python学习笔记4-正则表达式

import re -- 所有正则表达式相关的功能都包含在re模块中

re.sub() -- 字符串替换

>>> import re
>>> s= "100 NORTH BROAD ROAD"
>>> re.sub('ROAD$','RD.',s)
'100 NORTH BROAD RD.'

>>> s = "100 BROAD"
>>> re.sub('\\bROUAD$','RD.',s)
'100 BROAD'

>>> s='100 BROAD ROAD APT. 3'
>>> re.sub(r'\bROAD$','RD.', s)
'100 BROAD ROAD APT. 3'
>>> re.sub(r'\bROAD\b', 'RD.',s)
'100 BROAD RD. APT. 3'

注：

1） \b 表示在左边必须有一个分隔符。

2） 正则表达式前面的 ‘r'告诉python，字符串中没有任何字符需要转义。eg., '\t'是一个制表符，r'\t'是一个字符‘\‘紧跟一个字符‘t'

re.search() -- 用正则表达式来匹配字符串，如果匹配成功，则返回一个匹配对象，如果没有匹配成功，则返回none

>>> import re
>>> pattern = '^M?M?M?$'
>>> re.search(pattern, 'M')
<_sre.SRE_Match object; span=(0, 1), match='M'>
>>> re.search(pattern,'MM')
<_sre.SRE_Match object; span=(0, 2), match='MM'>
>>> re.search(pattern,'MMM')
<_sre.SRE_Match object; span=(0, 3), match='MMM'>
>>> re.search(pattern,'MMMMM')
>>> re.search(pattern,'')
<_sre.SRE_Match object; span=(0, 0), match=''>

>>> import re
>>> pattern = '^M?M?M?$'
>>> re.search(pattern, 'M')
<_sre.SRE_Match object; span=(0, 1), match='M'>
>>> re.search(pattern,'MM')
<_sre.SRE_Match object; span=(0, 2), match='MM'>
>>> re.search(pattern,'MMM')
<_sre.SRE_Match object; span=(0, 3), match='MMM'>
>>> re.search(pattern,'MMMMM')
>>> re.search(pattern,'')
<_sre.SRE_Match object; span=(0, 0), match=''>

注：

1）？-- 表示匹配可选

2) M{0,3} -- 表示匹配0～3次M

松散正则表达式：

1. 空白符被忽略。空格、制表、回车在正则表达式中并不会被匹配。如果想匹配这些字符，需要加转义字符'\'。

2.注释信息（以＃开头直到行尾）被忽略。

3. 用松散正则表达式时，需要传递re.VERBOSE参数。

>>> pattern = '''
^                    #beginning of string
M{0,3}               #thousands - 0 to 3 Ms
(CM|CD|D?C{0,3})     #hundreds  - 900(CM), 400(CD),0-300 (0 to 3 Cs) or 500-800
#(D, followed by 0 to 3 Cs )
(XC|XL|L?X{0,3})     #tens - 90(XC), 40(XL), 0-30 (0 TO 3 Xs), or 50~80
#(L, followed by 0 to 3 Xs)
(IX|IV|V?I{0,3})     #ones - 9 (IX), 4(IV),0-3 (0 to 3 Is),
#or 5~8 (V,followed by 0 to 3 Is)
$                    #end of string
'''
>>> re.search(pattern, 'M', re.VERBOSE)
<_sre.SRE_Match object; span=(0, 1), match='M'>
>>> re.search(pattern, 'MCMLXXXIX', re.VERBOSE)
<_sre.SRE_Match object; span=(0, 9), match='MCMLXXXIX'>

案例：匹配电话号码

\d: -- 匹配所有0-9数字

\D: -- 匹配除了数字外所有字符

＋：-- 匹配一次或多次

* : -- 匹配0次或多次

>>> phonePattern = re.compile(r'(\d{3})\D*(\d{3})\D*(\d{4})\D*(\d*)$')
>>> phonePattern.search('work 1-(800) 555.1212 #1234').groups()
('800', '555', '1212', '1234')

正则表达式符号及其含义：

$--字符串结尾

^--字符串开头

x？-- 匹配0次或一次x字符

x＋：-- 匹配一次或多次x字符

x* : -- 匹配0次或多次x字符

x{m,n} -- 表示匹配m～n次x字符

x{n} -- 表示匹配n次x字符

(a|b|c) -- 表示匹配a或b或c

(x) -- 这是一个组合，被匹配到的字符串会被存储，用re.search()返回对象的groups()方法获得被匹配的值

\d: -- 匹配所有0-9数字

\D: -- 匹配除了数字外所有字符

\b: --匹配一个单词边界