Python-正则表达式

jiang1799

　　一.正则表达式
　　正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
　　
　　1.基本模式
　　字面模式: 就是字面长量,就代表其本身
　　. 匹配任何字符
　　\w 匹配一个字母、数字、下划线
　　\W 匹配非字母、数字、下划线
　　\s 匹配空白
　　\S 匹配非空白字符
　　\d 匹配数字
　　^ 开头
　　$ 结尾
　　\ 转义字符

元字符：　　[[:digit:]]
　　[[:upper:]]
　　通配符：^,$,[]  , ^和$在[]中不代表以什么开头以什么结尾的意思
　　*
　　?
　　$,^
　　[]
　　2.次数的匹配 , 匹配其前面的字符出现的次数 :
　　* 0 次或多次
　　+ 一次或多次
　　? 零次或一次
　　{n}              代表重复n次
　　{m,n}          代表重复m次到n次
　　{0,}             重复0次到无穷大,*
　　{1,}             重复1次到无穷大,+
　　{0,1}           重复0次或一次，?
　　3.中括号
　　中括号用于指向一个字符集合
　　中括号可以使用元字符
　　中括号中的. 表示其字面意思
　　[a-z] [A-Z] [0-9] [A-Za-z]
　　[0-9a-zA-Z\_] 可以匹配一个数字、字母或者下划线;
　　[0-9a-zA-Z\_]+ 可以匹配至少由一个数字、字母或者下划线组成的字符串;
　　[a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 更精确地限制了变量的长度是 120个字符;
　　A|B 可以匹配 A 或 B
　　^\d 表示必须以数字开头
　　\d$ 表示必须以数字结束

　　练习: 检验变量名是否合法?

　　
　　思考
　　判断一个字符串是否是合法的 Email 的方法;
　　判断满足029-1234567这样要求的电话号码的方法;
　　myre = r"^010-{0,1}\d{8}"    可以写成 myre = r"^010-?\d{8}"
　　re.findall(myre,s)
　　二.re 模块
　　r = r'hello'
　　re.match(r, 'hello')
　　re.match(r, 'westos')
　　match() 方法判断是否匹配,如果匹配成功,返回一个 Match对象,否则返回 None 。
　　分组
　　m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
　　m.group(0)
　　m.group(1)
　　m.group(2)

　　贪婪匹配
　　正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符
　　>>> re.match(r'^(\d+)(0*)$', '102300').groups()
　　('102300', '')
　　注：
　　\d+ 采用贪婪匹配,直接把后面的 0 全部匹配了,结果 0* 只能匹配空字符串
　　\d+ 采用贪婪匹配,直接把后面的 0 全部匹配了,结果 0* 只能匹配空字符串必须让 \d+ 采用非贪婪匹配(也就是尽可能少匹配),才能把后面的 0 匹配出来,加个 ? 就可以让 \d+ 采用非贪婪匹配
　　三.编译
　　当我们在 Python 中使用正则表达式时,re 模块内部会干两件事情:
　　1. 编译正则表达式,如果正则表达式的字符串本身不合法,会报错;
　　2. 用编译后的正则表达式去匹配字符串。
　　重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式。
　　编译
　　r = r'hello'
　　r_compile = r.compile(r)
　　r_compile .match()
　　myre = r"^010-?\d{8}"
　　comR = myre.compile(myre)
　　re.findall(comR,s)
　　re.finditer(comR,s)
　　练习
　　基础版:有一个日志文件access.log,统计访问前十的 IP 地址和访问次数。
　　升级版:有多个日志文件access.log,统计访问前十的 IP 地址和访问次数。
　　四.总结
　　re.match(p,text) :p 为正则表达式模式, text 要查找的字符串,会返回一个match 对象
　　re.search(p,text) : 只要在 text 中匹配到了 p 就返回,只返回第一个匹配到的
　　re.findall(p,text) :将能匹配上的全返回,会返回一个 list
　　re.split(p,text) : 按照 p 匹配,并且以匹配到的字符为分隔符切割 text, 返回一个切割后的 list（s.split() ）
　　re.sub(p,s,text) : 替换,将 p 匹配到的字符替换为 s.    （相当于s.replace()）
　　pattern = re.compile(p) 先编译 p 模式,当正则表达式模式比较复杂的时候,会先编译,然后再使用