python核心编程-第十五章-我的笔记

1.正则表达式使用的特殊符号和字符

    1.0  最多见的符号和字符，以下图：

    

   

    这里，反义指的是反义词的意思。如 \w匹配任何数字或者字母， \W 匹配非字母且非数字的字符

    1.1  用"|" 匹配多个正则表达式模式

        "|"即管道符号，表示或的操做，意思是选择被管道符号分隔开的多个表达式中的一个。"或"操做有时也被叫作“联合”，或者“逻辑或”。下面是例子：

        

    1.2  匹配任意一个单个的字符 "."

        "." 匹配除换行符外的任意一个单个字符，不管字母、数字，仍是除换行符之外的空白符("\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，则需加一个反斜杠转义。

        

    1.3  从字符串的开头、结尾、单词边界开始匹配 （"^"  "$"  "\b" "\B"）

        "^"或者"\A"从字符串开始匹配；"$" 或者"\Z" 从字符串结尾开始匹配。若要匹配这两个字符自己，也须要用转义 "\"

        "\b" 匹配的模式是单词边界，意思是它匹配的正则模式必定在单词（单词可理解为"\w"所能匹配的字符集合）的开头，不管这个单词在一行的起始处仍是在字符串中间。"\B"只匹配出如今单词中间的模式（即不在单词的边界）

        

    1.4  方括号"[]"用来匹配某个特定的单字符。使用方括号的正则表达式匹配方括号里的任意一个字符：

 

        对仅有单个字符的正则表达式，方括号和或操做等价，好比咱们想匹配"a"、"b"中的一个；可是若咱们想匹配"ab"和"cd"中的一个时，则不能选择[abcd]，只能选"ab|cd"

        另外，方括号除匹配单个字符外，还支持"-"链接的字符范围，如[A-Z]表明全部大写字母，[a-z]表明小写字母，[0-9]表明十进制数字。若左方块括号以后的第一个字符是"^"，则表示不匹配方括号里的任何字符。

 

    1.5  使用闭包操做符实现重复匹配

        "*"号匹配它左边的正则表达式出现0次或0次以上的状况，"+"号匹配它左边的正则式出现1次或更屡次的状况，而"?"号匹配它左边的正则式出现0次或1次的状况。对于花括号"{}"，花括号里如果单个值，如"{N}"，则表示匹配出现N次的状况;如果逗号隔开的一对值，如"{M, N}"，则表示匹配出现M次到N次的状况。一样，反斜线转义后则匹配符号自己。

    

2.  正则表达式和python语言

    2.1  re模块的核心函数和方法

    

    2.2  用 match() 匹配字符串

        match() 函数试图从字符串的开始对字符串进行匹配，匹配成功的话返回一个匹配对象，不然返回None。匹配对象的 group() 方法能够用来显示成功的匹配。

        当模式匹配成功时调用匹配对象的 group(）  方法会显示成功的匹配

        

       当模式匹配失败时，返回None，此时调用 group() 方法会报错：

        

        if 语句就是为了防止出现 AttributeError 的情形

        另外，即便字符串比正则模式长，也可能匹配成功，只要模式是从字符串的开头开始匹配的：

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

        也能够省略中间过程，直接返回结果：

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

        当匹配不成功时，一样会引起 AttributeError

    2.3  用 search() 搜索字符串

        search() 与march() 工做方式同样，不一样之处在于 search() 会搜索（从左至右搜索）字符串中模式首次出现的位置，若是搜索到则匹配成功，返回匹配对象，不然返回None。参看下面的例子。

>>> m = re.match('foo', 'seafood')
>>> if m is not None: m.group()
... 
>>> 
>>> # 无返回结果，说明匹配不成功。但 'foo' 确实在 'seafood'中，此时就是search() 的用处
>>> m = re.search('foo', 'seafood')    # 使用search()
>>> if m is not None: m.group()
...
'foo'

    2.4  运用特殊字符和符号的正则表达式使用案例

        2.4.1  匹配多个字符串(|)

        

        2.4.2  匹配任意单个字符

        

        2.4.3  建立字符集合 []

        下面的例子进一步说明 "|"和"[]"的区别

        

        2.4.4  group() 和groups()

        经过例子来理解 group() 和groups()

        

        如上例，group() 一般用来显示全部匹配，也可用来获取个别匹配的子组。groups()方法则能够得到一个包含全部匹配的子组的元组。下面经过子组的排列组合，更透彻的理解两者。

        

        

        2.4.5  匹配字符串开头、结尾或单词边界

        ^ $ \b 主要用于search()而不是match()，由于match()老是从字符串开头匹配

          

        2.4.6  findall()

        findall()匹配方式相似于search()，不一样之处在于前者老是返回一个列表，若没有找到匹配部分返回空列表，找到匹配部分则返回全部匹配部分的列表，从左到右的顺序排列。

        

        2.4.7  subn()和sub()

        sub()和sub()都用于搜索替换，将某字符串中匹配正则表达式模式的部分进行替换，用来替换的部分一般是一个字符串，或者是一个返回字符串的函数。subn()还返回一个表示替换次数的数字，替换后的字符串和表示替换次数的数字做为一个元组的元素返回

        

        2.4.8  split()

        re模块的split()方法相似字符串的split()方法，前者根据正则表达式模式分割字符串，后者根据固定的字符串分割，故前者更灵活。另外，还能够设置一个参数来限制分割的次数。

        若分隔符没有使用由特殊符号组成的正则表达式匹配，那么re.split()和string.split()执行过程是同样的

        

3. 正则表达式示例

    A. 生成用于正则表达式练习的数据       

#!/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、提取时间戳中有关星期的数据。用正则表达式"^Mon|^Tue|^Wed|^Thu|^Fri|^Sat|^Sun",或者只用一个 ^符号，将星期字符串归为一组:"^(Mon|Tue|Wed|Thu|Fri|Sat|Sun) "

    

    这里也能够发现，未分组时 gropu(1) 会报错

    C. 限制更松的状况：匹配以三个数字或者字母组成的字符为开头的字符串："^\w{3}" 或者 "^(\w{3})"，后者是分组的状况

    

    如上，当把匹配模式的{3}写在括号里面时，表示匹配三个连续的、由字母或数字组成的字符，再把这三个字符视为一个组。但若是把{3}挪到括号外面时，含义就变成三个连续的、单个数字或字母的字符。

    D.  经过匹配末尾的三个整型来加深理解match() 和 search(),这里用search()明显更方便。用match则需注意贪婪模式。

    

    如上，在使用 search()搜索时没有问题，在匹配时，即便考虑到分组、考虑到要匹配整行数据，取得的结果还是不正确，缘由就在于正则表达式默认是贪婪模式。贪婪/贪心模式是指，正则表达式中含通配字符时，在从左到右的取值时，会尽可能抓取知足匹配的最长字符串。解决办法是用非贪婪操做符 "?"，问号放在?、*、+后面，表示要求正则表达式匹配的字符越少越好。

    

用搜索 search()能够只获取中间的那个整型部分：