python核心編程-第十五章-我的筆記

1.正則表達式使用的特殊符號和字符

    1.0  最多見的符號和字符，以下圖：

    

   

    這裏，反義指的是反義詞的意思。如 \w匹配任何數字或者字母， \W 匹配非字母且非數字的字符

    1.1  用"|" 匹配多個正則表達式模式

        "|"即管道符號，表示或的操做，意思是選擇被管道符號分隔開的多個表達式中的一個。"或"操做有時也被叫作「聯合」，或者「邏輯或」。下面是例子：

        

    1.2  匹配任意一個單個的字符 "."

        "." 匹配除換行符外的任意一個單個字符，不管字母、數字，仍是除換行符之外的空白符("\t" "\r"等)、可打印字符、不可打印字符等等，均可匹配。若要匹配 . 自己，則需加一個反斜槓轉義。

        

    1.3  從字符串的開頭、結尾、單詞邊界開始匹配 （"^"  "$"  "\b" "\B"）

        "^"或者"\A"從字符串開始匹配；"$" 或者"\Z" 從字符串結尾開始匹配。若要匹配這兩個字符自己，也須要用轉義 "\"

        "\b" 匹配的模式是單詞邊界，意思是它匹配的正則模式必定在單詞（單詞可理解爲"\w"所能匹配的字符集合）的開頭，不管這個單詞在一行的起始處仍是在字符串中間。"\B"只匹配出如今單詞中間的模式（即不在單詞的邊界）

        

    1.4  方括號"[]"用來匹配某個特定的單字符。使用方括號的正則表達式匹配方括號裏的任意一個字符：

 

        對僅有單個字符的正則表達式，方括號和或操做等價，好比咱們想匹配"a"、"b"中的一個；可是若咱們想匹配"ab"和"cd"中的一個時，則不能選擇[abcd]，只能選"ab|cd"

        另外，方括號除匹配單個字符外，還支持"-"鏈接的字符範圍，如[A-Z]表明全部大寫字母，[a-z]表明小寫字母，[0-9]表明十進制數字。若左方塊括號以後的第一個字符是"^"，則表示不匹配方括號裏的任何字符。

 

    1.5  使用閉包操做符實現重複匹配

        "*"號匹配它左邊的正則表達式出現0次或0次以上的狀況，"+"號匹配它左邊的正則式出現1次或更屢次的狀況，而"?"號匹配它左邊的正則式出現0次或1次的狀況。對於花括號"{}"，花括號裏如果單個值，如"{N}"，則表示匹配出現N次的狀況;如果逗號隔開的一對值，如"{M, N}"，則表示匹配出現M次到N次的狀況。一樣，反斜線轉義後則匹配符號自己。

    

2.  正則表達式和python語言

    2.1  re模塊的核心函數和方法

    

    2.2  用 match() 匹配字符串

        match() 函數試圖從字符串的開始對字符串進行匹配，匹配成功的話返回一個匹配對象，不然返回None。匹配對象的 group() 方法能夠用來顯示成功的匹配。

        當模式匹配成功時調用匹配對象的 group(）  方法會顯示成功的匹配

        

       當模式匹配失敗時，返回None，此時調用 group() 方法會報錯：

        

        if 語句就是爲了防止出現 AttributeError 的情形

        另外，即便字符串比正則模式長，也可能匹配成功，只要模式是從字符串的開頭開始匹配的：

>>> m = re.match('foo', 'food on the table')
>>> m.group()
'foo'

        也能夠省略中間過程，直接返回結果：

>>> re.match('foo', 'food on the table').group()
'foo'

        當匹配不成功時，一樣會引起 AttributeError

    2.3  用 search() 搜索字符串

        search() 與march() 工做方式同樣，不一樣之處在於 search() 會搜索（從左至右搜索）字符串中模式首次出現的位置，若是搜索到則匹配成功，返回匹配對象，不然返回None。參看下面的例子。

>>> m = re.match('foo', 'seafood')
>>> if m is not None: m.group()
... 
>>> 
>>> # 無返回結果，說明匹配不成功。但 'foo' 確實在 'seafood'中，此時就是search() 的用處
>>> m = re.search('foo', 'seafood')    # 使用search()
>>> if m is not None: m.group()
...
'foo'

    2.4  運用特殊字符和符號的正則表達式使用案例

        2.4.1  匹配多個字符串(|)

        

        2.4.2  匹配任意單個字符

        

        2.4.3  建立字符集合 []

        下面的例子進一步說明 "|"和"[]"的區別

        

        2.4.4  group() 和groups()

        經過例子來理解 group() 和groups()

        

        如上例，group() 一般用來顯示全部匹配，也可用來獲取個別匹配的子組。groups()方法則能夠得到一個包含全部匹配的子組的元組。下面經過子組的排列組合，更透徹的理解兩者。

        

        

        2.4.5  匹配字符串開頭、結尾或單詞邊界

        ^ $ \b 主要用於search()而不是match()，由於match()老是從字符串開頭匹配

          

        2.4.6  findall()

        findall()匹配方式相似於search()，不一樣之處在於前者老是返回一個列表，若沒有找到匹配部分返回空列表，找到匹配部分則返回全部匹配部分的列表，從左到右的順序排列。

        

        2.4.7  subn()和sub()

        sub()和sub()都用於搜索替換，將某字符串中匹配正則表達式模式的部分進行替換，用來替換的部分一般是一個字符串，或者是一個返回字符串的函數。subn()還返回一個表示替換次數的數字，替換後的字符串和表示替換次數的數字做爲一個元組的元素返回

        

        2.4.8  split()

        re模塊的split()方法相似字符串的split()方法，前者根據正則表達式模式分割字符串，後者根據固定的字符串分割，故前者更靈活。另外，還能夠設置一個參數來限制分割的次數。

        若分隔符沒有使用由特殊符號組成的正則表達式匹配，那麼re.split()和string.split()執行過程是同樣的

        

3. 正則表達式示例

    A. 生成用於正則表達式練習的數據       

#!/usr/bin/env python

from random import randint, choice
from string import lowercase
from sys import maxint
from time import ctime

f = open(r"E:\code\Core Python Programming\15\data.txt", 'w')

doms = ('com', 'edu', 'net', 'org', 'gov')
datas = []

for i in range(randint(5, 10)):
    dtint = randint(0, maxint-1)
    dtstr = ctime(dtint)
    
    shorter = randint(4, 7)
    em = ''
    for j in range(shorter):
        em += choice(lowercase)
        
    longer = randint(shorter, 12)
    dn = ''
    for j in range(longer):
        dn += choice(lowercase)
        
    eachline = '%s::%s@%s.%s::%d-%d-%d' % (dtstr, em,
        dn, choice(doms), dtint, shorter, longer)
    datas.append(eachline)    
    print eachline
    
    f.writelines(eachline+'\n')
f.close()

data = datas[randint(0, len(datas)-1)]

    B.匹配、提取時間戳中有關星期的數據。用正則表達式"^Mon|^Tue|^Wed|^Thu|^Fri|^Sat|^Sun",或者只用一個 ^符號，將星期字符串歸爲一組:"^(Mon|Tue|Wed|Thu|Fri|Sat|Sun) "

    

    這裏也能夠發現，未分組時 gropu(1) 會報錯

    C. 限制更鬆的狀況：匹配以三個數字或者字母組成的字符爲開頭的字符串："^\w{3}" 或者 "^(\w{3})"，後者是分組的狀況

    

    如上，當把匹配模式的{3}寫在括號裏面時，表示匹配三個連續的、由字母或數字組成的字符，再把這三個字符視爲一個組。但若是把{3}挪到括號外面時，含義就變成三個連續的、單個數字或字母的字符。

    D.  經過匹配末尾的三個整型來加深理解match() 和 search(),這裏用search()明顯更方便。用match則需注意貪婪模式。

    

    如上，在使用 search()搜索時沒有問題，在匹配時，即便考慮到分組、考慮到要匹配整行數據，取得的結果還是不正確，緣由就在於正則表達式默認是貪婪模式。貪婪/貪心模式是指，正則表達式中含通配字符時，在從左到右的取值時，會盡可能抓取知足匹配的最長字符串。解決辦法是用非貪婪操做符 "?"，問號放在?、*、+後面，表示要求正則表達式匹配的字符越少越好。

    

用搜索 search()能夠只獲取中間的那個整型部分：