十、正则表达式和JSON

一、什么是正则表达式

正则表达式是一个特殊字符序列，一个字符串是否与我们所设定的这样的字符序列相匹配。

应用：快速检索文本、实现一些替换文本的操作

1、检查一串数字是否是电话号码

2、检查一个字符串是否符合email

3、把一个文本里指定的单词替换为另外一个单词

例：

a='C|C++|Java|C#|Python|Javascript'

判断a中是否包含Python

方法一：使用python内置方法

1) a.index('Python')>-1:

 a='C|C++|Java|C#|Python|Javascript'

 if a.index('Python')>-1:
     print(True)
 else:
     print(False)

2）'Python' in a

 a='C|C++|Java|C#|Python|Javascript'
 if 'Python' in a:
     print(True)
 else:
     print(False)

方法二：使用正则表达式

 #coding=utf-8
 import re

 a='C|C++|Java|C#|Python|Javascript'
 r=re.findall('Python',a)
 print(r)
 if len(r)>0:
     print(u'字符串中包含Python')
 else:
     print(u'字符串中不包含Python')

以上例子中‘Python’是常量字符串，几乎无意义。正则表达是的意义或者灵活即：规则

二、元字符与普通字符

a='C0C++7Java8C#9Python6Javascript'

查找a中所有的数字

 #coding=utf-8
 import re
 a='C0C++7Java8C#9Python6Javascript'
 r=re.findall('\d',a)
 print(r)

总结：以上两个例子中Python是普通字符，\d是元字符

正则表达式是由一系列的普通字符和元字符所组成的

正则表达式有很多，在实际工作中根据需要查找即可

三、字符集

字符集由[]括起来的一组字符组合，字符之间是或者的关系，^代表非，-代表范围

字符集两边常常由普通字符构成，如‘a[cf]c’,普通字符a、c用来定界

 #coding=utf-8
 import re
 '''
 字符集的使用
 '''
 s = 'abc,acc,adc,aec,afc,ahc'
 #查找s中，中间一个字符是c或f的单词
 r=re.findall('a[cf]c',s)
 print(r)

 #查找s中，中间一个字符不是c也不是f的单词
 r1=re.findall('a[^cf]c',s)
 print(r1)

 #查找s中，中间一个字符是c\d\e\f的单词
 r2=re.findall('a[c-f]c',s)
 print(r2)

四、概括字符集

像\d、\D、\w这种具有高度概括的表达式，我们称为概括字符集

 #coding=utf-8
 import re
 '''
 概括字符集
 '''
 a='Python 1111Java678php'
 # r=re.findall('[0-9]',a)
 r=re.findall('\d',a)
 print(r)

五、数量词

数量词{}表示个数

如{3}表示3位；{3,6}表示最小3位，最大6位

 #coding=utf-8
 import re
 '''
 数量词{}
 '''
 a='Python  1111\nJava678php'
 #检索所有单词
 # r=re.findall('[a-z]{3}',a)
 #Python6位，Java4w位，php3位，所以取3到6位
 r=re.findall('[a-zA-Z]{3,6}',a)
 print(r)

六、贪婪与非贪婪

正则表达式默认是尽可能使用贪婪的匹配方式

非贪婪，后面加？

 #coding=utf-8
 import re
 '''
 贪婪与非贪婪
 '''
 a='Python  1111\nJava678php'
 #贪婪方式匹配
 r=re.findall('[a-zA-Z]{3,6}',a)
 print(r)
 #非贪婪方式匹配
 r1=re.findall('[a-zA-Z]{3,6}?',a)
 print(r1)

七、匹配0次1次无限次

 #coding=utf-8
 import re
 a='pytho0python1pythonn2'
 r=re.findall('python*',a)
 r1=re.findall('python+',a)
 r2=re.findall('python?',a)
 print(r)
 print(r1)
 print(r2)

关于？

1、作为非贪婪匹配方式？前面是范围

2、作为数量词？前面是普通字符

 #coding=utf-8
 import re
 a='pytho0python1pythonn2'

 r=re.findall('python{1,2}',a)
 r1=re.findall('python{1,2}?',a)
 r2=re.findall('python?',a)
 print(r)
 print(r1)
 print(r2)

八、边界匹配符

例如：

 #coding=utf-8
 import re

 # qq='100001'
 # qq='101'
 qq=''
 #检查qq号码是否符合4-8位数字
 r=re.findall('\d{4,8}',qq)
 print(r)

使用正则表达式'\d{4,8}'可以检测出4-8位，小于4位，但是大于8位时，无法检测，正确做法是使用首尾匹配

 #coding=utf-8
 import re

 qq=''
 # qq='101'
 # qq='100000001'
 #检查qq号码是否符合4-8位数字
 r=re.findall('\d{4,8}$',qq)
 print(r)

九、组

()小括号括起来的称为一组

 #coding=utf-8
 import re
 a='PythonPythonPythonPythonPython*%%php'
 #检测a中是否包含3个Python
 r=re.findall('(Python){3}',a)
 print(r)

十、匹配模式参数flag

findall(pattern, string, flags=0)方法中的第三个参数flags代表匹配模式
常用的匹配模式有

 #coding=utf-8
 import re
 s = 'PythonC#\rJava\nPHP'
 #使用re.I和re.S匹配模式，多个模式直接用|分隔
 r=re.findall('c#',s,re.I|re.S)
 print(r)

 #coding=utf-8
 import re
 s = 'PythonC#\rJavaC#\nPHP'
 #使用re.I和re.S匹配模式，多个模式直接用|分隔
 r=re.findall('c#.{1}',s,re.I|re.S)
 print(r)

十一、re.sub正则替换

 #coding=utf-8
 import re

 s='PythonC#JavaC#phpC#'
 r=re.sub('C#','GO',s,2)
 r1=s.replace('C#','GO',1)
 print(r)
 print(r1)

其中‘GO’可以是函数

 # coding=utf-
 import re

 s = 'PythonC#JavaC#phpC#'

 # r=re.sub('C#','GO',s,)
 def convert(value):
     pass
 r = re.sub('C#', convert, s)
 print(r)

运行结果：

调用过程：

1）C#作为convert的参数

2）convert的返回作为re.sub()的参数，因无返回值所以替换后字符串中的C#消失了

打印value发现结果显示的是对象且被调用了三次（因为设置了参数3）

要获取值C#，需要用group()方法

 # coding=utf-
 import re

 s = 'PythonC#JavaC#phpC#'

 def convert(value):
     matched=value.group()
     print(matched)
     return '!!'+matched+'!!'

 r = re.sub('C#', convert, s)
 print(r)

12、把函数作为参数传递

上面convert是较为简单的函数，实际中常常使用更为复杂的函数，作为sub()参数

 # coding=utf-
 import re

 s = 'A8C3711D86'

 # 找出s中所有数字，大于6的替换为9，小于6的替换为0
 def convert(value):
     matched = value.group()
     res = None
     if int(matched) >= :#注意matched是str格式，需要转成int格式
         res = ''#数字不能作为返回值，需要将int转成str
     else:
         res = ''
     return res

 r = re.sub('\d', convert, s)
 print(r)

convert：你给我个字符串，我还你个字符串。至于中间变量value如何处理，不关心

思考：s中大于50的替换为100，小于50的替换为0

 # coding=utf-8
 import re

 s = 'A8C3711D86'

 # 找出s中所有数字，大于6的替换为9，小于6的替换为0
 def convert(value):
     matched = value.group()
     res = None
     if int(matched) >= 50:#注意matched是str格式，需要转成int格式
         res = ''#数字不能作为返回值，需要将int转成str
     else:
         res = ''
     return res

 r = re.sub('\d{2}', convert, s)
 print(r)

13、search与match

实际没有findall好用

match：尝试从字符串首字母开始匹配，如果找不到返回None，找到第一个即返回。

search：尝试搜索整个字符串，找到第一个即返回

 #coding=utf-8
 import re
 '''
 检索所有数字
 '''
 s='A83C72D8E67'

 r=re.match('\d',s)
 #从首字母开始匹配数字
 print(r)
 r1=re.search('\d',s)
 #返回对象，包含位置信息等
 print(r1)
 #获取查询结果，匹配一次即返回
 print(r1.group())