[Python笔记]第九篇:re正则表达式

一、正则表达式基础

1.正则表达式介绍

　　正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。 下图展示了使用正则表达式进行匹配的流程：

　　正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解的，看下图中的示例以及自己多使用几次就能明白。

下图列出了Python支持的正则表达式元字符和语法：

2.数量词的贪婪模式与非贪婪模式

　　正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式"ab*"如果用于查找"abbbc"，将找到"abbb"。而如果使用非贪婪的数量词"ab*?"，将找到"a"。

3. 反斜杠的困扰

　　与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\"表示。同样，匹配一个数字的"\d"可以写成r"d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

4.匹配模式

　　正则表达式提供了一些可用的匹配模式，比如忽略大小写、多行匹配等，这部分内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。

二、re模块

1. 开始使用re

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

# encoding: UTF-8
import re
 
# 将正则表达式编译成Pattern对象
pattern = re.compile(r'hello')
 
# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match = pattern.match('hello world!')
 
if match:
    # 使用Match获得分组信息
    print match.group()
 
### 输出 ###
# hello

re.compile(strPattern[, flag]):

 

　　这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。 
可选值有：

• re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
• S(DOTALL): 点任意匹配模式，改变'.'的行为
• L(LOCALE): 使预定字符类 w W  B s S 取决于当前区域设定
• U(UNICODE): 使预定字符类 w W  B s S d D 取决于unicode定义的字符属性
• X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

　　

a = re.compile(r"""d +  # the integral part
                   .    # the decimal point
                   d *  # some fractional digits""", re.X)
b = re.compile(r"d+.d*")

　　

　　re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代，唯一的好处是少写一行re.compile()代码，但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为：

m = re.match(r'hello', 'hello world!')
print m.group()

　　re模块还提供了一个方法escape(string)，用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回，在需要大量匹配元字符时有那么一点用。

2. Match

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

　　属性：

• string: 匹配时使用的文本。
• re: 匹配时使用的Pattern对象。
• pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
• endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
• lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
• lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

　　方法：

1. group([group1, …]): 
   获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
2. groups([default]): 
   以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
3. groupdict([default]): 
   返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
4. start([group]): 
   返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
5. end([group]): 
   返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
6. span([group]): 
   返回(start(group), end(group))。
7. expand(template): 
   将匹配到的分组代入template中然后返回。template中可以使用id或g<id>、g<name>引用分组，但不能使用编号0。id与g<id>是等价的；但10将被认为是第10个分组，如果你想表达1之后是字符'0'，只能使用g<1>0。

import re
m = re.match(r'(w+) (w+)(?P<sign>.*)', 'hello world!')
 
print "m.string:", m.string
print "m.re:", m.re
print "m.pos:", m.pos
print "m.endpos:", m.endpos
print "m.lastindex:", m.lastindex
print "m.lastgroup:", m.lastgroup
 
print "m.group(1,2):", m.group(1, 2)
print "m.groups():", m.groups()
print "m.groupdict():", m.groupdict()
print "m.start(2):", m.start(2)
print "m.end(2):", m.end(2)
print "m.span(2):", m.span(2)
print r"m.expand(r'2 13'):", m.expand(r'2 13')
 
### output ###
# m.string: hello world!
# m.re: <_sre.SRE_Pattern object at 0x016E1A38>
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): ('hello', 'world')
# m.groups(): ('hello', 'world', '!')
# m.groupdict(): {'sign': '!'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r'2 13'): world hello!

 -------------------------------------------------------------------

参考:http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

-------------------------------------------------------------------- 

课后作业:

用正则表达式实现一个计算器,计算"1-2*((60-30+(-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))"

注意,不允许使用eval

#!/usr/bin/env python
#-*- coding: utf-8 -*-

import re

origin = "1-2*((60-30+(-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))"
print("***** 原始等式 *****")
print(origin)
# print(eval(origin))


def add_sub(origin):
    """
非常不优雅的加减法实现:
如果表达式以"-"开头:
    去掉开头的"-"
        如果里面是"+":
            如果里面a > b
                则a - b,加上负号
            如果里面a < b
                则b - a,不加负号
        如果里面是"-":
            如果里面a > b
                则a + b,加上负号
            如果里面a < b
                则b + a,加上负号
    """
    # 处理两个数字之间多个运算符的情况
    origin = origin.replace('--','+').replace('++','+').replace('-+','-').replace('+-','-')
    # 匹配结果
    result = re.split("(-?d+.?d*[+-][-]?d+.?d*)", origin, 1)
    # 判断上一次匹配是否成功
    if len(result) == 3:
        front,middle,end = result
        # 判断是否以"-"开头
        if str(middle).startswith("-"):
            middle = str(middle).lstrip("-")
            # 等式里面是"+"
            if "+" in middle:
                a, b = middle.split("+")
                if a > b:
                    new_middle = float(a)-float(b)
                    new_exp = front + "-" + str(new_middle) + end
                    origin = new_exp
                    return add_sub(origin)

                elif a < b:
                    new_middle = float(b)-float(a)
                    new_exp = front + str(new_middle) + end
                    origin = new_exp
                    return add_sub(origin)

                elif a == b:
                    new_exp = front + end
                    origin = new_exp
                    return add_sub(origin)

            elif "-" in middle:
                a, b = middle.split("-")
                if a > b:
                    new_middle = float(a)-float(b)
                    new_exp = front + "-" + str(new_middle) + end
                    origin = new_exp
                    return add_sub(origin)

                elif a < b:
                    new_middle = float(a)+float(b)
                    new_exp = front + "-" + str(new_middle) + end
                    origin = new_exp
                    return add_sub(origin)

                elif a == b:
                    new_exp = front + end
                    origin = new_exp
                    return add_sub(origin)

        # 不是以"-"开头
        else:
            if "+" in middle:
                a, b = middle.split("+")
                new_middle = float(a)+float(b)
                new_exp = front + str(new_middle) + end
                origin = new_exp
                return add_sub(origin)

            elif "-" in middle:
                a, b = middle.split("-")
                new_middle = float(a)-float(b)
                new_exp = front + str(new_middle) + end
                origin = new_exp
                return add_sub(origin)
    else:
        return origin

"""
#更优雅的加减法
def add_sub(arg): # 加减法运算
    arg = arg.replace('--','+').replace('++','+').replace('-+','-').replace('+-','-')
    result = re.findall(r"[+-]?d+.?d*",arg) # 列出所有的元素
    start = 0               # 定义空值让他挨个去加
    for i in result:
        start += float(i)   # 让素有元素相加
    return start            # 返回运算结果
"""

def ply_div(origin):
    result = re.split("(d+.?d*[*/][-]?d+.?d*)", origin, 1)
    if len(result) == 3:
        front,middle,end = result
        # 遇到*则乘法
        if "*" in middle:
            a, b = middle.split("*")
            new_middle = float(a)*float(b)
            new_exp = front + str(new_middle) + end
            origin = new_exp
            return ply_div(origin)

        # 遇到/则除法
        elif "/" in middle:
            a, b = middle.split("/")
            new_middle = float(a)/float(b)
            new_exp = front + str(new_middle) + end
            origin = new_exp
            return ply_div(origin)
    else:
        return add_sub(origin)

def compute(origin):
    x = ply_div(origin)  # 乘除操作
    return x        # 返回


while True:
    result = re.split("(([^()]+))", origin, 1)
    if len(result) == 3:
        before, content, after = result
        r = compute(content)     # 计算字符串
        new_str = before + str(r) + after
        origin = new_str

    else:
        final = compute(origin)      # 计算字符串
        print("***** 最终结果 *****")
        print(final)
        break