Python 编程快速上手 第 7章 模式匹配与正则表达式

>>> 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', '.'] 

7.1 不用正则表达式来查找文本模式

7.2 用正则表达式查找文本模式

正则表达式，简称为 regex，是文本模式的描述方法

7.2.1 创建正则表达式对象

7.2.2 匹配 Regex 对象

>>> phoneNumRegex = re.compile(r'ddd-ddd-dddd')
>>> mo = phoneNumRegex.search('My number is 415-555-4242.')
>>> print('Phone number found: ' + mo.group())


Phone number found: 415-555-4242 

7.2.3 正则表达式匹配复习

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。

7.3 用正则表达式匹配更多模式

7.3.1 利用括号分组

>>> 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' 
#如果想要一次就获取所有的分组，请使用 groups()方法，注意函数名的复数形式
>>> mo.groups()
('415', '555-4242')
>>> areaCode, mainNumber = mo.groups()
>>> print(areaCode)
415
>>> print(mainNumber)
555-4242

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'
>>> mo2 = heroRegex.search('Tina Fey and Batman.')
>>> mo2.group()
'Tina Fey'
#Batman 和 Tina Fey 都出现在被查找的字符串中，第一次出现的匹配文本，
将作为 Match 对象返回。

>>> batRegex = re.compile(r'Bat(man|mobile|copter|bat)')
>>> mo = batRegex.search('Batmobile lost a wheel')
>>> mo.group()
'Batmobile'
>>> mo.group(1)
'mobile'

7.3.3 用问号实现可选匹配

>>> 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'

7.3.4 用星号匹配零次或多次

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

7.3.5 用加号匹配一次或多次

7.3.6 用花括号匹配特定次数

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

7.4 贪心和非贪心匹配

>>> 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'

7.5 findall()方法

>>> 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')]

 

7.7 建立自己的字符分类

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']

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

>>> 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', '.'] 

7.8 插入字符和美元字符

正则表达式 r'^Hello'匹配以'Hello'开始的字符串。

>>> 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

正则表达式 r'd$'匹配以数字 0 到 9 结束的字符串

>>> 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

正则表达式 r'^d+$'匹配从开始到结束都是数字的字符串

>>> 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