《Python编程快速上手》第七章模式匹配与正则表达式

Ramsayi2022-01-232024-01-13

7.2 使用正则表达式的步骤

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（使用原始字符串 r'\d\d\d-\d\d\d-\d\d\d\d'）

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

r'(\d\d\d)-(\d\d\d-\d\d\d\d)

属性	描述
group() 或 group(0)	返回整个匹配的文本
group(1)	返回第 1 组匹配的文本
groups()	返回所有的分组

7.3.2 用管道匹配多个分组

r'Batman|Tina Fey' 将匹配’Batman’或’Tina Fey’

7.3.3 用问号实现可选匹配

?匹配零次或一次前面的分组。

7.3.4 用星号匹配零次或多次

*匹配零次或多次前面的分组。

7.3.5 用加号匹配一次或多次

+匹配一次或多次前面的分组。

7.3.6 用花括号匹配特定次数

{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。

7.4 贪心和非贪心匹配

{n,m}?或*?或+?对前面的分组进行非贪心匹配。

7.5 findall()方法

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

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。

如果在正则表达式中有分组，那么 findall 将返回元组的列表

7.6 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

7.7 建立自己的字符分类

字符分类[a-zA-Z0-9]将匹配所有小写字母、大写字母和数字。

在方括号内，普通的正则表达式符号不会被解释

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

7.8 插入字符和美元字符

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。

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。

7.9 通配字符

.（句点）字符称为“通配符”

7.9.1 用点-星匹配所有字符

点-星（.*）

点-星使用“贪心”模式：它总是匹配尽可能多的文本。

7.9.2 用句点字符匹配换行

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。

7.10 正则表达式符号复习

缩写字符分类	表示
?	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。

7.11 不区分大小写的匹配

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

7.12 用 sub()方法替换字符串

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。

7.13 管理复杂的正则表达式

向 re.compile() 传入变量 re.VERBOSE，作为第二个参数。

7.14 组合使用 re.IGNOREC ASE、re.DOTALL 和 re.VERBOSE

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。

>>> someRegexValue = re.compile('foo', re.IGNORECASE | re.DOTALL | re.VERBOSE)