八Python正则表达式

trssc

　　正则表达式是搜索、替换和解析复杂字符串的一种强大而标准的方法，Python中的正则相关的东西全在re模块下。
　　1 常用的匹配

• ^匹配字符串的开始
  
• $匹配字符串的结尾
  
• \b匹配一个单词的边界
  
• \d匹配任意数字
  
• \D匹配任意非数字字符
  
• x?匹配一个可选的x（匹配1次或0次x字符）
  
• x*匹配0次或多次x
  
• x+匹配1次或多次x
  
• x{n,m}至少n次，至多m次x
  
• (a|b|c)要么匹配a，要么匹配b，要么匹配c
  
• (x)一般情况下表示一个记忆组，你可以利用re.search函数返回对象的groups()函数来获取它的值
  

　　2 一般用途

#-------------------------------------------------------------------------------
# coding:        utf-8
# Purpose:正则表达式
#
# Author:      zdk
#
# Created:     26/02/2013
# Copyright:   (c) zdk 2013
#-------------------------------------------------------------------------------
import re
if __name__ == '__main__':
addr = "100 BROAD ROAD APT.3"
print(re.sub("ROAD","RD",addr)) # 100 BRD RD APT.3
print(re.sub(r"\bROAD\b","RD",addr)) # 100 BROAD RD APT.3
pattern = ".*B.*(ROAD)?"
print(re.search(pattern,"ROAD")) #None
print(re.search(pattern,"B")) #<_sre.SRE_Match object at 0x0230F020>
　　（1）re.sub("ROAD","RD",addr) 利用re.sub函数对字符串addr进行搜索，满足表达式"ROAD"的用“RD”替换
　　（2）re.sub(r"\bROAD\b","RD",addr) ，“\b”含义是“单词的边界”，在Python中，由于字符“\”在字符串中必须转义，这会变得非常麻烦，所以Python用前缀r表示字符串中的所有字符都不转义。
　　（3）re.search(pattern,"ROAD") re模块有一个search函数，该函数有两个参数，一个是正则表达式，一个是字符串，search函数返回一个拥有多种方法可以描述这个匹配的对象，如果没有发现匹配，则返回None。
　　3 松散正则表达式
　　上面均是“紧凑”类型的表达式，它比较难以阅读，即使现在清楚表达式的含义，也不能保证几个月后还能记得。所以Python允许用户利用所谓的松散正则表达式来完成内联文档的需要，和一般的表达式有以下两个方面的主要区别

• 忽略空白符。空格符、制表符、回车符不匹配它们自身（如果你想在松散正则表达式中匹配一个空格符，你不须在它前面添加一个反斜杠符号对它进行转义）
  
• 忽略注释。和普通的Python代码一样，注释开始于#符号，结束于行尾。
  

#松散带有内联注释的正则表达式
pattern = """
^   # begin of string
M{0,3} # 0 to 3 M
(CM|CD|D?C{0,3}) #CM or CD or D or D 0 to 3 C
$   #end of string
"""
print(re.search(pattern,"MCM",re.VERBOSE)) #<_sre.SRE_Match object at 0x021BAF60>
print(re.search(pattern,"M99",re.VERBOSE)) #None
　　（1）当使用松散正则表达式时，最重要的一件事就是：必须传递一个额外的参数re.VERBOSE，它是re模块的一个常量，标志着待匹配的正则表达式是一个松散正则表达式。pattern的空格和注释都是被忽略的，但同时具有更好的可读性。
　　4 个例研究：解析电话号码
　　必须匹配如下电话号码：

• 800-555-1212
  
• 800 555 1212
  
• 800.555.1212
  
• (800)555-1212
  
• 1-800-555-1212
  
• 800-555-1212-1234
  
• 800-555-1212x1234
  
• 800-555-1212 ext.1234
  
• work 1-(800) 555,1212 #1234 
  

　　格式比较多，我们需要知道的是800为区号，干线号为555，电话号的其他数字为1212，对于有分机号的，我们需要知道分机号为1234

    phonePattern = re.compile(r'''
# don't match beginging of string
(\d{3}) # 3 digits
\D*     #any number of non-digits
(\d{3}) # 3 digits
\D*     #any number of non-digits
(\d{4}) # 4 digits
\D*     #any number of non-digits
(\d*)   #any number of digits
''',re.VERBOSE)
print(phonePattern.search('work 1-(800)555.1212 #1234').groups()) #('800', '555', '1212', '1234')
　　（1）一个松散正则表达式如上， 首先匹配3个数字区号（不一定从第一个字符开始，所以没有用^），接着后面匹配任意多个非数字的字符，接着匹配3个数字干线号，接着匹配任意多个非数字的字符，接着匹配4个数字号码，接着匹配任意多个非数字的字符，接着匹配任意多个数字的分机号，然后用groups函数分组，得到正确的电话号码。