Python中的模式匹配与正则表达式

先决条件： Python中的正则表达式

您可能熟悉通过按 ctrl-F 并输入您要查找的单词来搜索文本。正则表达式更进一步：它们允许您指定要搜索的文本模式。
正则表达式，简称正则表达式，是对文本模式的描述。例如，正则表达式中的 \d 代表数字字符，即 0 到 9 之间的任何单个数字。

• 以下正则表达式在Python中用于匹配由三个数字、一个连字符、另外三个数字、另一个连字符和四个数字组成的字符串。

  Any other string would not match the pattern.
  \d\d\d-\d\d\d-\d\d\d\d

• 正则表达式可以更加复杂。例如，在模式后的大括号 ({3}) 中添加 3 就像在说“匹配此模式三遍”。所以稍微短一点的正则表达式

  \d{3}-\d{3}-\d{4}

  （它匹配正确的电话号码格式。）

创建正则表达式对象

Python中的所有正则表达式函数都在 re 模块中

import re

要创建与电话号码模式匹配的 Regex 对象，请在交互式 shell 中输入以下内容。

phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')

现在 phoneNumRegex 变量包含一个 Regex 对象。

匹配正则表达式对象

Regex 对象的 search() 方法搜索传递给该正则表达式的任何匹配字符串。 Match 对象有一个 group() 方法，该方法将从搜索的字符串中返回实际匹配的文本。

# Python program to illustrate
# Matching regex objects
import re
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
mo = phoneNumRegex.search('My number is 415-555-4242.')
print('Phone number found: ' + mo.group())

输出：

Phone number found: 415-555-4242

正则表达式匹配步骤

虽然在Python中使用正则表达式有几个步骤，但每个步骤都相当简单。

1. 使用 import re 导入正则表达式模块。
2. 使用 re.compile()函数创建一个 Regex 对象。 （记得使用原始字符串。）
3. 将要搜索的字符串传递给 Regex 对象的 search() 方法。这将返回一个匹配对象。
4. 调用 Match 对象的 group() 方法以返回实际匹配文本的字符串。

   用括号分组

   1. 匹配对象：假设您想将区号与电话号码的其余部分分开。添加括号将在正则表达式中创建组：(\d\d\d)-(\d\d\d-\d\d\d\d)。然后，您可以使用 group() 匹配对象方法从一组中获取匹配的文本。

      # Python program to illustrate
      # Matching regex objects
      # with grouping 
      import re
      phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
      mo = phoneNumRegex.search('My number is 415-555-4242.')
      print(mo.group(1))
      

      输出：

      '415'
      

   2. 一次检索所有组：如果您想一次检索所有组，请使用 groups() 方法——注意名称的复数形式。

      # Python program to illustrate
      # Matching regex objects
      # with groups 
      import re
      phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
      mo = phoneNumRegex.search('My number is 415-555-4242.')
      print(mo.groups())
      

      输出：

      ('415', '555-4242')

   3. 使用 mo.groups ： mo.groups() 将返回一个包含多个值的元组，您可以使用多重赋值技巧将每个值分配给一个单独的变量，如下面的 areaCode, mainNumber = mo.groups() 行所示。

      # Python program to illustrate
      # Matching regex objects
      # with mo.groups() 
      import re
      phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
      mo = phoneNumRegex.search('My number is 415-555-4242.')
      areaCode, mainNumber = mo.groups()
      print(mainNumber)
      

      输出：

      '555-4242'

   4. 匹配括号：括号在正则表达式中具有特殊含义，但是如果您需要匹配文本中的括号，该怎么办。例如，您尝试匹配的电话号码可能在括号中设置了区号。在这种情况下，您需要使用反斜杠转义 ( 和 )字符。在交互式 shell 中输入以下内容：

      # Python program to illustrate
      # Matching regex objects
      # with grouping 
      import re
      phoneNumRegex = re.compile(r'(\(\d\d\d\)) (\d\d\d-\d\d\d\d)')
      mo = phoneNumRegex.search('My phone number is [phone].')
      print(mo.group(1))
      

      输出：

      '(415)'

      传递给 re.compile() 的原始字符串中的 \( 和 \) 转义字符将匹配实际的括号字符。

   将多个组与管道匹配

   该|字符称为管道。您可以在任何想要匹配多个表达式之一的地方使用它。例如，正则表达式 r'Batman|Tina Fey' 将匹配 'Batman' 或 'Tina Fey'。

   当搜索到的字符串中同时出现 Batman 和 Tina Fey 时，第一次出现的匹配文本将作为 Match 对象返回。在交互式 shell 中输入以下内容：

   # Python program to illustrate
   # Matching regex objects
   # with multiple Groups with the Pipe
   import re
   heroRegex = re.compile (r'Batman|Tina Fey')
   mo1 = heroRegex.search('Batman and Tina Fey.')
   print(mo1.group())
   

   输出：

   'Batman'

   用大括号匹配特定的重复

   如果您有一个想要重复特定次数的组，请在您的正则表达式中使用大括号中的数字跟随该组。例如，正则表达式 (Ha){3} 将匹配字符串'HaHaHa'，但不会匹配 'HaHa'，因为后者只有 (Ha) 组的两次重复。

   您可以通过在大括号之间写入最小值、逗号和最大值来指定范围，而不是一个数字。例如，正则表达式 (Ha){3, 5} 将匹配 'HaHaHa'、'HaHaHaHa' 和 'HaHaHaHaHa'。

   您还可以省略大括号中的第一个或第二个数字，以使最小值或最大值不受限制。例如，(Ha){3, } 将匹配 (Ha) 组的三个或更多实例，而 (Ha){, 5} 将匹配零到五个实例。花括号可以帮助使您的正则表达式更短。这两个正则表达式匹配相同的模式：

   (Ha){3}
   (Ha)(Ha)(Ha)

   这两个正则表达式也匹配相同的模式：

   (Ha){3, 5}
   ((Ha)(Ha)(Ha))|((Ha)(Ha)(Ha)(Ha))|((Ha)(Ha)(Ha)(Ha)(Ha))

   在交互式 shell 中输入以下内容：

   # Python program to illustrate
   # Matching Specific Repetitions 
   # with Curly Brackets
   import re
   haRegex = re.compile(r'(Ha){3}')
   mo1 = haRegex.search('HaHaHa')
   print(mo1.group())
   

   输出：

   'HaHaHa'

   # Python program to illustrate
   # Matching Specific Repetitions 
   # with Curly Brackets
   import re
   haRegex = re.compile(r'(Ha){3}')
   mo2 = haRegex.search('Ha')== None
   print(mo2)
   

   输出：

   True
   

   在这里，(Ha){3} 匹配 'HaHaHa' 但不匹配 'Ha'。由于它不匹配 'Ha'，因此 search() 返回 None。

   与问号的可选匹配

   有时，您只想选择匹配一种模式。也就是说，无论该位文本是否存在，正则表达式都应该找到匹配项。 ?字符将其前面的组标记为模式的可选部分。例如，在交互式 shell 中输入以下内容：

   # Python program to illustrate
   # optional matching
   # with question mark(?)
   import re
   batRegex = re.compile(r'Bat(wo)?man')
   mo1 = batRegex.search('The Adventures of Batman')
   print(mo1.group())
   

   输出：

   'Batman'

   # Python program to illustrate
   # optional matching
   # with question mark(?)
   import re
   batRegex = re.compile(r'Bat(wo)?man')
   mo2 = batRegex.search('The Adventures of Batwoman')
   print(mo2.group())
   

   输出：

   'Batwoman'

   禾）？正则表达式的一部分意味着模式 wo 是一个可选组。正则表达式将匹配其中包含零个实例或一个 wo 实例的文本。这就是为什么正则表达式同时匹配“蝙蝠女侠”和“蝙蝠侠”的原因。
   你能想到吗？就像说， “匹配这个问号之前的组中的零个或一个。”
   如果您需要匹配实际的问号字符，请使用 \? 对其进行转义。

   匹配零个或多个与星

   *（称为星号或星号）表示“匹配零个或多个”——星号之前的组可以在文本中出现任意次数。它可以完全不存在或一遍又一遍地重复。让我们再看看蝙蝠侠的例子。

   # Python program to illustrate
   # matching a regular expression
   # with asterisk(*)
   import re
   batRegex = re.compile(r'Bat(wo)*man')
   mo1 = batRegex.search('The Adventures of Batman')
   print(mo1.group())
   

   输出：

   'Batman'

   #python program to illustrate
   #matching a regular expression
   #with asterisk(*)
   import re
   batRegex = re.compile(r'Bat(wo)*man')
   mo2 = batRegex.search('The Adventures of Batwoman')
   print(mo2.group())
   

   输出：

   'Batwoman'

   # Python program to illustrate
   # matching a regular expression
   # with asterisk(*)
   import re
   batRegex = re.compile(r'Bat(wo)*man')
   mo3 = batRegex.search('The Adventures of Batwowowowoman')
   print(mo3.group())
   

   输出：

   'Batwowowowoman'

   对于“蝙蝠侠”，正则表达式的 (wo)* 部分匹配字符串中 wo 的零个实例；对于“蝙蝠女侠”， (wo)* 匹配 wo 的一个实例；对于“Batwowowowoman”，(wo)* 匹配 wo 的四个实例。

   如果您需要匹配实际的星号，请在正则表达式字符的星号前加上反斜杠 \*。

   与 Plus 匹配一个或多个

   * 表示“匹配零个或多个”，而 +（或加号）表示“匹配一个或多个”。与不要求其组出现在匹配字符串中的星号不同，加号之前的组必须至少出现一次。这不是可选的。在交互式 shell 中输入以下内容，并将其与上一节中的星型正则表达式进行比较：

   # Python program to illustrate
   # matching a regular expression
   # with plus(+)
   import re
   batRegex = re.compile(r'Bat(wo)+man')
   mo1 = batRegex.search('The Adventures of Batwoman')
   print(mo1.group())
   

   输出：

   'Batwoman'

   # Python program to illustrate
   # matching a regular expression
   # with plus(+)
   import re
   batRegex = re.compile(r'Bat(wo)+man')
   mo2 = batRegex.search('The Adventures of Batwowowowoman')
   print(mo2.group())
   

   输出：

   'Batwowowowoman'

   batRegex = re.compile(r'Bat(wo)+man')

   # Python program to illustrate
   # matching a regular expression
   # with plus(+)
   import re
   batRegex = re.compile(r'Bat(wo)+man')
   mo3 = batRegex.search('The Adventures of Batman')== None
   print(mo3)
   

   输出：

   True

   正则表达式 Bat(wo)+man 将不匹配字符串“蝙蝠侠历险记”，因为加号至少需要一个 wo。

   如果您需要匹配实际的加号字符，请在加号前加上反斜杠以将其转义：\+。