正則表達式(二)

re模塊(regex)

• python中沒有正則表達式的函數，需要引入內置的re模塊

• re模塊方法:

  • match:從頭開始匹配，只匹配一個結果
    • 作用:接收用戶傳遞過來的url進行匹配(web框架用到)
  • search:整個字符串進行匹配，只匹配第一個獲得的結果
  • findall:匹配整個字符串，返回一個列表對象
  • finditer:和findall非常類似,返回一個可迭代的對象,迭代的時候才會創建值
  • split:字符串切割
  • sub:替換
  • 最常用match和findall來查找

• 分組的作用:

  • 在匹配得到的結果中獲取局部的值

• re模塊查找分類(match,search,findall):

  • 普通匹配:
    • 通過match和search匹配成功返回的對象中,group得到的匹配得到的完整結果

  regex = 'H\w+'
  ret = re.match(regex, origin)
  print(ret.group())      # Hello
  print(ret.groups())     # ()
  print(ret.groupdict())  # {}
  

  • 分組匹配:
    • 分組來獲取局部的值
  • match:從頭開始匹配

  origin = 'Hello tom, xxx tom, yyy tom haha 19'
  regex = '(H)(\w+)'
  ret = re.match(regex, origin)
  print(ret.group())      # Hello
  print(ret.groups())     # ('H', 'ello')
  print(ret.groupdict())  # {}
  

  origin = 'Hello tom, xxx tom, yyy tom haha 19'
  regex = '(?P<n1>H)(\w+)'
  ret = re.match(regex, origin)
  print(ret.group())      # Hello
  print(ret.groups())     # ('H', 'ello')
  print(ret.groupdict())  # {'n1': 'H'}
  

  • search:知道了group方法之后，searh方法和match方法是一樣的，match是從頭開始匹配，search是全局匹配

  • findall:返回匹配成功的列表

    • 不分組:

    regex = 'app\w+'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # ['apple', 'apple']
    

    • 分組:
      • findall會把groups里面的所有東西放到列表里面(分組的作用：獲取局部的東西)
      • findall對?P<key>不起作用
      • 如果分組嵌套分組，則先取外面的，再取里面的

    egex = '(app\w+)'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # ['apple', 'apple']
    
    regex = '(app)\w+'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # ['app', 'app']
    
    regex = '(app)(\w+)'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # [('app', 'le'), ('app', 'le')]
    
    regex = '((a)(pp))(\w+)'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # [('app', 'a', 'pp', 'le'), ('app', 'a', 'pp', 'le')]
    

  • finditer:只有在迭代的時候才創建對象

    • 迭代的對象跟match和search獲得的對象一樣

  regex = '((a)(pp))(\w+)'
  origin = 'i have an apple, i have a pen, apple pen'
  
  ret1 = re.search(regex, origin)
  print('type of search', type(ret1)) 
  # type of search <class '_sre.SRE_Match'>
  ret2 = re.finditer(regex,origin)
  for i in ret2:
      print('type of finditer', type(i)) 
      # type of finditer <class '_sre.SRE_Match'>
  

• 分組注意事項:

  • 分組的是按照你真是寫了多少個組來確定的，如果獲得的值多于寫的組個數，則去最后一個

  regex = '(\w)(\w)(\w)(\w)'
  ret = re.findall(regex, 'tony')
  print(ret) # [('t', 'o', 'n', 'y')]
  
  regex = '(\w){4}'
  ret = re.findall(regex, 'tony')
  print(ret) # [y]
  

  • 第一個寫了4個組，每個組一個字符：(\w)(\w)(\w)(\w)，所以得到的結果是4個組
  • 第二個寫的是1個組，需要匹配4個字符，因為真正寫的只有一個組，所有得到的結果為1個組，理論上每個字符的組都是一樣的，最后的會覆蓋前面的，所以取得的是最后一個

  ret = re.findall('\dyhh*', '1yhh2yhh3andyhh4yhh')
  print(ret) # ['1yhh', '2yhh', '4yhh']
  
  ret = re.findall('(\dyhh)*', '1yhh2yhh3andyhh4yhh')
  print(ret) # ['2yhh', '', '', '', '', '', '', '', '4yhh', '']
  

  • 匹配時盡量避免正則表達式為空值

• split:分割

  • 無分組分割：分割后不包含自己(分隔符)
  • 分組分割：分割后會保留分割符內分組的內容

  regex = '\d+'
  origin = 'ad12ad134a34da'
  ret = re.split(regex, origin)
  print(ret) # ['ad', 'ad', 'a', 'da']
  
  regex = '(\d+)'
  origin = 'ad12ad134a34da'
  ret = re.split(regex, origin, 1)
  print(ret) # ['ad', '12', 'ad134a34da']
  

  • 使用場景:計算器獲取最里層的括號同時取出括號

  origin = '7+((3+4)*5-(4-9)*5)*4'
  regex = '\(([^()]+)\)' # 獲取最里層的括號，同時對括號里的數據歸到組里，切割后保留括號內的內容
  ret = re.split(regex, origin, maxsplit=1)
  print(ret) # ['7+(', '3+4', '*5-(4-9)*5)*4']
  

  • 再根據切割后得到的結果是否是長度為3的列表，不斷循環計算其值

  while True:
      ret = re.split(regex, origin, maxsplit=1)
      if len(ret) == 3:
          計算得到括號的值，然后重新組合origin字符串
      elif:
          break同時帶出結果
  

• sub:替換 && subn：替換返回一個元組