re正則錶達式

  正則錶達式是一個特殊的字符序列，能幫助用戶檢查一個字符串是否與某種模式匹配，從而達成快速檢索或替換某個模式、規則的文本。等同於Word中的查找和替換功能。

import re
text='178,168,123456,9537,123456'
print(re.findall('123456',text))
#Out:
['123456', '123456']

1 認識正則錶達式

錶1 匹配某一類字符的基本語法規則

正則字符	描 述
.	匹配除"\n"之外的任何單個字符。範圍最廣。要匹配包括’\n’在內的任意字符，可使用’[.\n]'模式
\d	匹配一個數字字符，等價於[0-9]
\D	匹配一個非數字字符，等價於[^0-9]
\s	匹配任意空白字符，包括空格、制錶符、換頁符等，等價於[\f\n\r\t\v]
\S	匹配非空白字符，等價於[^\f\n\r\t\v]
\w	匹配包括下劃線的任意單詞數字字符，等價於[A-Za-z0-9_]
\W	匹配任意非單詞、數字、下劃線字符，等價於[^A-Za-z0-9_]

錶2 [ ] 指定範圍或指定具體某幾個字符

正則字符	描 述
[Pp]ython	匹配Python或python
rub[ye]	匹配ruby或rube
[aeiou]	匹配中括號內的任意一個字母
[0-9]	匹配任意數字，等價於[0123456789]
[a-z]	匹配任意小寫字母
[A-Z]	匹配任意大寫字母
[a-zA-Z0-9]	匹配任意字母及數字
[^aeiou]	匹配除aeiou字母之外的所有字符
[^0-9]	匹配除數字之外的所有字符

import re
text='身高：180,體重：130,學號：123456,密碼：9537'
print(re.findall(r'\d',text))
print(re.findall(r'\S',text))
print(re.findall(r'\w',text))
print(re.findall(r'[1-5]',text))
print(re.findall(r'[高重]',text))
#Out:
['1', '7', '8', '1', '6', '8', '1', '2', '3', '4', '5', '6', '9', '5', '3', '7']
['身', '高', '：', '1', '7', '8', ',', '體', '重', '：', '1', '6', '8', ',', '學', '號', '：', '1', '2', '3', '4', '5', '6', ',', '密', '碼', '：', '9', '5', '3', '7']
['身', '高', '1', '7', '8', '體', '重', '1', '6', '8', '學', '號', '1', '2', '3', '4', '5', '6', '密', '碼', '9', '5', '3', '7']
['1', '1', '1', '2', '3', '4', '5', '5', '3']
['高', '重']

錶3 字符的重複次數 量詞

正則字符	描 述
*	0或多個
+	1或多個
?	0或1個
{2}	2個
{2,5}	2-5個
{2,}	至少2個
{,5}	至多5個

text = "my telephone number is 15951817010,and my hometown's telephone \
number is 13863417300,my landline number is 0634-5608603."
print(re.findall(r'\d{4}-\d{7}(?#找座機號碼)', text))
#Out:
['0634-5608603']

錶4 組合模式

組合的正則範例	描 述
\d{6}[a-z]{6}	兩個子模式拼在一起組成一個大模式，匹配6個數字加6個小寫字母
\d{6}|[a-z]{6}	用豎線錶示前後兩個模式有一個匹配即可，匹配6個數字或者6個小寫字母
(abc){3}	用小括號錶示分組，分組後可以以組為單比特應用量詞，匹配abcabcabc
\X	匹配第X個匹配到的組
(?#…)	注釋

###\X
text="aabbcc ddfgkk oaddww aaaaaa ababcc"
print(re.findall(r'(\w{2})(\1)',text))
print(re.findall(r'(\w{2})(\1)(\2)',text))
#Out:
[('aa', 'aa'), ('ab', 'ab')]
[('aa', 'aa', 'aa')]
###(?#...)
text = "my telephone number is 15951817010,and my hometown's telephone \
number is 13863417300,my landline number is 0634-5608603."
print(re.findall(r'\d{4}-\d{7}(?#找座機號碼)', text))
#Out:
['0634-5608603']

錶5 比特置

正則字符	描 述
^	匹配字符串的開頭
$	匹配字符串的末尾
\A	匹配字符串開始
\Z	匹配字符串結束，如果存在換行，就只匹配到換行前的結束字符串
\b	匹配單詞邊界，也就是單詞和空格間的比特置。例如：er\b 可以匹配never中的er，但不能匹配verb中的er
\B	匹配非單詞邊界。例如：er\B可以匹配verb中的er，但不能匹配never中的er
(?=…)	匹配的內容在…之前
(?!..)	匹配的內容不在…之前
(?<=…)	匹配的內容在…之後
(?<!..)	匹配的內容不在…之後

###(?=...)
text="height:180,weight:63,student_num:2020802178,key:hello_world"
print(re.findall(r'\w+(?=:2020802178)',text))
#Out:
['student_num']
###(?<=...)
print(re.findall(r'(?<=key:)\w+',text))
#Out:
['hello_world']

  正則錶達式的內容博大精深，可以先掌握基礎的框架，知道有哪些東西，必要時再深入的去探索，我覺得這是學習新知識、了解新事物的比較高效的學習方法。就像是學習一門新的學科，不需要將該學科的經典書目一字不漏地背鍋，僅需掌握核心的內容，在腦海中形成網絡，當需要用到這張網的某一處時再去細究他。

2 re模塊

python的re模塊，包括8個方法：

• re.search()：查找符合模式的字符，只返回第一個，返回Match對象
• re.match()：和search一樣，但要求必須從字符串開頭匹配，返回Match對象
• re.findall()：返回所有匹配的字符串列錶
• re.finditer()：返回一個迭代器，其中包含所有的匹配，也就是Match對象
• re.sub()：替換匹配的字符串，返回替換完成的文本
• re.subn()：替換匹配的字符串，返回替換完成的文本和替換的次數
• re.split()：用匹配錶達式的字符串做分隔符分割原字符串
• re.compile()：把正則錶達式編譯成一個對象，方便後面使用

以上8個方法按照功能不同可以劃分為4列，分別是查找，替換，分割和編譯。

2.1 查找，有4個方法：search、match、findall、finditer

2.1.1 search - 只返回1個

import re
text = "abc,Abc,aBC,abc"
print(re.search(r'abc',text))
#Out:
<re.Match object; span=(0, 3), match='abc'>

  search方法是返回了一個Match對象，且僅返回了一個值，span=(0,3) 的意思是匹配到了第1-3個字符，如何從Match對象中拿到匹配的值呢，需要用到group方法。

import re
text = "abc,Abc,aBC,abc"
m = re.search(r'abc', text)
print(m.group())
#Out:
abc

  group方法在不給定參數的情况下返回值是匹配的結果。

  如果將匹配的值進行分組，就可以通過group方法傳入第幾組的參數，輸出的結果是第幾組匹配的結果。

text = "name:qgy,score:99;name:myt,score:98"
m = re.search(r'(name):(\w{3})',text)
print(m.group())
print(m.group(1))
print(m.group(2))
print(m.groups())
#Out:
name:qgy
name
qgy
('name', 'qgy')

在此補充一個知識點，查找的這四個方法有三個參數，之前的部分僅用到了前兩個，就以re.search()方法為例，

re.search(pattern,string,flags=0)

第一個參數pattern是指匹配的模式，第二個參數string是指要匹配的字符串，flags是標志比特，用於控制正則錶達式的匹配方式，如：是否區分大小寫、多行匹配等。

text = "aBc,Abc,aBC,abc"
m = re.search(r'abc', text, flags=re.I)
print(m.group())
#Out:
aBc

  上方正則中，我想要匹配的是abc，text中不存在abc，匹配的結果是aBc。

  也就是說，re.I的作用是不區分大小寫。

  想要查找flags有哪些，可以按住ctrl鍵點一下自己脚本中的re出現的比特置，就會彈出re.py文件，在該文件下按住ctrl+F，彈出查找框，輸入flags就能看到flags有哪些參數了。

2.1.2 match - 也是只返回1個，但是從頭開始匹配

text = "xaBc,Abc,aBC,abc"
m = re.match(r'abc', text, flags=re.I)
n = re.search(r'^abc',text,flags=re.I)
print(m)
print(n)
#Out:
None
None

  上方代碼中，我將aBc前添加了x，使用match方法，匹配text開始的字符，如果開始的字符不符合正則錶達式，匹配就會失敗，返回的結果為None。

re.match(r’‘,text) 等價於 re.search(r’^',text)

說實話，match沒啥用，設計這個match給人畫蛇添足的感覺，用search就足够了

2.1.3 findall - 返回所有匹配的字符串

text = "name:qgy,score:99;name:myt,score:98"
m = re.findall(r'(name):(\w{3})',text)
print(m)
#Out:
[('name', 'qgy'), ('name', 'myt')]

  findall方法返回一個列錶，匹配時如果有分組的話，列錶中每一個值會用（）括起來，不同的組之間用 ‘,’ 分割。

2.1.4 finditer - 返回Match迭代器

text = "name:qgy,score:99;name:myt,score:98"
m = re.finditer(r'(name):(\w{3})',text)
print(m)
for i in m:
    print(i)
#Out:
<callable_iterator object at 0x00000224C3D5A460>
<re.Match object; span=(0, 8), match='name:qgy'>
<re.Match object; span=(18, 26), match='name:myt'>

  finditer是返回一個迭代器，迭代器是啥我不懂，我估計我也用不著，就暫時不花時間精力去整理了。這一塊就春秋筆法一筆帶過了。

查找功能的4個方法中，search、match和finditer都是返回一個Match對象，可以掌握最基礎的findall和search，找全部就用findall，找一個用search。

2.2 替換，有2個方法：sub、subn

  替換的這兩個方法與前面查找的四個方法僅有一處不同，多了個參數，即需要指明想要替換的字符是什麼。

2.2.1 sub - 是英語單詞substitute的英文縮寫

text="abc,aBc,ABc,xyz,opq"
result=re.sub(r'abc','xyz',text,flags=re.I)
print(result)
#Out:
xyz,xyz,xyz,xyz,opq

2.2.2 subn - 替換完成後告訴我有幾個字符被替換掉了

text="abc,aBc,ABc,xyz,opq"
result=re.subn(r'abc','xyz',text,flags=re.I)
print(result)
#Out:
('xyz,xyz,xyz,xyz,opq', 3)

2.3 分割

  split方法是將某個字符串按照一定的規則拆分成一些些小字符串。

  split有什麼用呢？舉個例子，我有一個序列，我用限制性內切酶對該序列進行酶切，將原來的序列切割成一些小片段，想要知道切割後小片段的序列信息，就可以通過split方法來實現。

MobI = "GATC"
text = "ATCGATCGGTTTAAGATCCTTCG"
result = re.split(MobI, text, flags=re.I)
print(result)
#Out:
['ATC', 'GGTTTAA', 'CTTCG']    

2.4 編譯

  compile方法是將一個正則錶達式作為一個可以傳達的對象，將該對象傳到別的方法裏也就可以用它，去做search、findall等等。

  為什麼要有編譯呢，利用編譯方法的好處是提高效率，如果一個正則錶達式要重複使用成千上百次，每次匹配都要手動輸入一遍豈不是非常麻煩，有了編譯的結果，重複使用時就直接調用了。

re_telephone=re.compile(r'\d{4}-\d{3,8}')
text1="Xiao ming's telephone number is 0634-4854481"
text2="Xiao hone's telephone number is 0531-145488454"
text3="Xiao gang's telephone number is 0452-567188155"
print(re_telephone.search(text1).group())
print(re_telephone.search(text2).group())
print(re_telephone.search(text3).group())
#Out:
0634-4854481
0531-14548845
0452-56718815