Please refresh the page if equations are not rendered correctly.
---------------------------------------------------------------
Python中的正则表达式
1. 正则表达式语法
在python中使用正则表达式必须首先引入re包import re.
import re
现在，我们首先创建一个字符串作为搜索目标
text_to_search = '''
abcdefghijklmnopqurtuvwxyz
ABCDEFGHIJKLMNOPQRSTUVWXYZ
1234567890
Ha HaHa
MetaCharacters (Need to be escaped):
. ^ $ * + ? { } [ ] \ | ( )
coreyms.com
321-555-4321
123.555.1234
123*555*1234
Mr. Schafer
Mr Smith
Ms Davis
Mrs. Robinson
Mr. T
'''
要搜索的目标字符串可以存入pattern，然后进行搜索。
pattern = re.compile(r'abc') #r" " for raw string.
matches = pattern.finditer(text_to_search)
matches是finditer()返回的一个包含所有非重叠匹配对象的迭代器。输出搜索结果可以用以下语句：
for match in matches:
print(match) #
print(match.span()) # (1, 4)
其中span=(1,4)表示在目标文本中搜索对象的索引位置。在正则表达式中，可以使用以下字符来代表不同的搜索对象：
. - Any Character Except New Line (\n)
\d - Digit (0-9)
\D - Not a Digit (0-9) ie: pattern = re.compile(r'\D')
\w - Word Character (a-z, A-Z, 0-9, _)
\W - Not a Word Character ie: ie: pattern = re.compile(r'\W')
\s - Whitespace (space, tab, newline)
\S - Not Whitespace (space, tab, newline)
以上每个特殊字符仅能匹配一个搜索字符，为了匹配多个，可以重复使用以上字符的组合，l例如，对于text_to_search中的三个电话号码，我们可以使用pattern=re.compile(r'\d\d\d.\d\d\d.\d\d\d\d')去匹配，如果只想匹配指定的分隔符，则可以将pattern设置为pattern=re.compile(r'\d\d\d[-.]\d\d\d[-.]\d\d\d\d')，意为仅匹配使用-或者.分割的电话号码。
也可以同时使用以下表示匹配数量的特殊字符（pattern=re.compile(r'\d+.\d+.\d+')）或者直接指定出现的数量（pattern=re.compile(r'\d{3}.\d{3}.\d{4}')或pattern=re.compile(r'\d{3,4}.\d{3,4}.\d{3,4}')）：
Quantifiers:
* - 0 or More
+ - 1 or More
? - 0 or One
{3} - Exact Number
{3,4} - Range of Numbers (Minimum, Maximum)
当需要匹配多个字符的组合时，可以借用以下特殊符号：
[] - Matches Characters in brackets; ie: pattern = re.compile(r'[abc]')
匹配任意包含在[]中的一个字符
[^ ] - Matches Characters NOT in brackets
IE: pattern = re.compile(r'[^b]at') #匹配*at三个字母，*不为b
| - Either Or
( ) - Group
例如，为了匹配text_to_search中的Mr开头的名字，我们可以将匹配模式设定为：pattern = re.compile(r'Mr.?\s[A-Z]')，其中?表示可以有或者没有.。为了匹配更多选定的称呼前缀，还可以按如下方式定义pattern：
pattern = re.compile(r'(Mr|Mrs|Ms)\.?\s[A-Z]\w*')
其他的匹配方式还有：
b - Word Boundary
\B - Not a Word Boundary
^ - Beginning of a String
IE: pattern = re.compile(r'^start', re.I) # re.I 忽略大小写
- End of a String
IE: pattern = re.compile(r'end', re.I) # re.I 忽略大小写
2. 不同的搜索方式对比
re.search() vs. re.match()
Python 提供了两种基于正则表达式的不同原始操作：re.match() 只检查字符串开头的匹配，而 re.search() 则检查字符串中任何地方的匹配。
pattern = re.compile(r'c')
text_to_search = 'abcdef'
re.match(pattern, text_to_search) # No match, no return
re.search(pattern, text_to_search) # Match, ruturn match result
>>>
re.finditer(pattern, string, flags=0)
返回一个迭代器，包含与与re模式（pattern）的所有非重叠的匹配对象。从左到右扫描字符串，并按照找到的顺序返回匹配对象。
re.findall(pattern, string, flags=0)
如果正好有一个组，返回一个与该组相匹配的字符串的列表。如果有多个组，则返回一个与组相匹配的元组列表。与finditer相比返回值仅为匹配值的列表，不包括位置等信息。
>>> re.findall(r'\bf[a-z]*', 'which foot or hand fell fastest')
['foot', 'fell', 'fastest']
>>> re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
[('width', '20'), ('height', '10')]
3. 例子
3.1 电子邮件地址的匹配
如果我们有如下的电子邮件地址需要匹配：
emails = '''
CoreyMSchafer@gmail.com
corey.schafer@university.edu
corey-321-schafer@my-work.net
'''
则可以将匹配模式定义为：
pattern = re.compile(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+')
matches = pattern.finditer(emails)
for match in matches:
print(match)
3.2 网址匹配
如果我们有如下网址需要匹配：
urls = '''
https://www.google.com
http://coreyms.com
https://youtube.com
https://www.nasa.gov
'''
我们可以将匹配模式定义为：
pattern = re.compile(r'https?://(www\.)?(\w+)(\.\w+)')
subbed_urls = pattern.sub(r'\2\3', urls) # only match group(2) and (3).
print(subbed_urls)
# matches = pattern.finditer(urls)
# for match in matches:
# group(0) is the who pattern
# print(match.group(3)) # 将匹配模式分组()后可以分组匹配
4. 总结
在Python中使用正则表达式需要以下步骤：
- 引入re模块
import re； - 创建搜索模式pattern
- 利用re.search或者re.finditer()
- 输出搜索结果
-- 本文为[Python Tutorial: re Module - How to Write and Match Regular Expressions (Regex)](Python Tutorial: re Module - How to Write and Match Regular Expressions (Regex) - YouTube笔记
Comments NOTHING