[Python笔记]第九篇:re正则表达式

一、正则表达式基础

1.正则表达式介绍

　　正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。下图展示了使用正则表达式进行匹配的流程：

　　正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解的，看下图中的示例以及自己多使用几次就能明白。

下图列出了Python支持的正则表达式元字符和语法：

2.数量词的贪婪模式与非贪婪模式

　　正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式"ab*"如果用于查找"abbbc"，将找到"abbb"。而如果使用非贪婪的数量词"ab*?"，将找到"a"。

3. 反斜杠的困扰

　　与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

4.匹配模式

　　正则表达式提供了一些可用的匹配模式，比如忽略大小写、多行匹配等，这部分内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。

二、re模块

1. 开始使用re

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

# encoding: UTF-8

import re

 

# 将正则表达式编译成Pattern对象

pattern = re.compile(r'hello')

 

# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None

match = pattern.match('hello world!')

 

if match:

    # 使用Match获得分组信息

    print match.group()

 

### 输出 ###

# hello

re.compile(strPattern[, flag]):

　　这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。
可选值有：

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
S(DOTALL): 点任意匹配模式，改变'.'的行为
L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

a = re.compile(r"""\d +  # the integral part

                   \.    # the decimal point

                   \d *  # some fractional digits""", re.X)

b = re.compile(r"\d+\.\d*")

　　re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代，唯一的好处是少写一行re.compile()代码，但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为：

m = re.match(r'hello', 'hello world!')

print m.group()

　　re模块还提供了一个方法escape(string)，用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回，在需要大量匹配元字符时有那么一点用。

2. Match

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

　　属性：

string: 匹配时使用的文本。
re: 匹配时使用的Pattern对象。
pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

　　方法：

group([group1, …]):
获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
start([group]):
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
end([group]):
返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
span([group]):
返回(start(group), end(group))。
expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

import re

m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')

print "m.string:", m.string

print "m.re:", m.re

print "m.pos:", m.pos

print "m.endpos:", m.endpos

print "m.lastindex:", m.lastindex

print "m.lastgroup:", m.lastgroup

print "m.group(1,2):", m.group(1, 2)

print "m.groups():", m.groups()

print "m.groupdict():", m.groupdict()

print "m.start(2):", m.start(2)

print "m.end(2):", m.end(2)

print "m.span(2):", m.span(2)

print r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3')

### output ###

# m.string: hello world!

# m.re: <_sre.SRE_Pattern object at 0x016E1A38>

# m.pos: 0

# m.endpos: 12

# m.lastindex: 3

# m.lastgroup: sign

# m.group(1,2): ('hello', 'world')

# m.groups(): ('hello', 'world', '!')

# m.groupdict(): {'sign': '!'}

# m.start(2): 6

# m.end(2): 11

# m.span(2): (6, 11)

# m.expand(r'\2 \1\3'): world hello!

-------------------------------------------------------------------

参考:http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

--------------------------------------------------------------------

课后作业:

用正则表达式实现一个计算器,计算"1-2*((60-30+(-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))"

注意,不允许使用eval

#!/usr/bin/env python

#-*- coding: utf-8 -*-

import re

origin = "1-2*((60-30+(-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))"

print("***** 原始等式 *****")

print(origin)

# print(eval(origin))

def add_sub(origin):

    """

非常不优雅的加减法实现:

如果表达式以"-"开头:

    去掉开头的"-"

        如果里面是"+":

            如果里面a > b

                则a - b,加上负号

            如果里面a < b

                则b - a,不加负号

        如果里面是"-":

            如果里面a > b

                则a + b,加上负号

            如果里面a < b

                则b + a,加上负号

    """

    # 处理两个数字之间多个运算符的情况

    origin = origin.replace('--','+').replace('++','+').replace('-+','-').replace('+-','-')

    # 匹配结果

    result = re.split("(\-?\d+\.?\d*[+-][\-]?\d+\.?\d*)", origin, 1)

    # 判断上一次匹配是否成功

    if len(result) == 3:

        front,middle,end = result

        # 判断是否以"-"开头

        if str(middle).startswith("-"):

            middle = str(middle).lstrip("-")

            # 等式里面是"+"

            if "+" in middle:

                a, b = middle.split("+")

                if a > b:

                    new_middle = float(a)-float(b)

                    new_exp = front + "-" + str(new_middle) + end

                    origin = new_exp

                    return add_sub(origin)

                elif a < b:

                    new_middle = float(b)-float(a)

                    new_exp = front + str(new_middle) + end

                    origin = new_exp

                    return add_sub(origin)

                elif a == b:

                    new_exp = front + end

                    origin = new_exp

                    return add_sub(origin)

            elif "-" in middle:

                a, b = middle.split("-")

                if a > b:

                    new_middle = float(a)-float(b)

                    new_exp = front + "-" + str(new_middle) + end

                    origin = new_exp

                    return add_sub(origin)

                elif a < b:

                    new_middle = float(a)+float(b)

                    new_exp = front + "-" + str(new_middle) + end

                    origin = new_exp

                    return add_sub(origin)

                elif a == b:

                    new_exp = front + end

                    origin = new_exp

                    return add_sub(origin)

        # 不是以"-"开头

        else:

            if "+" in middle:

                a, b = middle.split("+")

                new_middle = float(a)+float(b)

                new_exp = front + str(new_middle) + end

                origin = new_exp

                return add_sub(origin)

            elif "-" in middle:

                a, b = middle.split("-")

                new_middle = float(a)-float(b)

                new_exp = front + str(new_middle) + end

                origin = new_exp

                return add_sub(origin)

    else:

        return origin

"""

#更优雅的加减法

def add_sub(arg): # 加减法运算

    arg = arg.replace('--','+').replace('++','+').replace('-+','-').replace('+-','-')

    result = re.findall(r"[\+\-]?\d+\.?\d*",arg) # 列出所有的元素

    start = 0               # 定义空值让他挨个去加

    for i in result:

        start += float(i)   # 让素有元素相加

    return start            # 返回运算结果

"""

def ply_div(origin):

    result = re.split("(\d+\.?\d*[*/][\-]?\d+\.?\d*)", origin, 1)

    if len(result) == 3:

        front,middle,end = result

        # 遇到*则乘法

        if "*" in middle:

            a, b = middle.split("*")

            new_middle = float(a)*float(b)

            new_exp = front + str(new_middle) + end

            origin = new_exp

            return ply_div(origin)

        # 遇到/则除法

        elif "/" in middle:

            a, b = middle.split("/")

            new_middle = float(a)/float(b)

            new_exp = front + str(new_middle) + end

            origin = new_exp

            return ply_div(origin)

    else:

        return add_sub(origin)

def compute(origin):

    x = ply_div(origin)  # 乘除操作

    return x        # 返回

while True:

    result = re.split("\(([^()]+)\)", origin, 1)

    if len(result) == 3:

        before, content, after = result

        r = compute(content)     # 计算字符串

        new_str = before + str(r) + after

        origin = new_str

    else:

        final = compute(origin)      # 计算字符串

        print("***** 最终结果 *****")

        print(final)

        break

计算器源码