偷学Python第三十一天：Python正则表达式的语法以及re模块的使用

古之立大事者，不惟有超世之才，亦必有坚忍不拔之志。——苏轼

不管是使用Windows的搜索工具，还是在word文档里面的查找和替换，肯定都用过*和?这种通配符，如果想要在某个目录下找到自己写的笔记，小甜最常用的方法就是*.md就可以找到当前文件夹下所有的Markdown文件了；正则表达式可以理解为超复杂的通配符，可以比通配符匹配的更为精准，正规一点的说法就是使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。比如密码的限制(8位以上16位以内，不能出现特殊字符等等)、邮箱的格式，距离生活近一点的就是某手上的"你个萌萌"，王者荣耀上的"你个**"。这些都是正则表达式的运用。

但是如果想查到一组限定的字符，比较原音字母(a, e, i, o, u)，特殊字符(*, &, %, @)这怎么弄呢？

在正则表达式中使用[]将一组字符包裹起来，就到达了自己的需要，例如原音字符[aeiou],特殊字符[*&%@]即可完美的匹配任意一个

如果想要匹配.，?，*这些符号，可以使用转义字符，比如.

用【|】把不同的规则分隔开

从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了(就是如果有一个表达式为true，就不会执行后面的表达式，如果一直为false就一直执行)

来一个小栗子：中国地区的手机号样式一般如下

0317-1234567
010-1234567
0317-12345678
010-12345678
(010)1234567
0317 12345678

基本罗列出来了所有的手机号样式，现在假设有一个文本框，里面只能输入这种手机号，如果不符合格式，就会给出提示。

正则表达式

^(0d{2,3})d{7,8}$|^0d{2,3}[-s]?d{7,8}$

首先这是一个有分支条件的式子，第一个式子依次是表示字符串的开始和结尾^ $，然后是‘(’转义(，0，数字出现2到3次 转义)数字出现7到8次。第二个式子依次是表示字符串的开始和结尾^ $，然后是0，数字出现2到3次[-s]{1}是-符号或空格符号出现出现1次，数字出现7到8次

这样在配合编程语法就可以完成这样一个限制输入的内容

贪婪（尽可能多）

a.*f(abcdefbcedf) → abcdefbcedf

懒惰（尽可能少）

a.*?f(abcdefbcedf) → abcdef

在正则表达式中使用()进行分组，分组之后就可以对某个分组进行操作，比如重复某个分组，对引用某个分组，对某个分组进行命名

语法格式

(?P<name>...)

使用小括号进行分组，?P<name>进行命名，如果想在后面进行引用的话使用(?P=name)来进行引用

示例

(d{1,3}.){3}d{1,3}

这样就可以完成一个简单的匹配IP地址的表达式

零宽断言就跟它的名字一样，是一种零宽度的匹配，它匹配到的内容不会保存到匹配结果中去，最终匹配结果只是一个位置而已。
作用是给指定位置添加一个限定条件，用来规定此位置之前或者之后的字符必须满足限定条件才能使正则中的字表达式匹配成功。

(?=exp) 零宽度正预测先行断言，自身出现的位置的后面能匹配表达式exp，例如想要匹配以ing结尾的单词显示又不需要ing，这个时候就需要零宽度正预测先行断言；这么说比较抽象，直接上栗子

eating looking singing writing shopping

不匹配每个单词的ing

正则表达式

w+(?=ing)

(?<=exp)零宽度正回顾后发断言，自身出现的位置的前面能匹配表达式exp，就是匹配前面的是某个字符且不匹配他

栗子

匹配re开头的单词不匹配re

此处用到的软件为*RegexBuddy*

(?!exp)零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp，简单点说就是后面不能出现某个东东，

我们来查找包含Windows的字符串，但是Windows后面不能是10

这里仅仅查找出来了3个

（?<!exp） 零宽度负回顾后发断言，来断言此位置的前面不能匹配表达式exp

Python中提供的re模块使Python拥有全部正则表达式的功能

re.group是从Match对象中获取结果的，不过不分组默认为0，分组索引则从0开始（0是完整的一个匹配），如果多个分组，则第一个分组是1；也可以为其命名使用

示例代码

"""
-*- coding:uft-8 -*-
author: 小甜
time:2020/5/30
"""
import re
string1 = "hello python"
string2 = "hell5o python"
pattern = r"[a-z]+sw+"
pattern1 = r"(w+)(s)(w+)"
pattern2 = r"(?P<first>w+s)(?P<last>w+)"  # 命名分组
print(re.match(pattern, string1))  # <re.Match object; span=(0, 12), match='hello python'>
print(re.match(pattern, string1).group())  # hello python
print(re.match(pattern, string2))  # None
print(re.match(pattern1, string2).group(0))  # hell5o python
print(re.match(pattern1, string2).group(1))  # hell5o
print(re.match(pattern1, string2).group(2))  # 这里匹配的是那个空格
print(re.match(pattern1, string2).group(3))  # python
print(re.match(pattern2, string2).group("last"))  # python

匹配对象总是有一个布尔值 True。如果没有匹配的话match() 和 search() 返回 None 所以可以简单的用 if 语句来判断是否匹配

示例代码

"""
-*- coding:uft-8 -*-
author: 小甜
time:2020/5/30
"""
import re
string = "Hi World Hello python"
pattern = r"Hello python"
match1 = re.search(pattern, string)
match2 = re.match(pattern, string)
if match1:
    print(match1.group())  # Hello python

if match2:  # 因为match2的值为none所以不执行
    print(match2.group())

re.compile将正则表达式的样式编译为一个正则对象，可以用于匹配

语法结构

re.compile(pattern, flags=0)

• pattern:匹配的正则表达式
• flags:标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

re.findall在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。与match 和 search 不同的是 match 和 search 是匹配一次 findall 匹配所有。

语法结构

re.findall(string[, pos[, endpos]])

• string 待匹配的字符串。
• pos 可选参数，指定字符串的起始位置，默认为 0。
• endpos 可选参数，指定字符串的结束位置，默认为字符串的长度

re.split方法按照能够匹配的子串将字符串分割后返回列表

语法结构

re.split(pattern, string[, maxsplit=0, flags=0])

• pattern:分隔的正则表达式
• string:分隔的文本
• maxsplit:分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
• flags:标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

示例代码

"""
-*- coding:uft-8 -*-
author: 小甜
time:2020/5/30
"""
import re
string = '''hello hi    good morning
goodnight
python
javascript
Linux
'''
pattern = r's+'  # 以空格回车制表符为分隔符
print(re.split(pattern, string))  # 不限制次数分隔
# ['hello', 'hi', 'good', 'morning', 'goodnight', 'python', 'javascript', 'Linux', '']
print(re.split(pattern, string, 5))  # 分隔5次
# ['hello', 'hi', 'good', 'morning', 'goodnight', 'pythonnjavascriptnLinuxn']

与str模块的split不同的是，re模块的split支持正则

re.sub用于替换字符串中的匹配项

语法结构

re.sub(pattern, repl, string, count=0, flags=0)

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
• flags : 编译时用的匹配模式，数字形式。

到这里就可以完成一个某手的评论区，修改不良评论的小案例

"""
-*- coding:uft-8 -*-
author: 小甜
time:2020/5/30
"""
import re
string = input("请输入评论：")
pattern = r"[美丽可爱大方]{1}"  # 检测的字符
print(re.sub(pattern, "萌", string))

效果图

不良评论？不可能的，这辈子都不可能出现的

re.purge()清除正则表达式的缓存。