re模塊

在Python中遵馆，通過內(nèi)置的re模塊提供對(duì)正則表達(dá)式的支持。正則表達(dá)式會(huì)被編譯成一系列的字節(jié)碼，然后由通過C編寫的正則表達(dá)式引擎進(jìn)行執(zhí)行古今。該引擎自從Python1.6被內(nèi)置以來，近20年時(shí)間未有發(fā)生過變化

re模塊支持下面的正則語(yǔ)法：

"."      
"^"      
"$" 
"*"     
"+"      
"?"      
*?,+?,?? 
{m,n}    
{m,n}?   
"\\"     
[]      
"|"      
(...)    
(?aiLmsux)
(?:...)  
(?P<name>...) 
(?P=name)     
(?#...)  
(?=...) 
(?!...) 
(?<=...) 
(?<!...) 
(?(id/name)yes|no)

提供了下面的方法進(jìn)行字符串的查找滔以、替換和分割等各種處理操作

反斜杠的困擾：\

與大多數(shù)編程語(yǔ)言相同，正則表達(dá)式里使用\作為轉(zhuǎn)義字符你画，這可能造成反斜杠困擾抵碟。假如需要匹配文本中的字符\，那么使用編程語(yǔ)言表示的正則表達(dá)式里將需要4個(gè)反斜杠\\\\坏匪。前兩個(gè)和后兩個(gè)分別用于在編程語(yǔ)言里轉(zhuǎn)義成反斜杠拟逮，轉(zhuǎn)換成兩個(gè)反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個(gè)反斜杠。為了方便我們使用個(gè)适滓，Python提供了原生字符串的功能敦迄，很好地解決了這個(gè)問題，這個(gè)例子中的正則表達(dá)式可以使用r"\\"表示凭迹。同樣罚屋，匹配一個(gè)數(shù)字的"\\d"可以直接寫成r"\d"。有了原生字符串嗅绸，你再也不用擔(dān)心是不是漏寫了反斜杠脾猛，寫出來的表達(dá)式也更直觀。

compile(pattern, flags=0)

這個(gè)方法是re模塊的工廠方法鱼鸠，用于將字符串形式的正則表達(dá)式編譯為Pattern模式對(duì)象猛拴，可以實(shí)現(xiàn)更高效率的匹配喉刘。第二個(gè)參數(shù)flag是匹配模式。

使用compile()完成一次轉(zhuǎn)換后漆弄，再次使用該匹配模式的時(shí)候就不用進(jìn)行轉(zhuǎn)換了睦裳。經(jīng)過compile()轉(zhuǎn)換的正則表達(dá)式對(duì)象也能使用普通的re方法。其用法如下：

import re
pat = re.compile(r"abc")
pat.match("abc123")
<_sre.SRE_Match object; span=(0, 3), match='abc'>

經(jīng)過compile()方法編譯過后的返回值是個(gè)re對(duì)象撼唾，它可以調(diào)用match()廉邑、search()、findall()等其他方法,但其他方法不能調(diào)用compile()方法倒谷。實(shí)際上蛛蒙，match()和search()等方法在使用前，Python內(nèi)部幫你進(jìn)行了compile的步驟渤愁。

re.match(r"abc","abc123").compile()
Traceback (most recent call last):
  File "<pyshell#7>", line 1, in <module>
    re.match(r"abc","abc123").compile()
AttributeError: '_sre.SRE_Match' object has no attribute 'compile'

match(pattern, string, flags=0)

match()方法會(huì)在給定字符串的開頭進(jìn)行匹配牵祟，如果匹配不成功則返回None，匹配成功返回一個(gè)匹配對(duì)象抖格，這個(gè)對(duì)象有個(gè)group()方法诺苹，可以將匹配到的字符串給出。

ret = re.match(r"abc","ab1c123")
print(ret)
None
re.match(r"abc","abc123")
<_sre.SRE_Match object; span=(0, 3), match='abc'>
obj = re.match(r"abc","abc123")
obj.group()
'abc'

search(pattern, string, flags=0)

在文本內(nèi)查找雹拄，返回第一個(gè)匹配到的字符串收奔。它的返回值類型和使用方法與match()是一樣的，唯一的區(qū)別就是查找的位置不用固定在文本的開頭滓玖。

obj = re.search(r"abc","123abc456abc789")
obj
<_sre.SRE_Match object; span=(3, 6), match='abc'>
obj.group()
'abc'
obj.start()
3
obj.end()
6
obj.span()
(3, 6)

findall(pattern, string, flags=0)

作為re模塊的三大搜索函數(shù)之一坪哄，findall()和match()、search()的不同之處在于势篡，前兩者都是單值匹配翩肌，找到一個(gè)就忽略后面，直接返回不再查找了禁悠。而findall是全文查找念祭，它的返回值是一個(gè)匹配到的字符串的列表。這個(gè)列表沒有g(shù)roup()方法绷蹲，沒有start棒卷、end、span祝钢，更不是一個(gè)匹配對(duì)象比规，僅僅是個(gè)列表！如果一項(xiàng)都沒有匹配到那么返回一個(gè)空列表拦英。

obj = re.findall(r"abc","123abc456abc789")
obj
['abc', 'abc']
obj.group()
Traceback (most recent call last):
  File "<pyshell#37>", line 1, in <module>
    obj.group()
AttributeError: 'list' object has no attribute 'group'
obj = re.findall(r"ABC","123abc456abc789")
print(obj)
[]

split(pattern, string, maxsplit=0, flags=0)

re模塊的split()方法和字符串的split()方法很相似蜒什，都是利用特定的字符去分割字符串。但是re模塊的split()可以使用正則表達(dá)式疤估，因此更靈活灾常，更強(qiáng)大霎冯，而且還有“殺手锏” 。

s = "8+7*5+6/3"
import re
a_list = re.split(r"[\+\-\*\/]",s)
a_list
['8', '7', '5', '6', '3']

split有個(gè)參數(shù)maxsplit钞瀑，用于指定分割的次數(shù)：

a_list = re.split(r"[\+\-\*\/]",s,maxsplit= 2)
a_list
['8', '7', '5+6/3']

sub(pattern, repl, string, count=0, flags=0)

sub()方法類似字符串的replace()方法沈撞，用指定的內(nèi)容替換匹配到的字符，可以指定替換次數(shù)雕什。

s = "i am jack! i am nine years old ! i like swiming!"
import re
s = re.sub(r"i","I",s)
s
'I am jack! I am nIne years old ! I lIke swImIng!'

分組功能

Python的re模塊有一個(gè)分組功能缠俺。所謂的分組就是去已經(jīng)匹配到的內(nèi)容里面再篩選出需要的內(nèi)容，相當(dāng)于二次過濾贷岸。實(shí)現(xiàn)分組靠圓括號(hào)()壹士，而獲取分組的內(nèi)容靠的是group()、groups()和groupdict()方法偿警，其實(shí)前面我們已經(jīng)展示過躏救。re模塊里的幾個(gè)重要方法在分組上，有不同的表現(xiàn)形式螟蒸，需要區(qū)別對(duì)待盒使。

例一：match()方法，不分組時(shí)的情況：

import re
origin = "hasdfi123123safd"
# 不分組時(shí)的情況
r = re.match("h\w+", origin)
print(r.group())         # 獲取匹配到的整體結(jié)果
print(r.groups())        # 獲取模型中匹配到的分組結(jié)果元組
print(r.groupdict())     # 獲取模型中匹配到的分組中所有key的字典

結(jié)果：
hasdfi123123safd
()
{}

例二：match()方法尿庐，有分組的情況（注意圓括號(hào)Ｖ也馈）

import re
origin = "hasdfi123123safd123"
# 有分組
r = re.match("h(\w+).*(?P<name>\d)$", origin)
print(r.group())  # 獲取匹配到的整體結(jié)果
print(r.group(1))  # 獲取匹配到的分組1的結(jié)果
print(r.group(2))  # 獲取匹配到的分組2的結(jié)果
print(r.groups())  # 獲取模型中匹配到的分組結(jié)果元組
print(r.groupdict())  # 獲取模型中匹配到的分組中所有key的字典

執(zhí)行結(jié)果：
hasdfi123123safd123
asdfi123123safd12
3
('asdfi123123safd12', '3')
{'name': '3'}

例三呢堰，search()方法抄瑟，有分組的情況：

import re
origin = "sdfi1ha23123safd123"      # 注意這里對(duì)匹配對(duì)象做了下調(diào)整
# 有分組
r = re.search("h(\w+).*(?P<name>\d)$", origin)
print(r.group())  
print(r.group(0))  
print(r.group(1))  
print(r.group(2))
print(r.groups())  
print(r.groupdict()) 

執(zhí)行結(jié)果：
ha23123safd123
ha23123safd123
a23123safd12
3
('a23123safd12', '3')
{'name': '3'}

例四，findall()方法枉疼，沒有分組的情況：

import re
origin = "has something have do"
# 無(wú)分組
r = re.findall("h\w+", origin)
print(r)

執(zhí)行結(jié)果：
['has', 'hing', 'have']
# 一切看起來沒什么不一樣

例五皮假，findall()方法，有一個(gè)分組的情況：

import re
origin = "has something have do"
# 一個(gè)分組
r = re.findall("h(\w+)", origin)
print(r)

執(zhí)行結(jié)果：
['as', 'ing', 'ave']

例六骂维，findall()方法惹资，有兩個(gè)以上分組的情況：

import re
origin = "hasabcd something haveabcd do"    # 字符串調(diào)整了一下
# 兩個(gè)分組
r = re.findall("h(\w+)a(bc)d", origin)
print(r)

運(yùn)行結(jié)果：
[('as', 'bc'), ('ave', 'bc')]

如何拆分含有多種分隔符的字符串

我們要把某字符串依據(jù)分隔符號(hào)拆分不同的字段，該字符串包含多種不同的分隔符航闺，例如:
s = 'ab;cd|efg|hi|hi,jkl\topq;str,ubw\asyd'
其中<,>,<;>,<|>,<\t> 都是分隔符號(hào),如何處理褪测？

第一種方法，可以連續(xù)使用str.split()方法潦刃，每次處理一種分割符號(hào)

def mySplit(s,ds):
    res = [s]
    for d in ds:
        t = []
        list(map(lambda x:t.extend(x.split(d)),res))
        res = t
    return res
s = 'ab;cd|efg|hi|hi,jkl\topq;str,ubw\x07syd'
print(mySplit(s,',;|\t'))

如果出現(xiàn)連續(xù)的分割符號(hào)侮措，會(huì)出現(xiàn)空字符的情況，這時(shí)候如果我們想去掉空字符串乖杠。
return [x for x in res if x]
用列表推導(dǎo)式可以完成這個(gè)需求分扎。

第二種方法，使用正則表達(dá)式的re.split()方法胧洒，一次性拆分字符串

import re
re.split(r'[,;\t|]+',s)

某軟件要求畏吓，從網(wǎng)絡(luò)抓取各個(gè)城市氣溫信息墨状，并依次顯示
北京:15-17
天津:17-22
長(zhǎng)春:12-18
如果一次抓取所有城市天氣再顯示，顯示第一個(gè)城市氣溫時(shí)菲饼，有很高的延遲肾砂，并且浪費(fèi)存儲(chǔ)空間，我們期望以用時(shí)訪問的策略宏悦，并且能把所有城市氣溫封裝到一個(gè)對(duì)象里通今，可用for語(yǔ)句進(jìn)行迭代，如何解決肛根？

import requests

def getWeather(city):
    r = requests.get('http://wthrcdn.etouch.cn/weather_mini?city='+city)
    data = r.json()['data']['forecast'][0]
    return '%s:%s,%s'%(city,data['low'],data['high'])

print(getWeather('北京'))

如何調(diào)整字符串中文本的格式

日期格式為'yyyy-mm-dd':

image.png

我們想把其中日期改為美國(guó)日期的格式'mm/dd/yyyy'
'2016-05-23'=>'05/23/2016',應(yīng)該如何處理辫塌？

import re
re.sub('(\d{4})-(\d{2})-(\d{2})',r'\2/\3/\1',file)

re.sub('(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})',r'\g<month>/\g<day>/\g<year>',file)