浅析python正则表达式二:用好问号
该文来自我的个人博客, http://zpeng.gitcafe.io/2016/01/19/python/re-interrogation/, 转载请注明，谢谢。
最原始用法
“?”最原始的用法是匹配或不匹配前面的模式，这个不必多说。
问号转义
由于问号的特殊含义，若要在字符串中匹配字符’?’,要加上转义符，即’\?’
贪婪模式
在查看re的帮助文档时，能看到：
"*" Matches 0 or more (greedy) repetitions of the preceding RE.
Greedy means that it will match as many repetitions as possible.
"+" Matches 1 or more (greedy) repetitions of the preceding RE.
"?" Matches 0 or 1 (greedy) of the preceding RE.
*?,+?,?? Non-greedy versions of the previous three special characters.
{m,n}? Non-greedy version of the above.
可见*,+,?,{m,n}默认都是贪婪模式，即匹配尽量多的数据，但这在一些情况下会出现问题，导致意想不到的结果发生，如：
In [11]: re.sub(r'a(.+)u','love','I abu you!') Out[11]: 'I love!'
这明显不科学啊！
那么问题来了，如何使用非贪婪模式，可在*,+,?,{m,n}后加上问号:
In [12]: re.sub(r'a(.+?)u','love','I abu you!') Out[12]: 'I love you!'
好了，不用再爱感叹号了。
子模式取消组号
这种用法，想不到取个什么名字好，在帮助文档中是这样描述的：
(?:…) Non-grouping version of regular parentheses.
在harkerranker上一道题用到了这个用法，但我把这个用法去掉，还是可以通过的，所以对这个用法感到特别迷惑，在stack oveflow上找到了比较好的解释。
http://stackoverflow.com/questions/3512471/what-is-a-non-capturing-group
如果有两个网站链接：
http://stackoverflow.com/
http://stackoverflow.com/questions/tagged/regex
匹配模式为：
(http|ftp)://([/\r\n]+)(/[\r\n]*)?
结果如下：
group() “http://stackoverflow.com/“
group(1) http
group(2) stackoverflow.com
group(3) /group() http://stackoverflow.com/questions/tagged/regex
group(1) http
group(2) stackoverflow.com
group(3) /questions/tagged/regex
但是如果我们不关心用到的协议，怎么办？这个时候就到这种用法发挥的时候了，将匹配模式改为：
(?:http|ftp)://([/\r\n]+)(/[\r\n]*)?
则结果变为：
group() “http://stackoverflow.com/“
group(1) stackoverflow.com
group(2) /group() http://stackoverflow.com/questions/tagged/regex
group(1) stackoverflow.com
group(2) /questions/tagged/regex
可预见模式
这种用法就太有用处了，它可以确定模式的前面或后面一定会出现某些子模式，而且这些子模式是没有组号的。在帮助文档中描述如下：
(?=...) Matches if ... matches next, but doesn't consume the string. (?!...) Matches if ... doesn't match next. (?<=...) Matches if preceded by ... (must be fixed length). (?<!...) Matches if not preceded by ... (must be fixed length).
例1：
In [24]: print re.search(r'(?<!^)#[abc]{2,}(?=z)','#abcz')
None
In [27]: print re.search(r'(?<!^)#[abc]{2,}(?=z)','a#ababcz').group()
#ababc
其中(?<!^)表示模式不能出现在开头。
例2:
给定一个字符串和子字符串，找出子字符串在字符串中出现的序号对。该例子可见Hackerrank
如输入字符串和字符串：
aaadaa
aa
输出结果为，子字符串在字符串中出现的起始序号：
(0, 1)
(1, 2)
(4, 5)
方法一：遍历
这种方法虽然很好理解，但代码冗余，没有体现出python代码的优美。
import re s = raw_input().strip() k = raw_input().strip() result = [] i = 0 while i <= len(s) -len(k): m = re.search(k, s[i:]) if m: result.append((m.start()+i, m.end()+i-1)) i += 1 if not result: print (-1, -1) else: for x in sorted(set(result), key = lambda x: x[0]): print x
方法二：正则表达式预见模式
import re
S = raw_input()
k = raw_input()
anymatch = 'No'
for m in re.finditer(r'(?=('+k+'))',S):
anymatch = 'Yes'
print (m.start(1),m.end(1)-1)
if anymatch == 'No':
print (-1, -1)
运行情况：
aaadaa aa (0, 1) (1, 2) (4, 5)
例3: 找出交替重复出现的字符
可用到例二的方法二,搜索预见模式(?=(\w)\w\1)
In [29]: re.findall(r'(?=(\w)\w\1)', 'aaaabbbb') Out[29]: ['a', 'a', 'b', 'b']
例4: 可预见模式中出现的字符数必须确定
即可预见模式中不能使用*,+,{m,}等不确定模式
In [46]: re.search(r'(?<=a.+)jj','asdjj')
error: look-behind requires fixed-width pattern
In [47]: re.search(r'(?<=a.*)jj','asdjj')
error: look-behind requires fixed-width pattern
In [48]: re.search(r'(?<=a[a-z]{1,})jj','asdjj')
error: look-behind requires fixed-width pattern
问号在匹配组字典中的用处
先看帮助文档的描述：
(?P<name>…) The substring matched by the group is accessible by name.
直接看个例子：
In [31]: m = re.match(r'(?P<user>\w+)@(?P<website>\w+)\.(?P<extension>\w+)','[email protected]') In [32]: m.groupdict() Out[32]: {'extension': 'com', 'user': 'myname', 'website': 'hackerrank'}
总结
python正则中常用方法大概就是这些了，还有些几个用法帮助文档中有提到：
(?P=name)Matches the text matched earlier by the group named name.
(?iLmsux) Set the I, L, M, S, U, or X flag for the RE (see below).
(?(id/name)yes|no) Matches yes pattern if the group with id/name matched,
the (optional) no pattern otherwise.
这些用法至今还没碰到过，以后有机会再来补充。
该文来自我的个人博客, http://zpeng.gitcafe.io/2016/01/19/python/re-interrogation/, 转载请注明，谢谢。