python——正则表达式

要使用正则表达式就需要将re模块导入

import re

首先就是创建一个正则表达式对象

向re.compile()传入一个字符串值，表示正则表达式，它将返回一个Regex 模式对象（或者就简称为Regex 对象）。

 

有了这个对象就可以调用这个模块当中的匹配函数了

 

首先介绍的就是search()方法

它查找传入的字符串，寻找该正则表达式的所有匹配。如果字符串中没有找到该正则表达式模式，search()方法将返回None。如果找到了该模式，search()方法将返回一个Match 对象。Match 对象有一个group()方法，它返回被查找字符串中实际匹配的文本。

关于这个group（）还有一些其他的用法

当我们的正则表达式添加了括号进行分组的时候，可以使用group()匹配对象方法，从一个分组中获取匹配的文本。

正则表达式字符串中的第一对括号是第1 组。第二对括号是第2 组。向group()匹配对象方法传入整数1 或2，就可以取得匹配文本的不同部分。向group()方法传入0 或不传入参数，将返回整个匹配的文本。

import re

phone_number=re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')

txt=phone_number.search('My number is 415-555-4242.')

print('Phone number is:'+txt.group())

》》

415-555-4242

import re

phone_number1 = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')

mo = phone_number1.search('My number is 415-555-4242.')

print(mo.group())

print(mo.group(1))

print(mo.group(2))

print(mo.group(0))

》》

415-555-4242

415

555-4242

415-555-4242

其中有一个需要注意的就是正则表达式里面的符号  注意一定要统一用英文符号（要不就会找不到匹配  但是你要是没有去判断程序就直接会弹出错误）

eg：AttributeError: 'NoneType' object has no attribute 'group'

我们在有了大致的理解以后，就来系统的看下正则表达式

1.管道

当我们想要匹配许多表达式中的一个时，就可以使用“管道”-》“字符 |”

如果有好几个匹配到，第一个出现的匹配文本将作为Match对象返回

关于具体的使用可以来看下例子：

(r'Batman|Tina Fey')

(r'Bat(man|mobile|copter|bat)')

2.问号——可选匹配

当我们想匹配的模式是可选的。就是说，不论这段文本在不在，正则表达式都会认为匹配。字符?表明它前面的分组在这个模式中是可选的。

(r'Bat(wo)?man')

它其实就相当于(r'Batwoman|Batman')

3.星号——任意次匹配

*（称为星号）意味着“匹配零次或多次”，即星号之前的分组，可以在文本中出现任意次。它可以完全不存在，或一次又一次地重复。

4.加号——至少一次匹配

+（加号）则意味着“匹配一次或多次”。星号不要求分组出现在匹配的字符串中，但加号不同，加号前面的分组必须“至少出现一次”。这不是可选的。

5.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。例如，正则表达式(Ha){3}将匹配字符串'HaHaHa'，但不会匹配'HaHa'，因为后者只重复了(Ha)分组两次。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。

例如，正则表达式(Ha){3,5}将匹配'HaHaHa'、'HaHaHaHa'和'HaHaHaHaHa'。

也可以不写花括号中的第一个或第二个数字，不限定最小值或最大值。

例如，(Ha){3,}将匹配3 次或更多次实例，(Ha){,5}将匹配0 到5 次实例。

到了这个地方就有一个问题 类似于(Ha){3,5}的例子，为什么Match 对象的group()调用会返回'HaHaHaHaHa'，而不是更短的可能结果。这是因为python的正则表达式默认是“贪心”的，这表示在有二义的情况下，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，即在结束的花括号后跟着一个问号

(r'(Ha){3,5}')

(r'(Ha){3,5}?')

6.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

7.方括号——自定义字符

可以使用短横表示字母或数字的范围

有一个需要注意的就是在方括号内，普通的正则表达式符号不会被解释。这意味着，你不需要前面加上倒斜杠转义.、*、?或()字符。

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。

8.插入字符与美元符号

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。类似地，可以再正则表达式的末尾加上美元符号（$），表示该字符串必须以这个正则表达式的模式结束。可以同时使用^和$，表明整个字符串必须匹配该模式，也就是说，只匹配该字符串的某个子集是不够的。

9.‘.’——通配符

它匹配除了换行之外的所有字符。

10.‘.*’——所有字符

（.*）表示“任意文本”

11.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。

re.compile('.*', re.DOTALL)

12.大小写匹配

默认是区分大小写的，要让正则表达式不区分大小写，可以向re.compile()传入re.IGNORECASE 或re.I，作为第二个参数。

compile(r'robocop', re.I)

13.管理复杂的正则表达式

匹配复杂的文本模式，可能需要长的、费解的正则表达式。我们可以告诉re.compile()，忽略正则表达式字符串中的空白符和注释，从而缓解这一点。要实现这种详细模式，可以向re.compile()传入变量re.VERBOSE，作为第二个参数。

(r'((\d{3}|\(\d{3}\))?(\s|-|\.)?\d{3}(\s|-|\.)\d{4}(\s*(ext|x|ext.)\s*\d{2,5})?)')

可以写成

(r'''(

(\d{3}|\(\d{3}\))? # area code

(\s|-|\.)? # separator

\d{3} # first 3 digits

(\s|-|\.) # separator

\d{4} # last 4 digits

(\s*(ext|x|ext.)\s*\d{2,5})? # extension

)''', re.VERBOSE)

有一个需要注意的就是re.compile()函数只接受一个值作为它的第二参数。可以使用管道字符（|）将变量组合起来，从而绕过这个限制。管道字符在这里称为“按位或”操作符。

讲完了基本的正则表达式的使用方式，下面就来看下模块的方法（之前有讲到search()方法）

1.findall（）

返回一组字符串，包含被查找字符串中的所有匹配。它和search的区别不仅仅是返回的数量不同而已，search返回的是一个Match

对象，包含被查找字符串中的“第一次”匹配的文本，而findall()方法将返回一组字符串，包含被查找字符串中的所有匹配。

现在就来讨论下返回的结果，

如果正则表达式没有分组，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。

如果有分组，将返回元组的列表。每个元组表示一个找到的匹配，其中的项就是正则表达式中每个分组的匹配字符串

2.sub（）

正则表达式不仅能找到文本模式，而且能够用新的文本替换掉这些模式。Regex对象的sub()方法需要传入两个参数。第一个参数是一个字符串，用于取代发现的匹配。第二个参数是一个字符串，即正则表达式。sub()方法返回替换完成后的字符串。

>>> namesRegex = re.compile(r'Agent \w+')

>>> namesRegex.sub('CENSORED', 'Agent Alice gave the secret documents to Agent Bob.')

'CENSORED gave the secret documents to CENSORED.'

有时候，你可能需要使用匹配的文本本身，作为替换的一部分。在sub()的第一个参数中，可以输入\1、\2、\3……。表示“在替换中输入分组1、2、3……的文本”。

例如，假定想要隐去密探的姓名，只显示他们姓名的第一个字母。要做到这一点，可以使用正则表达式Agent (\w)\w*，传入r'\1****'作为sub()的第一个参数。字符串中的\1 将由分组1 匹配的文本所替代，也就是正则表达式的(\w)分组。

>>> agentNamesRegex = re.compile(r'Agent (\w)\w*')

>>> agentNamesRegex.sub(r'\1****', 'Agent Alice told Agent Carol that Agent

Eve knew Agent Bob was a double agent.')

A**** told C**** that E**** knew B**** was a double agent.'