱你', '', '宝宝']
>>> sss='我   爱你  宝宝'
>>> sss.split(' ')
['我', '', '', '爱你', '', '宝宝']
>>> re.split(r's+',sss)
['我', '爱你', '宝宝']

说明：字符串不能识别连续空格，所以最后我们使用字符串的分割函数难以达到效果。

sub()方法:

类似字符串类型中的replace()方法，第一个参数是规则，第二个参数是拿来用于替换的，第三个是目标字符串，第四个参数是替换次数。

>>> ss='小了白了兔白了又了白'
>>> re.sub(r'了','',ss)
'小白兔白又白'