模式匹配与正则表达式

正则表达式匹配的几个步骤：

　　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）。
　　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。

正则表达式匹配更多模式：

　　1. 利用括号分组：group() 和groups() 方法。

>>> phoneNumRegex = re.compile(r'(ddd)-(ddd-dddd)')
>>> mo = phoneNumRegex.search('My number is 415-555-4242.')
>>> mo.group(1)
'415
>>> mo.group(2)
'555-4242'
>>> mo.group(0)
'415-555-4242'
>>> mo.group()
'415-555-4242'
>>> mo.groups()
('415', '555-4242')
>>> areaCode, mainNumber = mo.groups()
>>> print(areaCode)
415
>>> print(mainNumber)
555-4242
>>> phoneNumRegex = re.compile(r'((ddd)) (ddd-dddd)')
>>> mo = phoneNumRegex.search('My phone number is (415) 555-4242.')
>>> mo.group(1)
'(415)'
>>> mo.group(2)
'555-4242'

　　2. 用管道匹配多个分组： "|" 第一次出现的匹配文本将作为Match对象返回。

>>> heroRegex = re.compile (r'Batman|Tina Fey')
>>> mo1 = heroRegex.search('Batman and Tina Fey.')
>>> mo1.group()
'Batman'
>>> mo2 = heroRegex.search('Tina Fey and Batman.')
>>> mo2.group()
'Tina Fey'
>>> batRegex = re.compile(r'Bat(man|mobile|copter|bat)')
>>> mo = batRegex.search('Batmobile lost a wheel')
>>> mo.group()
'Batmobile'
>>> mo.group(1)
'mobile

　　3. 用问号实现可选匹配： "?" 不论这段文本在不在， 正则表达式
　　　 都会认为匹配

>>> 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'
>>> 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

>>> 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

　　5.用加号匹配一次或多次： "+"则意味着“ 匹配一次或多次”

>>> batRegex = re.compile(r'Bat(wo)+man')
>>> mo1 = batRegex.search('The Adventures of Batwoman')
>>> mo1.group()
'Batwoman'
>>> mo2 = batRegex.search('The Adventures of Batwowowowoman')
>>> mo2.group()
'Batwowowowoman'
>>> mo3 = batRegex.search('The Adventures of Batman')
>>> mo3 == None
True

　　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,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.

>>> haRegex = re.compile(r'(Ha){3}')
>>> mo1 = haRegex.search('HaHaHa')
>>> mo1.group()
'HaHaHa'
>>> mo2 = haRegex.search('Ha')
>>> mo2 == None
True

贪心和非贪心匹配：

　　Python 的正则表达式默认是“ 贪心” 的，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
　　

>>> 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'

 findall() 和search() 方法：

　　search()方法： 返回一个 Match对象， 包含被查找字符串中的“ 第一次” 匹配的文本
　　　　　　　　    

>>> phoneNumRegex = re.compile(r'ddd-ddd-dddd')
>>> mo = phoneNumRegex.search('Cell: 415-555-9999 Work: 212-555-0000')
>>> mo.group()
'415-555-9999'

　　findall()方法：返回一组
　　　　　　　　   字符串， 包含被查找字符串中的所有匹配findall()不是返回一个 Match 对象， 而是返回一个字符串列表，

　　　　　　　　   只要在正则表达式中没有分组。列表中的每个字符串都是一段被查找的文本， 它匹配该正则表达式。　

>>> phoneNumRegex = re.compile(r'ddd-ddd-dddd') # has no groups
>>> phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000')
['415-555-9999', '212-555-0000']

　　　　　　如果在正则表达式中有分组， 那么 findall 将返回元组的列表

>>> phoneNumRegex = re.compile(r'(ddd)-(ddd)-(dddd)') # has groups
>>> phoneNumRegex.findall('Cell: 415-555-9999 Work: 212-555-0000')
[('415', '555', '1122'), ('212', '555', '0000')]

字符分类

　　　　缩写字符分类 表示
　　　　　　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

　　　　　　字符分类[0-5]只匹配数字 0 到 5

>>> xmasRegex = re.compile(r'd+sw+')
>>> xmasRegex.findall('12 drummers, 11 pipers, 10 lords, 9 ladies, 8 maids, 7
swans, 6 geese, 5 rings, 4 birds, 3 hens, 2 doves, 1 partridge')
['12 drummers', '11 pipers', '10 lords', '9 ladies', '8 maids', '7 swans', '6
geese', '5 rings', '4 birds', '3 hens', '2 doves', '1 partridge']

建立自己的字符分类：

　　1.字符分类[aeiouAEIOU]将匹配所有元音字符， 不论大小写

>>> vowelRegex = re.compile(r'[aeiouAEIOU]')
>>> vowelRegex.findall('RoboCop eats baby food. BABY FOOD.')
['o', 'o', 'o', 'e', 'a', 'a', 'o', 'o', 'A', 'O', 'O']

　　2.也可以使用短横表示字母或数字范围：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字符分类将匹配

　　　数字 0 到 5 和一个句点。你不需要将它写成[0-5.]

　　3.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。

>>> consonantRegex = re.compile(r'[^aeiouAEIOU]')
>>> consonantRegex.findall('RoboCop eats baby food. BABY FOOD.')
['R', 'b', 'c', 'p', ' ', 't', 's', ' ', 'b', 'b', 'y', ' ', 'f', 'd', '.', '
', 'B', 'B', 'Y', ' ', 'F', 'D', '.']

插入字符和美元字符：

　　1.可以在正则表达式的开始处使用插入符号（ ^），表明匹配必须发生在被查找文本开始处。

　　2.可以再正则表达式的末尾加上美元符号（ $），表示该字符串必须以这个正则表达式的模式结束。

>>> beginsWithHello = re.compile(r'^Hello')
>>> beginsWithHello.search('Hello world!')
<_sre.SRE_Match object; span=(0, 5), match='Hello'>
>>> beginsWithHello.search('He said hello.') == None
True

>>> endsWithNumber = re.compile(r'd$')
>>> endsWithNumber.search('Your number is 42')
<_sre.SRE_Match object; span=(16, 17), match='2'>
>>> endsWithNumber.search('Your number is forty two.') == None
True

>>> wholeStringIsNum = re.compile(r'^d+$')
>>> wholeStringIsNum.search('1234567890')
<_sre.SRE_Match object; span=(0, 10), match='1234567890'>
>>> wholeStringIsNum.search('12345xyz67890') == None
True
>>> wholeStringIsNum.search('12 34567890') == None
True

通配字符:

　　1.在正则表达式中，.（句点）字符称为“通配符”，句点字符只匹配一个字符。

>>> atRegex = re.compile(r'.at')
>>> atRegex.findall('The cat in the hat sat on the flat mat.')
['cat', 'hat', 'sat', 'lat', 'mat']

　　2.用点-星匹配所有字符（ .*）：

>>> nameRegex = re.compile(r'First Name: (.*) Last Name: (.*)')
>>> mo = nameRegex.search('First Name: Al Last Name: Sweigart')
>>> mo.group(1)
'Al'
>>> mo.group(2)
'Sweigart'

　　3. 点-星使用“贪心” 模式：它总是匹配尽可能多的文本。要用“非贪心” 模式匹配所有文本， 就使用点-星和问号

>>> nongreedyRegex = re.compile(r'<.*?>')
>>> mo = nongreedyRegex.search('<To serve man> for dinner.>')
>>> mo.group()
'<To serve man>'
>>> greedyRegex = re.compile(r'<.*>')
>>> mo = greedyRegex.search('<To serve man> for dinner.>')
>>> mo.group()
'<To serve man> for dinner.>'

 　　4. 用句点字符匹配换行

　　　　点-星将匹配除换行外的所有字符。通过传入 re.DOTALL 作为 re.compile()的第
　　　　二个参数， 可以让句点字符匹配所有字符， 包括换行字符

>>> noNewlineRegex = re.compile('.*')
>>> noNewlineRegex.search('Serve the public trust.
Protect the innocent.

Uphold the law.').group()
'Serve the public trust.'
>>> newlineRegex = re.compile('.*', re.DOTALL)
>>> newlineRegex.search('Serve the public trust.
Protect the innocent.
Uphold the law.').group()
nUphold the law.').group()
'Serve the public trust.
Protect the innocent.
Uphold the law.'

正则表达式符号总结：

　　?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。
　　{,m}匹配零次到 m 次前面的分组。
　　{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心匹配。
　　^spam 意味着字符串必须以 spam 开始。
　　spam$意味着字符串必须以 spam 结束。
 　 .匹配所有字符，换行符除外。
 　 d、 w 和s 分别匹配数字、单词和空格。
　　D、 W 和S 分别匹配出数字、单词和空格外的所有字符。
　　[abc]匹配方括号内的任意字符（诸如 a、 b 或 c）。
　　[^abc]匹配不在方括号内的任意字符。

不区分大小写的匹配：

　　可以向 re.compile()传入 re.IGNORECASE 或 re.I，作为第二个参数。

>>> robocop = re.compile(r'robocop', re.I)
>>> robocop.search('RoboCop is part man, part machine, all cop.').group()
'RoboCop'
>>> robocop.search('ROBOCOP protects the innocent.').group()
'ROBOCOP'
>>> robocop.search('Al, why does your programming book talk about robocop so much?').group()
'robocop

用sub()方法替换字符串：