正则表达式

常用总结

正则化表达式

在介绍python的正则化表达式之前，我们先介绍正则表达式的字符串写法，这样我们才能在python中生成正则化对象。正则表达式可以看成一种匹配的模式，他会寻找那些字符串中的匹配部分或者是寻找匹配的字符串。

正则表达式由普通字符和元字符组成。普通字符就是正常的字母加上数字。元字符是一些特殊符号和一些反斜杠加字母或数字的组合。在python中如果元字符与转义字符重复，需要在元字符前再加一条斜杠或者把正则表达式写成原生字符串的形式，即r“字符串”，在字符串前加个r，代表原生字符串，反斜杠不再转义。要想在字符串中检索一些是正则表达式中的元字符的字符必须在该字符前加上\,一般匹配所有的标点符号和括号都需要加上\。

普通字符

普通字符只需自己直接输入，然后匹配相应数量的连续字符即可。

元字符

元字符除了用来分组的（），选择字符，限定字符以及定位元素外，一个元字符匹配一个长度的字符。限定字符可以规定正则表达式中的字符的重复次数，从而匹配多个长度的字符。定位元素可以对某些位置的元素做出匹配的规定，分组（）可以将一些部分放在一起作为一个整体看待。分组也被称为子模式或子表达式。python中可以获取每个分组的结果。

限定字符

限定字符的默认匹配模式是贪心模式，即会找到该字符串中和模式匹配的最大子字符串。而通过在限定符后再加上个?号限定符，那么就会变成非贪心模式，会变成找最短的匹配字符串。注意s限定符，他代表了一种可选的含义，在很多时候很有用

定位元素

定位元素主要由^,\b,\B,$组成。他们确定了一些特殊位置。通过在正则表达式两侧加上^和$，这个正则表达式就是对一整个字符串的匹配。而不是只需有元素匹配。\b主要用来确定单词。\B主要用来匹配非单词。

组合和选择

组合就是用方括号把一些字符给组合起来，看成一个子模式或者说一个整体，对这个整体进行匹配。而选择就是在括号中设置一些匹配的条件。这些条件可以是对某个字符的前后要求，也可以是对整个字符串的要求。注意正向和反向，先行和后行。

反向引用

反向引用是在一个正则表达式中对之前的子模式的引用，比如我们现在查找一个字符串中重复的单词，我们把单词设置为一个子模式，这样匹配的模式应该是下一个单词等于上一个单词，即上一个子模式的值。所以在构造正则表达式时，就会涉及到反向引用。

修饰符

在python中一般是t通过flags参数设置，但是字符的设置就不一样了，python有它自己的设置方式。

运算优先级

python的正则表达式实现

python的正则表达式主要分为正则表达式对象，匹配对象以及匹配的字符串。在python中正则化通过调用re模块实现

正则表达式的函数

compile

通过compile函数我们可以将一个用来描述正则化的字符串变成模式对象。然后在其他函数中用于字符的匹配。

import re
str1='this that'
type(re.compile(str1))

re.Pattern

match和search和finditer

match和search的区别就在于一个是开始处匹配一个是全字符串匹配。而match，search和finditer的区别在于前两个只返回第一个匹配值，而后一个返回所有的匹配值的迭代器。他们的相同点在于他们返回的都是match对象。而通过match对象，我们能得到很多结果。

• 对于贪心算法和第一个匹配值的理解

str1='th this'
str2='t th this'
pattern=re.compile(r'\w+')
re.search(pattern,str2)

<re.Match object; span=(0, 1), match='t'>

re.search(pattern,str1)

<re.Match object; span=(0, 2), match='th'>

for i in re.finditer(pattern,str2):
    print(i)

<re.Match object; span=(0, 1), match='t'>
<re.Match object; span=(2, 4), match='th'>
<re.Match object; span=(5, 9), match='this'>

所以是向应用第一个匹配值，再应用贪心算法

• match方法的属性和方法

re.search(pattern,str1).pos

0

re.search(pattern,str1).endpos

7

注意7是该字符串末尾序号的下一个位置。属性主要是返回匹配前的信息，方法主要是返回匹配后的信息。我们再来介绍一下group和groups函数

groups和group返回的是一个match对象中原正则表达式中各个子模式的值。而finditer返回的各个match对象，也就是每一个match对象都包含这么多子模式

mat=re.search(r'(\d)(\w)','3a95b6ddca8')
print(mat.groups())
print(mat.groupdict())#并没有已经命名的子模式
print(mat.group(0))
print(mat.group(1))
print(mat.group(2))

('3', 'a')
{}
3a
3
a

mat.group(1,2)

('3', 'a')

for i in re.finditer(r'(\d)(\w)','3a95b6ddca8'):
    print([i,i.group(0),i.group(1),i.group(2)])

[<re.Match object; span=(0, 2), match='3a'>, '3a', '3', 'a']
[<re.Match object; span=(2, 4), match='95'>, '95', '9', '5']
[<re.Match object; span=(5, 7), match='6d'>, '6d', '6', 'd']

flags参数

flags参数对应正则表达式的修饰符，但是并没有所有匹配这个选项了，因为另有函数。

findall

findall也是找到所有匹配，所有的匹配是在贪心模式或非贪心模式下找完一个再找下一个。但他返回的是匹配的字符串组成的列表，而不是match对象。

split

split可以用来分割字符串，将匹配的字符作为分隔符，剩下的字符被分割

 example = r'one,two,three.four/five\six?seven[eight]nine|ten'
pattern = re.compile(r'[,./\\?[\]\|]')     #指定多个可能的分隔符
pattern.split(example)
example = r'one1two2three3four4five5six6seven7eight8nine9ten'
pattern = re.compile(r'\d+')               #使用数字作为分隔符
 pattern.split(example)
example = r'one two    three  four,five.six.seven,eight,nine9ten'
pattern = re.compile(r'[\s,.\d]+')         #允许分隔符重复
pattern.split(example)

['one', 'two', 'three', 'four', 'five', 'six', 'seven', 'eight', 'nine', 'ten']

sub

检索和替换,Python 的re模块提供了re.sub用于替换字符串中的匹配项。其中的repl既可以是字符串也可以是函数

import re
 
phone = "2004-959-559 # 这是一个电话号码"
 
## 删除注释
num = re.sub(r'#.*$', "", phone)
print ("电话号码 : ", num)
 
## 移除非数字的内容
num = re.sub(r'\D', "", phone)
print ("电话号码 : ", num)

电话号码 :  2004-959-559 
电话号码 :  2004959559

 
import re
 
## 将匹配的数字乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))#这里用到了命名

A46G8HFD1134

反向引用的实例

组合选择的实例

‘^(?=.[a-z])(?=.[A-Z])(?=.\d)(?=.[,._]).{8,}$’：检查给定字符串是否为强密码，必须同时包含英语字母大写字母、英文小写字母、数字或特殊符号
（如英文逗号、英文句号、下划线），并且长度必须至少8位。
只有zhis没有that的字符串：
^(.(?<!that))this(.(?<!that))$
^(.(?<!that))this((?!that).)$
^((?!that).)this(.(?<!that))$
^((?!that).)this((?!that).)$