【第十四天】正则表达式
5.3
1.正则表达式
正则表达式(Regular Expression)的主要功能是从字符串(string)
中通过特定的模式，搜索希望找到的内容
前面，我们已经简单的介绍了字符串对象的一些方法
我们可以通过这些方法来实现简单的搜索功能
例如，从字符串'i love you'中搜索'you'这一子字符串
但有些时候，我们只是想要找到符合某种格式的字符串，而不是具体的'you'
类似的例子还有很多，比如说找到小说中所有的人名
再比如说想找到字符串中包含的数字
这种格式化的搜索可以写成正则表达式
py中可以使用包re来处理正则表达式
下面是一个简单的应用，目的是找到字符串中的数字：
import re
m = re.search('[0-9]','abcd4ef')
print(m.group(0))
re.search()接收两个参数，第一个参数'[0-9]'就是我们所说的正则表达式
它告诉py，‘我想从字符串中找从0到9的任意一个数字字符’
re.search()如果从第二个参数中找到符合要求的子字符串
就返回一个对象m，你可以通过m.group()的方法查看搜索到的结果
如果没有找到符合要求的字符，则re.search()会返回None
除了search()方法外，re包还提供了其他搜索方法，它们的功能有所差别：
m = re.search(pattern,string) ＃搜索整个字符串，直到发现符合的子字符串
m = re.match(pattern,string) ＃从头开始检查字符串是否符合正则表达式
＃必须从字符串的第一个字符开始就符合
我们可以从这两个函数中选择一个进行搜索，上面的例子，如果使用re.match()
则会得到None，因为字符串的起始为'a'，不符合'[0-9]'的要求
我们还可以在搜索之后将搜索到的子字符串进行替换
下面的sub()利用正则pattern在字符串string中进行搜索
对于搜索到的字符串，用另一个字符串replacement进行替换
函数将返回替换后的字符串：
str = re.sub(pattern,replacement,string)
此外，常用的方法还有
re.split() ＃根据正则表达式分割字符，将分割后的所有子字符串
＃放在一个表(list)中返回
re.findall() ＃根据正则表达式搜索字符串，将所有符合条件的自字符串
＃放在一个表(list)中返回
2.写一个正则表达式
正则表达式的功能其实非常强大，关键在于如何写出有效的正则表达式
我们先看正则表达式的常用语法，正则表达式用某些符号代表单个字符：
. ＃任意的一个字符
a|b ＃字符a或字符b
[afg] ＃a或者f或者g的一个字符
[0-4] ＃0-4范围内的一个字符
[a-f] ＃a-f范围内的一个字符
[^m] ＃不是m的一个字符
\s ＃一个空格
\S ＃一个非空格
\d ＃一个数字，相当于[0-9]
\D ＃一个非数字，相当于[^0-9]
\w ＃数字或字母，相当于[0-9a-zA-Z]
\W ＃非数字非字母，相当于[^0-9a-zA-Z]
正则表达式还可以用某些符号来表示某种形式的重复
这些符号紧跟在单个字符之后，就表示多个这样类似的字符：
* ＃重复0次或更多次
+ ＃重复1次或者超过1次
? ＃重复0次或1次
{m} ＃重复m次，比如，a{4}相当于aaaa，再比如，[1-3]{2}相当于[1-3][1-3]
{m,n} ＃重复m到n次，比如，a{2,5}表示a重复2到5次
＃小于m次或大于n次的重复都不符合条件
下面是重复符号的例子：
正则表达 相符的字符串举例 不相符的字符串举例
[0-9]{3,5} '9678' '1,2','1234567'
a?b 'b','ab' 'cb'
a+b 'aaaaab' 'b'
最后，还有位置相关的符号：
^ ＃字符串的起始位置
$ ＃字符串的结尾位置
下面是位置符号的一些例子：
正则表达 相符的字符串举例 不相符的字符串举例
^ab.*c$ abeec cabeec
3.进一步提取
有的时候，我们想在搜索的同时，对结果进一步提炼
比如说，我们从下面一个字符串中提取信息：
content = 'abcd_output_1994_abcd_1912_abcd'
如果我们把正则表达式写成：
'output_\d{4}'
那么用search()方法可以找到'output_1994'
但是如果我们想进一步提取出1994本身，则可以在正则表达式上给目标加上括号：
'output_(\d{4})'
括号()包围了一个小的正则表达式\d{4},这个小的正则表达式能从结果中进一步筛选信息
即四位的阿拉伯数字，用括号()圈起来的正则表达式的一部分，称为群(group)
一个正则表达式中可以有多个群
我们可以group(number)的方法来查询群，需要注意的是
group(0)是整个正则表达的搜索结果，group(1)是第一个群，以此类推：
import re
m = re.search('output_(\d{4})','output_1986.txt')
print(m.group(0))
print(m.group(1))
output_1986
1986
我们还可以将群命名，以便更好的使用group查询：
import re
m = re.search('output_(?P<year>\d{4})','output_1986.txt')
print(m.group('year')) ＃打印1986
上面的(?P<year>...)括住了一个群，并把它命名为year
用这种方式来产生群，就可以通过'year'这个键来提取结果。
