模式匹配和正则表达式的学习
python实现
正则表达式
其对文字处理有着超高的效率
利用正则表达式可以实现“三步解决一个问题”
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-regex
import re
# first step , write a expected module
phoneNumRegex=re.complie(r'ddd-ddd-dddd')
# second step ,input the the string
mo=phoneNumRegex.search('my phone number is : 123-456-1123')
# third step ,output the group result
print('phone number found:'+mo.group())
其中 正则表达式的编写前 加一个r,是用来表示是原始字符串,不包括转义字符
use group separate the item
phoneNumRegex2=re.compile(r'(ddd)-(ddd-dddd)')
mo2=phoneNumRegex2.search('my phone numer is:345-232-4556')
print('mo2.group(1):'+mo2.group(1))
print('mo2.group(2):'+mo2.group(2))
print("mo2.group(0):"+mo2.group(0))
print('mo2.group():'+mo2.group())
print(mo2.groups())
如果想匹配 ()括号在字符串中,使用'(' ,')' 转义字符来实现
# explain ,if need () in regex use '('
# use | pipeline match more than one string
heroRegex=re.compile(r'dengshuo|zhengchuan')
mo3=heroRegex.search('dengshuo orginal name is deng zhengchuan')
mo4=heroRegex.search('deng zhengchuan is dengshuo')
print(mo3.group()) # | just like or ,return the first match group
print(mo4.group()) # can use findall() match all group
# use ? implement optinal match ,? partment 0 or 1 times
batRgex=re.compile(r'Bat(wo)?man')
mo5=batRgex.search('dengshuo is a Batman')
mo6=batRgex.search('a woman can be a Batwoman')
print(mo5.group())
print(mo6.group())
# use * 0, 1 or many times
# use + ,1 or many times
batRgex=re.compile(r'Bat(wo)*man') # can get Batman
batRgex=re.compile(r'Bat(wo)+man') # can't get Batman
# use (wo){} match special number
batRgex=re.compile(r'Bat(wo){2}man') # only match Batwowoman
batRgex=re.compile(r'Bat(wo){3,5}man') # can match Batwowowoman Batwowowowoman Batwowowowowoman
匹配多个相同字符时,默认是贪心的
greedyHaRegex = re.compile(r'(Ha){3,5}') # 贪心策略
mo1 = greedyHaRegex.search('HaHaHaHaHa')
mo1.group()
## 'HaHaHaHaHa'
nongreedyHaRegex = re.compile(r'(Ha){3,5}?') # 非贪心
mo2 = nongreedyHaRegex.search('HaHaHaHaHa')
mo2.group()
## 'HaHaHa'
findall()
- 1.如果调用在一个没有分组的正则表达式上
例如ddd-ddd-dddd,方法 findall()将返回一个匹配字符串的列表,例如['415-555-9999', '212-555-0000']。
- 2.如果调用在一个有分组的正则表达式上
例如(ddd)-(ddd)-(dddd),方 法 findall()将返回一个字符串的元组的列表(每个分组对应一个字符串),例如[('415', '555', '1122'), ('212', '555', '0000')]。
自定义字符分类
d 数字
D 非数字
w 字母,数字,下划线
W 非(字母,数字,下划线)
s 空格,制表符,换行符
S ^()
^ 必须以什么字符串开始
$ 必须以什么字符串结束
. 通配符
* 重复字符
.* 可以用来匹配除去换行符外的所有字符
re.complie(r'[aeiouAEIOU]')
当然还有反向选择
re.complie(r'[^aeiouAEIOU]')
不区分大小写
complile的参数
re.complie(r' ',re.I) 或者 re.complie(r' ',re.IGNORECASE) 输入第二参数进行限定
快速检索
- ?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。
sub()方法替换字符串
找到目标字符出进行替换,输入两个参数 。第一个是要替换的参数,第二个是要被替换的参数
import re
namesRegex=re.compile(r'Agent w+') # 到空格结束
namesRegex.sub('CENSOND','Agent Alice gave the number in the sentence')
# CENSOND Agent Alice gave the number in the sentence