python 学习记录（2）—re 正则表达式模块的使用

003

#  正则表达式（或 RE）是一种小型的、高度专业化的编程语言，

004

#     （在Python中）它内嵌在Python中，并通过 re 模块实现。使用这个小型语言，

005

#      你可以为想要匹配的相应字符串集指定规则；该字符串集可能包含英文语句、email

006

#      地址、TeX命令或任何你想搞定的东西。然后你可以问诸如“这个字符串匹配

007

#      该模式吗？”或“在这个字符串中是否有部分匹配该模式呢？”。你也可以使用 RE

008

#      以各种方式来修改或分割字符串。

009

#

010

#  正则表达式语言相对小型和受限（功能有限），因此并非所有字符串处理都能用

011

#      正则表达式完成。当然也有些任务可以用正则表达式完成，不过最终表达式会变

012

#      得异常复杂。碰到这些情形时，编写 Python 代码进行处理可能反而更好；尽管

013

#      Python 代码比一个精巧的正则表达式要慢些，但它更易理解。

014

#

015

#2.在正则表达式中， 如下的字符是具有特殊含义的

016

#  . (所有字符)  ^  $  *(0-N次)  +(1-N次)  ? (0-1次) { } [  ]  \  |  ( )

017

#      1)."[" 和 "]"。它们常用来指定一个字符类别，所谓字符类别就是你想匹配的一个字符集

018

#      2).其它地方的"^"只会简单匹配 "^"字符本身。例[^5] 将匹配除 "5" 之外的任意字符。

019

#      3).反斜杠后面可以加不同的字符以表示不同特殊意义。它也可以用于取消所有的元字符

020

#

021

#3.RE 函数用法:

022

#      findall(rule , target [,flag] ) 在目标字符串中查找符合规则的字符串。

023

#      match() 决定 RE 是否在字符串刚开始的位置匹配

024

#      search() 扫描字符串，找到这个 RE 匹配的位置

025

#      findall() 找到 RE 匹配的所有子串，并把它们作为一个列表返回

026

#      finditer() 找到 RE 匹配的所有子串，并把它们作为一个迭代器返回

027

#      group() 返回被 RE 匹配的字符串

028

#      start() 返回匹配开始的位置

029

#      end() 返回匹配结束的位置

030

#      span() 返回一个元组包含匹配 (开始,结束) 的位置

031

#      compile( rule [,flag] )将正则规则编译成一个Pattern对象，以供接下来使用第一个参数

032

#

033

#                                  是规则式，第二个参数是规则选项。(使用compile加速)

034

#

035

#4 : 含义:

036

#  预定义转义字符集： “\d”  “\w” “\s” 等等，它们是以字符’\’开头，后面接一个特定

037

#

038

#字符的形式,用来指示一个预定义好的含义

039

#

040

#  ‘^’  和’$’ 匹配字符串开头和结尾

041

#  ‘.’    匹配所有字符 除\n以外

042

#  ‘\d’  匹配数字

043

#  ‘\D’  匹配非数字

044

#  ‘\w’  匹配字母和数字

045

#  ‘\W’  匹配非英文字母和数字

046

#  ‘\s’   匹配间隔符

047

#  ‘\S’   匹配非间隔符

048

#  ‘\A’  匹配字符串开头

049

#  ‘\Z’  匹配字符串结尾

050

#  ‘\b’  只用以匹配单词的词首和词尾。单词被定义为一个字母数字序列，因此词尾就

051

#

052

#                    是用空白符或非字母数字符来标示的。(退格)

053

#  ‘\B’，它正好同 \b 相反，只在当前位置不在单词边界时匹配。

054

#5.前向界定与后向界定:

055

#  ‘(?<=…)’ 前向界定:括号中’…’代表你希望匹配的字符串的前面应该出现的字符串。

056

#  ‘(?=…)’后向界定    :括号中的’…’代表你希望匹配的字符串后面应该出现的字符串

057

#  ‘(?<!..)’前向非界定 :只有当你希望的字符串前面不是’…’的内容时才匹配

058

#  ‘(?!...)’后向非界定  :只有当你希望的字符串后面不跟着’…’内容时才匹配。

059

#6.组的基本知识:

060

#  ‘(‘’)’                  无命名组                    [a-z]+(\d+)[a-z]+

061

#  ‘(?P<name>…)’    命名组                    (?P<g1>[a-z]+)\d+(?P=g1)

062

#  ‘(?P=name)’ 调用已匹配的命名组

063

#  ‘\number’通过序号调用已匹配的组正则式中的每个组都有一个序号，序号是按组

064

#

065

#从左到右，从1开始的数字，你可以通过下面的形式来调用已匹配的组

066

#                                           ( r"(\d+)([a-z]+)(\d+)(\2)(\1)" )

067

import

rhinoscriptsyntax asrs

068

#正则表达式

069

import

re

070

str1

=

"abc \\ 123 456"

071

print

re.findall(

"\\\\"

,str1)

#不用r和用r的区

072

print

re.findall(r

"\d\Z"

,str1)

#用"r"来定义规则字符串

073

074

p

=

re.

compile

(

'(a)b'

)

075

m

=

p.match(

'ab'

)

076

print

m.group()

077

078

s

=

"aaa1 22 gg 333 ccc 4444 pppp55555 666"

079

print

re.findall(r

"\b\d{3}\b"

,s)

080

print

re.findall(r

"\b\d{2,4}\b"

,s)

081

082

s2

=

"aaa111aaa , bbb222 , 333ccc"

083

print

re.findall( r

"(?<=[a-z]+)\d+(?=[a-z]+)"

,s2)

084

print

re.findall( r

"\d+(?=[a-z]+)"

,s2)

085

##目标 前面是a-z 1-多次、中间数字1-9 1-多次

086

print

re.findall(r

"\d+(?!\w+)"

,s2)

087

#无命名组

088

print

re.findall(r

"[a-z]+(\d+)[a-z]+"

,s2)

#只返回()里面的

089

s3

=

'aaa111aaa,bbb222,333ccc,444ddd444,555eee666,fff777ggg,hhh888hhh'

090

print

re.findall(r

"([a-z]+)\d+([a-z]+)"

,s3)

#返回括号里面的

091

#‘(?P<name>…)’ 命名组

092

print

re.findall( r

"(?P<g1>[a-z]+)\d+(?P=g1)"

,s3)

#找出被中间夹有数字的前后同样的字母

093

print

re.findall(r

"([a-z]+)\d+\1"

,s3)

094

s4

=

"111aaa222aaa111,333bbb444bb33"

095

print

re.findall( r

"(\d+)([a-z]+)(\d+)(\2)(\1)"

, s4)

#数字、字母、数字、字母、数字相对称

096

print

re.

compile

(r

"(\d+)([a-z]+)(\d+)(\2)(\1)"

).findall(s4)

097

098

#compile( rule [,flag] ) 使用compile加速

099

s5

=

"111,222,aaa,bbb,ccc333,444ddd"

100

print

re.

compile

(r

"\d+\b"

).findall(s5)

#\退格 匹配一个位于开头的数字，没有使用M选项

101

102

s6

=

"123 456\n789 012\n345 678"

103

print

re.

compile

(r

"^\d+"

,re.M).findall(s6)

#匹配位于(M/多行)开头的数字

104

105

rcm

=

re.

compile

(r

"\d+$"

)

#
对于’$’来说，没有使用M选项，它将匹配最后一个行尾的数字，即’678’，加上以后，就能匹配三个行尾的数字456 012和678了.

106

print

re.

compile

(r

"\d+$"

,re.M).findall(s6)

#