Python实用技法第23篇：正则：文本模式的匹配和查找

上一篇文章： Python实用技法第22篇：利用Shell通配符作字符串匹配
下一篇文章： Python实用技法第24篇：正则：查找和替换文本

一、需求🙀

咱们想要按照特定的文本模式进行匹配或查找。

二、解决方案😸

若是想要匹配的只是简单的文字，那么一般只须要用基本的字符串方法就能够了，好比str.find()、str.endswith()、str.startswith()或相似函数。

示例：

text='mark ，帅哥，18，183 帅，mark'
print(text=='mark')
print(text.startswith('mark'))
print(text.startswith('mark'))
print(text.find('帅哥'))

结果：

False
True
True
6

若是更为复杂的匹配则须要使用正则表达式以及re模块。为了说明使用正则表达式的基本流程，假设咱们想匹配以数字形式构成的日期，好比"11/27/2018"。示例以下：

import re
text1='11/27/2018'
text2='Nov 27, 2018'
if re.match(r'\d+/\d+/\d+',text1):
    print('符合模型：数字/数字/数字')
else:
    print('不符合模型：数字/数字/数字')

if re.match(r'\d+/\d+/\d+',text2):
    print('符合模型：数字/数字/数字')
else:
    print('不符合模型：数字/数字/数字')

运行结果：

符合模型：数字/数字/数字
不符合模型：数字/数字/数字

若是打算针对同一模型作屡次匹配，那么一般会先将正则表达式模式预编译成一个模式对象。

例如：

import re
text1='11/27/2018'
text2='Nov 27, 2018'
datepat=re.compile(r'\d+/\d+/\d+')
if datepat.match(text1):
    print('符合模型：数字/数字/数字')
else:
    print('不符合模型：数字/数字/数字')

if datepat.match(text2):
    print('符合模型：数字/数字/数字')
else:
    print('不符合模型：数字/数字/数字')

结果：

符合模型：数字/数字/数字
不符合模型：数字/数字/数字

match()方法老是尝试在字符串的开头找到匹配项。若是想针对整个文本搜索出全部的匹配项，那么就应该使用findall()方法，例如：

import re
text='今天是 11/27/2018，昨天是11/26/2018'
datepat=re.compile(r'\d+/\d+/\d+')
print(datepat.findall(text))

运行结果：

['11/27/2018', '11/26/2018']

当定义正则表达式时，咱们常会将部分模式用括号包起来的方式引入捕获组，捕获组一般简化后续对匹配文本的处理，由于每一个组的内容均可以单独提取出来。findall()方法搜索整个文本并找出全部的匹配项而后将它们以列表的形式返回。若是想以迭代的方式找出匹配项，可使用finditer()方法。

例如：

import re
#加入捕获组
datepat=re.compile(r'(\d+)+/(\d+)+/(\d+)')
m=datepat.match('11/27/2018')
print(m.group(0))
print(m.group(1))
print(m.group(2))
print(m.group(3))
print(m.groups())
month,day,year=m.groups()
print(month)
print(day)
print(year)

print('*'*20)

text='今天是 11/27/2018，昨天是11/26/2018'
for month,day,year in datepat.findall(text):
    print('{}-{}-{}'.format(year,month,day))

print('*'*20)

for m in datepat.finditer(text):
    print(m.groups())

结果：

11/27/2018
11
27
2018
('11', '27', '2018')
11
27
2018
********************
2018-11-27
2018-11-26
********************
('11', '27', '2018')
('11', '26', '2018')

三、分析😈

本节主要介绍了re模块对文本匹配和搜索的基本功能，首先用re.compile()对模式进行编译，而后使用想match()、findall()、finditer()这样的方法作匹配和搜索。

当指定模式时咱们一般会使用原始字符串，例如：

r'(\d+)/(\d+)/(\d+)'

这样的字符串不会对反斜字符转义，这在正则表达式中很是有用。不然，咱们须要用双反斜杠线来标识一个单独的''，例如：

'(\\d+)/(\\d+)/(\\d+)'

请注意match()方法只会检查字符的开头，有可能出现的匹配的结果并非你想要的，例如：

import re
#加入捕获组
datepat=re.compile(r'(\d+)+/(\d+)+/(\d+)')
m=datepat.match('11/27/2018xxxx')
print(m)

结果：

<re.Match object; span=(0, 10), match='11/27/2018'>

若是想要精确匹配，能够加一个结束标记：$

import re
#加入捕获组
datepat=re.compile(r'(\d+)+/(\d+)+/(\d+)$')
m1=datepat.match('11/27/2018xxxx')
m2=datepat.match('11/27/2018')
print(m1)
print(m2)

结果：

None
<re.Match object; span=(0, 10), match='11/27/2018'>

若是只是执行简单的文本匹配和搜索操做，能够省略编译步骤。

若是打算执行不少匹配或查找操做的话，一般须要先将模式编译而后重复使用。模块级的函数会对最近编译过的模式作缓存处理，而且比较省步骤。

上一篇文章： Python实用技法第22篇：利用Shell通配符作字符串匹配
下一篇文章： Python实用技法第24篇：正则：查找和替换文本