2018-09-14 正则表达式

正则表达式是用来描述某种字符串规则的一种逻辑公式，使用预先定义好的特定字符组成一种“规则字符串”，经常用于检索或替换满足规则的文本

正则表达式的特点：

1、灵活性、逻辑性和功能性非常强

2、可以迅速地用极简单的方式达到字符串的复杂控制

3、对于刚接触的人，比较晦涩难懂

例子：要在一堆电子档案中找到所有人的电话信息、要在一份文档中提取出某些记录、要校验某条数据是否满足特定的规则\n

上述需求都可以通过正则表达式来完成

正则表达式并不是python中特有的功能，它是一种通用的方法。Python本身有很强的文本、字符串处理能力，经常与文本、字符串打交道，使用正则表达式的地方有很多，因此需要掌握正则表达式

（1）最简单的正则表达式

最简单的正则表达式，没有特殊符号，只有最基本的字母或数字，它满足的匹配规则就是完全匹配

（2）re模块

Python通过re模块提供对正则表达式的支持，re模块提供了几个方法对输入的字符串进行确切的查询，每种方法都接收一个正则表达式和一个待查找匹配的字符串

re.findall(“预设的规则”，要查找的字符串)  返回所有的符合规则的字符串。返回一个list，两个参数

re.match()

re.search()

1、re.findall()方法返回所有匹配的结果，并存放在列表中

2、re.match()方法只有当 被搜索字符串的开头 匹配 规则的时候，才能返回匹配的结果

re.match()方法如果正确匹配，返回的结果是一个对象

如果想要输出匹配上的具体结果，需要调用结果对象的group方法

re.match()返回的对象实现了一些方法来对结果进行后续操作

对结果进行分组group就是较常用的方法，分组就是对整个正则表达式特定子串进行定位的能力，通过使用圆括号的方式来实现定位。

将正则表达式分组后，按照分组在正则表达式中从左到右出现的顺序（从1开始）作为参数，传递给group方法，来获取某一子组

分组的序号从1开始的原因是第0个组被预留来存放所有匹配结果，因此之前的练习中输出re.match()方法匹配的结果时使用了group(0)

如果调用group()方法时，不带任何参数，默认为group(0)，即返回所有匹配结果

re.match()方法返回的匹配对象，不仅包含最常用的group()分组方法，还提供了一些其他的方法

如：使用start()和end()返回匹配的对象在原始字符串中的开始和结束位置

3、re.search()方法和match()方法类似，也将匹配的结果以对象的方式处理

区别是search()方法不限制只从字符串开头匹配

但是，re.search()方法只要查到一个匹配结果后就会停止继续查找

（3）元字符

正则表达式不仅仅只包含最基本的字符和数字，还包含一些具有特殊意义的专用字符，这些字符被称为“元字符”

正是因为元字符的使用，使正则表达式具有处理能力

也正是因为元字符，才使正则表达式具备了前面介绍的特点：通过极简单的方式达到字符串的复杂控制

在python中支持的正则表达式元字符和语法：

例子：匹配字符串中的一个单词

在正则表达式中，使用反斜杠（\）来转义特殊字符，这样存在一个问题：可能会跟字符串转义相冲突

正则表达式要匹配一个“\”，则要使用“\\”来表示，因为一个“\”在正则表达式中也有转义的含义，所以上面的例子中想要匹配字符串中的两个“\\\\”，在正则表达式中则要使用“\\\\

正则表达式的公式本身就因为各种特殊符号比较复杂，如果按照上面的方式处理反斜杠(\)，会导致公式更复杂，出现符号丢失的问题

因此在python中提供了另外一种比较简单的方式，在字符串前面加r，表示不需要对字符串做任何转义处理，保持原有字符串不变

练习1：从字符串“site sea sue sweet see case sse ssee loses”中匹配出所有s开头，e结尾的单词

练习2：匹配出一个字符串中的手机号码