正则表达式(Python)
2017-08-08 09:55
148 查看
引子
首先说 正则表达式是什么？正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。
许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。
引用自维基百科https://zh.wikipedia.org/wiki/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F
定义是定义，太正经了就没法用了。我们来举个栗子：假如你在写一个爬虫，你得到了
一个网页的HTML源码。其中有一段
<html><body><h1>hello world<h1></body></html>
你想要把这个hello world提取出来，但你这时如果只会python 的字符串处理，那么第一反应可能是
s = <html><body><h1>hello world<h1></body></html>
start_index = s.find('<h1>')然后从这个位置向下查找到下一个
<h1>出现这样做未尝不可，但是很麻烦不是吗。需要考虑多个标签，一不留神就多匹配到东西了，而如果想要非常准确的匹配到，又得多加循环判断，效率太低。
这时候，正则表达式就是首选的帮手。
干货开始
入门级别
接着说我们刚才那个例子。我们如果拿正则处理这个表达式要怎么做呢？import re key = r"<html><body><h1>hello world<h1></body></html>"#这段是你要匹配的文本 p1 = r"(?<=<h1>).+?(?=<h1>)"#这是我们写的正则表达式规则，你现在可以不理解啥意思 pattern1 = re.compile(p1)#我们在编译这段正则表达式 matcher1 = re.search(pattern1,key)#在源文本中搜索符合正则表达式的部分 print matcher1.group(0)#打印出来
你可以尝试运行上面的代码，看看是不是和我们想象的一样（博主是在python2.7环境下）发现代码挺少挺简单？往下看。而且正则表达式实际上要比看起来的那种奇形怪状要简单得多。
首先，从最基础的正则表达式说起。
假设我们的想法是把一个字符串中的所有"python"给匹配到。我们试一试怎么做
import re key = r"javapythonhtmlvhdl"#这是源文本 p1 = r"python"#这是我们写的正则表达式 pattern1 = re.compile(p1)#同样是编译 matcher1 = re.search(pattern1,key)#同样是查询 print matcher1.group(0)
看完这段代码，你是不是觉得：卧槽？这就是正则表达式？直接写上去就行？
确实，正则表达式并不像它表面上那么奇葩，如果不是我们故意改变一些符号的含义时，你看到的就是想要匹配的。
所以，先把大脑清空，先认为正则表达式就是和想要匹配的字符串长得一样。在之后的练习中我们会逐步进化
初级
0.无论是python还是正则表达式都是区分大小写的，所以当你在上面那个例子上把"python"换成了"Python"，那就匹配不到你心爱的python了。1.重新回到第一个例子中那个
<h1>hello world<h1>匹配。假如我像这么写，会怎么样？
import re key = r"<h1>hello world<h1>"#源文本 p1 = r"<h1>.+<h1>"#我们写的正则表达式，下面会将为什么 pattern1 = re.compile(p1) print pattern1.findall(key)#发没发现，我怎么写成findall了？咋变了呢？
有了入门级的经验，我们知道那两个
<h1>就是普普通通的字符，但是中间的是什么鬼？
.字符在正则表达式代表着可以代表任何一个字符（包括它本身）
findall返回的是所有符合要求的元素列表，包括仅有一个元素时，它还是给你返回的列表。
机智如你可能会突然问：那我如果就只是想匹配"."呢？结果啥都给我返回了咋整？在正则表达式中有一个字符
\，其实如果你编程经验较多的话，你就会发现这是好多地方的“转义符”。在正则表达式里，这个符号通常用来把特殊的符号转成普通的，把普通的转成特殊的23333（并不是特殊的“2333”，写完才发现会不会有脑洞大的想歪了）。
举个栗子，你真的想匹配"chuxiuhong@hit.edu.cn"这个邮箱（我的邮箱），你可以把正则表达式写成下面这个样子：
import re key = r"afiouwehrfuichuxiuhong@hit.edu.cnaskdjhfiosueh" p1 = r"chuxiuhong@hit\.edu\.cn" pattern1 = re.compile(p1) print pattern1.findall(key)
发现了吧，我们在
.的前面加上了转义符
\，但是并不是代表匹配“\.”的意思，而是只匹配“.”的意思！
不知道你细不细心，有没有发现我们第一次用
.时，后面还跟了一个
+？那这个加号是干什么的呢？
其实不难想，我们说了“
.字符在正则表达式代表着可以代表任何一个字符（包括它本身）”，但是"hello
world"可不是一个字符啊。
+的作用是将前面一个字符或一个子表达式重复一遍或者多遍。
比方说表达式“ab+”那么它能匹配到“abbbbb”，但是不能匹配到"a"，它要求你必须得有个b，多了不限，少了不行。你如果问我有没有那种“有没有都行，有多少都行的表达方式”，回答是有的。
*跟在其他符号后面表达可以匹配到它0次或多次
比方说我们在王叶内遇到了链接，可能既有http://开头的，又有https://开头的，我们怎么处理？
import re key = r"http://www.nsfbuhwe.com and https://www.auhfisna.com"#胡编乱造的网址，别在意 p1 = r"https*://"#看那个星号！ pattern1 = re.compile(p1) print pattern1.findall(key)
输出
['http://', 'https://']
2.比方说我们有这么一个字符串"cat hat mat qat"，你会发现前面三个是实际的单词，最后那个是我胡编乱造的（上百度查完是昆士兰英语学院的缩写= =）。如果你本来就知道"at"前面是c、h、m其中之一时这才构成单词，你想把这样的匹配出来。根据已经学到的知识是不是会想到写出来三个正则表达式进行匹配？实际上不需要。因为有一种多字符匹方式
[]代表匹配里面的字符中的任意一个
还是举个栗子，我们发现啊，有的程序员比较过分，，在
<html></html>这对标签上，大小写混用，老害得我们抓不到想要的东西，我们该怎么应对？是写16*16种正则表达式挨个匹配？no
import re key = r"lalala<hTml>hello</Html>heiheihei" p1 = r"<[Hh][Tt][Mm][Ll]>.+?</[Hh][Tt][Mm][Ll]>" pattern1 = re.compile(p1) print pattern1.findall(key)
输出
['<hTml>hello</Html>']
我们既然有了范围性的匹配，自然有范围性的排除。
[^]代表除了内部包含的字符以外都能匹配
还是cat,hat,mat,qat这个例子，我们想匹配除了qat以外的，那么就应该这么写：
import re key = r"mat cat hat pat" p1 = r"[^p]at"#这代表除了p以外都匹配 pattern1 = re.compile(p1) print pattern1.findall(key)
输出
为了方便我们写简洁的正则表达式，它本身还提供下面这样的写法
| 正则表达式 | 代表的匹配字符 |
|---|---|
| [0-9] | 0123456789任意之一 |
| [a-z] | 小写字母任意之一 |
| [A-Z] | 大写字母任意之一 |
| \d | 等同于[0-9] |
| \D | 等同于[^0-9]匹配非数字 |
| \w | 等同于[a-z0-9A-Z_]匹配大小写字母、数字和下划线 |
| \W | 等同于[^a-z0-9A-Z_]等同于上一条取非 |
import re key = r"chuxiuhong@hit.edu.cn" p1 = r"@.+\."#我想匹配到@后面一直到“.”之间的，在这里是hit pattern1 = re.compile(p1) print pattern1.findall(key)
输出结果
['@hit.edu.']
呦呵！你咋能多了呢？我理想的结果是
@hit.，你咋还给我加量了呢？这是因为正则表达式默认是“贪婪”的，我们之前讲过，“+”代表是字符重复一次或多次。但是我们没有细说这个多次到底是多少次。所以它会尽可能“贪婪”地多给我们匹配字符，在这个例子里也就是匹配到最后一个“.”。
我们怎么解决这种问题呢？只要在“+”后面加一个“？”就好了。
import re key = r"chuxiuhong@hit.edu.cn" p1 = r"@.+?\."#我想匹配到@后面一直到“.”之间的，在这里是hit pattern1 = re.compile(p1) print pattern1.findall(key)
输出结果
['@hit.']
加了一个“?”我们就将贪婪的“+”改成了懒惰的“+”。这对于[abc]+,\w*之类的同样适用。
小测验：上面那个例子可以不使用懒惰匹配，想一种方法得到同样的结果
**个人建议：在你使用"+","*"的时候，一定先想好到底是用贪婪型还是懒惰型，尤其是当你用到范围较大的项目上时，因为很有可能它就多匹配字符回来给你！！！**
为了能够准确的控制重复次数，正则表达式还提供
{a,b}(代表a<=匹配次数<=b)
还是举个栗子，我们有sas,saas,saaas，我们想要sas和saas，我们怎么处理呢？
import re
key = r"saas and sas and saaas"
p1 = r"sa{1,2}s"
pattern1 = re.compile(p1)
print pattern1.findall(key)输出
['saas', 'sas']
如果你省略掉{1,2}中的2，那么就代表至少匹配一次，那么就等价于？
如果你省略掉{1,2}中的1，那么就代表至多匹配2次。
下面列举一些正则表达式里的元字符及其作用
| 元字符 | 说明 |
|---|---|
| . | 代表任意字符 |
| \ | |
| [ ] | 匹配内部的任一字符或子表达式 |
| [^] | 对字符集和取非 |
| - | 定义一个区间 |
| \ | 对下一字符取非（通常是普通变特殊，特殊变普通） |
| * | 匹配前面的字符或者子表达式0次或多次 |
| *? | 惰性匹配上一个 |
| + | 匹配前一个字符或子表达式一次或多次 |
| +? | 惰性匹配上一个 |
| ? | 匹配前一个字符或子表达式0次或1次重复 |
| {n} | 匹配前一个字符或子表达式 |
| {m,n} | 匹配前一个字符或子表达式至少m次至多n次 |
| {n,} | 匹配前一个字符或者子表达式至少n次 |
| {n,}? | 前一个的惰性匹配 |
| ^ | 匹配字符串的开头 |
| \A | 匹配字符串开头 |
| $ | 匹配字符串结束 |
| [\b] | 退格字符 |
| \c | 匹配一个控制字符 |
| \d | 匹配任意数字 |
| \D | 匹配数字以外的字符 |
| \t | 匹配制表符 |
| \w | 匹配任意数字字母下划线 |
| \W | 不匹配数字字母下划线 |
本文转载地址http://www.cnblogs.com/chuxiuhong/p/5885073.html
Python中的语句python if __name__ == '__main__'的一些具体用法如下：
__name__是指示当前py文件调用方式的方法。如果它等于"__main__"就表示是直接执行，如果不是，则用来被别的文件调用，这个时候if就为False，那么它就不会执行最外层的代码了。
比如你有个Python文件里面
def XXXX():
#body
print "asdf"
这样的话，就算是别的地方导入这个文件，要调用这个XXXX函数，也会执行print "asdf"，因为他是最外层代码，或者叫做全局代码。但是往往我们希望只有我在执行这个文件的时候才运行一些代码，不是的话（也就是被调用的话）那就不执行这些代码，所以一般改为
def XXXX():
#body
if __name__="__main__":
print "asdf"
python中的类的用法：
创建类
创建类的方法比较简单，如下：
复制代码 代码如下:
class Person:
注意，类的名称一般用大写字母开头，这是惯例。当然，如果故意不遵循此惯例，也未尝不可，但是，会给别人阅读乃至于自己以后阅读带来麻烦。既然大家都是靠右走的，你就别非要在路中间睡觉了。
接下来，一般都要编写构造函数，在写这个函数之前，先解释一下什么是构造函数。
复制代码 代码如下:
class Person:
def __init__(self, name, lang, website):
self.name = name
self.lang = lang
self.website = website
上面的类中，首先呈现出来的是一个名为：__init__()的函数，注意，这个函数是以两个下划线开始，然后是init，最后以两个下划线结束。这是一个函数，就跟我们此前学习过的函数一样的函数。但是，这个函数又有点奇特，它的命名是用“__”开始和结束。
请看官在这里要明确一个基本概念，类就是一种对象类型，和跟前面学习过的数值、字符串、列表等等类型一样。比如这里构建的类名字叫做Person，那么就是我们要试图建立一种对象类型，这种类型被称之为Person，就如同有一种对象类型是list一样。
在构建Person类的时候，首先要做的就是对这种类型进行初始化，也就是要说明这种类型的基本结构，一旦这个类型的对象被调用了，第一件事情就是要运行这个类型的基本结构，也就是类Person的基本结构。就好比我们每个人，在头脑中都有关于“人”这样一个对象类型（对应着类），一旦遇到张三（张三是一个具体人），我们首先运行“人”这个类的基本结构：一个鼻子两只眼，鼻子下面一张嘴。如果张三符合这个基本机构，我们不会感到惊诧（不报错），如果张三不符合这个基本结构（比如三只眼睛），我们就会感到惊诧（报错了）。
由于类是我们自己构造的，那么基本结构也是我们自己手动构造的。在类中，基本结构是写在__init__()这个函数里面。故这个函数称为构造函数，担负着对类进行初始化的任务。
还是回到Person这个类，如果按照上面的代码，写好了，是不是__init__()就运行起来了呢？不是！这时候还没有看到张三呢，必须看到张三才能运行。所谓看到张三，看到张三这样一个具体的实实在在的人，此动作，在python中有一个术语，叫做实例化。当类Person实例化后立刻运行__init__()函数。
复制代码 代码如下:
#!/usr/bin/env python
#coding:utf-8
class Person:
def __init__(self, name, lang, website):
self.name = name
self.lang = lang
self.website = website
info = Person("qiwsir","python","qiwsir.github.io") #实例化Person
print "info.name=",info.name
print "info.lang=",info.lang
print "info.website=",info.website
#上面代码的运行结果：
info.name= qiwsir
info.lang= python
info.website= qiwsir.github.io
在上面的代码中，建立的类Person，构造函数申明了这个类的基本结构：name,lang,website。
注意观察：info=Person("qiwsir","python","qiwsir.github.io")，这句话就是将类Person实例化了。也就是在内存中创建了一个对象，这个对象的类型是Person类型，这个Person类型是什么样子的呢？就是__init__()所构造的那样。在实例化时，必须通过参数传入具体的数据：name="qiwsir",lang="python",website="qiwsir.github.io"。这样在内存中就存在了一个对象，这个对象的类型是Person，然后通过赋值语句，与变量info建立引用关系。请看官回忆以前已经讲述过的变量和对象的引用关系。
看官是不是有点晕乎了？类、实例，这两个概念会一直伴随着后续的学习，并且，在很多的OOP模型中，都会遇到这两个概念。为了让看官不晕乎，这里将它们进行比较（注意：比较的内容，参考了《Learning Python》一书）
类和实例
•“类提供默认行为，是实例的工厂”，我觉得这句原话非常经典，一下道破了类和实例的关系。看上面代码，体会一下，是不是这个理？所谓工厂，就是可以用同一个模子做出很多具体的产品。类就是那个模子，实例就是具体的产品。所以，实例是程序处理的实际对象。
•类是由一些语句组成，但是实例，是通过调用类生成，每次调用一个类，就得到这个类的新的实例。
•对于类的：class Person，class是一个可执行的语句。如果执行，就得到了一个类对象，并且将这个类对象赋值给对象名（比如Person）。
也许上述比较还不足以让看官理解类和实例，没关系，继续学习，在前进中排除疑惑。
self的作用
细心的看官可能注意到了，在构造函数中，第一个参数是self，但是在实例化的时候，似乎没有这个参数什么事儿，那么self是干什么的呢？
self是一个很神奇的参数。
在Person实例化的过程中，数据"qiwsir","python","qiwsir.github.io"通过构造函数（__init__()）的参数已经存入到内存中，并且这些数据以Person类型的面貌存在组成一个对象，这个对象和变量info建立的引用关系。这个过程也可说成这些数据附加到一个实例上。这样就能够以:object.attribute的形式，在程序中任何地方调用某个数据，例如上面的程序中以info.name得到"qiwsir"这个数据。这种调用方式，在类和实例中经常使用，点号“.”后面的称之为类或者实例的属性。
这是在程序中，并且是在类的外面。如果在类的里面，想在某个地方使用传入的数据，怎么办？
随着学习的深入，看官会发现，在类内部，我们会写很多不同功能的函数，这些函数在类里面有另外一个名称，曰：方法。那么，通过类的构造函数中的参数传入的这些数据也想在各个方法中被使用，就需要在类中长久保存并能随时调用这些数据。为了解决这个问题，在类中，所有传入的数据都赋给一个变量，通常这个变量的名字是self。注意，这是习惯，而且是共识，所以，看官不要另外取别的名字了。
在构造函数中的第一个参数self，就是起到了这个作用——接收实例化过程中传入的所有数据，这些数据是通过构造函数后面的参数导入的。显然，self应该就是一个实例（准确说法是应用实例），因为它所对应的就是具体数据。
如果将上面的类增加两句，看看效果：
复制代码 代码如下:
#!/usr/bin/env python
#coding:utf-8
class Person:
def __init__(self, name, lang, website):
self.name = name
self.lang = lang
self.website = website
print self #打印，看看什么结果
print type(self)
#运行结果
<__main__.Person instance at 0xb74a45cc>
<type 'instance'>
证实了推理。self就是一个实例（准确说是实例的引用变量）。
self这个实例跟前面说的那个info所引用的实例对象一样，也有属性。那么，接下来就规定其属性和属性对应的数据。上面代码中：self.name = name，就是规定了self实例的一个属性，这个属性的名字也叫做name，这个属性的数据等于构造函数的参数name所导入的数据。注意，self.name中的name和构造函数的参数name没有任何关系，它们两个一样，只不过是一种起巧合（经常巧合），或者说是写代码的人懒惰，不想另外取名字而已，无他。当然，如果写成self.xxxooo = name，也是可以的。
其实，从效果的角度来理解，可能更简单一些，那就是类的实例info对应着self，info通过self导入实例属性的所有数据。
当然，self的属性数据，也不一定非得是由参数传入的，也可以在构造函数中自己设定。比如：
复制代码 代码如下:
#!/usr/bin/env python
#coding:utf-8
class Person:
def __init__(self, name, lang, website):
self.name = name
self.lang = lang
self.website = website
self.email = "qiwsir@gmail.com" #这个属性不是通过参数传入的
info = Person("qiwsir","python","qiwsir.github.io")
print "info.name=",info.name
print "info.lang=",info.lang
print "info.website=",info.website
print "info.email=",info.email #info通过self建立实例，并导入实例属性数据
#运行结果
info.name= qiwsir
info.lang= python
info.website= qiwsir.github.io
info.email= qiwsir@gmail.com #打印结果
通过这个例子，其实让我们拓展了对self的认识，也就是它不仅仅是为了在类内部传递参数导入的数据，还能在构造函数中，通过self.attribute的方式，规定self实例对象的属性，这个属性也是类实例化对象的属性，即做为类通过构造函数初始化后所具有的属性。所以在实例info中，通过info.email同样能够得到该属性的数据。在这里，就可以把self形象地理解为“内外兼修”了。或者按照前面所提到的，将info和self对应起来，self主内，info主外。
其实，self的话题还没有结束，后面的方法中还会出现它。它真的神奇呀。
构造函数的参数
前面已经说过了，构造函数__init__就是一个函数，只不过长相有点古怪罢了。那么，函数中的操作在构造函数中依然可行。比如：
def __init__(self,*args):
pass
这种类型的参数：*args和前面讲述函数参数一样，就不多说了。忘了的看官，请去复习。但是，self这个参数是必须的，因为它要来建立实例对象。
很多时候，并不是每次都要从外面传入数据，有时候会把构造函数的某些参数设置默认值，如果没有新的数据传入，就应用这些默认值。比如：
复制代码 代码如下:
class Person:
def __init__(self, name, lang="golang", website="www.google.com"):
self.name = name
self.lang = lang
self.website = website
self.email = "qiwsir@gmail.com"
laoqi = Person("LaoQi") #导入一个数据name="LaoQi"，其它默认值
info = Person("qiwsir",lang="python",website="qiwsir.github.io") #全部重新导入数据
print "laoqi.name=",laoqi.name
print "info.name=",info.name
print "-------"
print "laoqi.lang=",laoqi.lang
print "info.lang=",info.lang
print "-------"
print "laoqi.website=",laoqi.website
print "info.website=",info.website
#运行结果
laoqi.name= LaoQi
info.name= qiwsir
-------
laoqi.lang= golang
info.lang= python
-------
laoqi.website= www.google.com
info.website= qiwsir.github.io
在这段代码中，看官首先要体会一下，“类是实例的工厂”这句话的含义，通过类Person生成了两个实例：laoqi、info
此外，在看函数赋值的情况，允许设置默认参数值。
至此，仅仅是初步构建了一个类的基本结构，完成了类的初始化。
苍生苦难，不知伊于胡底
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- python里使用正则表达式的组匹配通过名称自引用
- python爬虫学习(1)--关于正则表达式输入和提取中文
- python正则表达式使用
- Python模块之re-正则表达式
- Python正则表达式指南
- Python通过正则表达式选取callback的方法
- Python re模块 正则表达式
- 一个正则表达式分析(python)
- Python正则表达式指南
- Python 正则表达式 Howto（6）
- Python 3.6 正则表达式一
- Python3 正则表达式特殊符号及用法（详细列表） http://bbs.fishc.com/thread-57691-1-1.html (出处: 鱼C论坛)
- python正则表达式笔记
- python里使用正则表达式的search()函数实现指定位置搜索
- Python正则表达式操作指南
- Python:正则表达式匹配任意字符（包括换行符）的写法
- python正则表达式高级用法
- python爬虫之正则表达式
- Python练习代码 -- 字符串和正则表达式， 文件文件夹操作
- Python正则表达式指南