Python 编程快速上手 第七章总结

前言

在 Word 软件中，我们总是习惯使用 CMD+F 用来查找和替换文本，但是，正如作者所说：

虽然计算机可以很快地查找文本，但你必须精确地告诉它要找什么。

我们往往想要查找一类文本，比如一段文本中网页的网址，电话号码，E-mail 地址等等。这时候，我们查找的是一种“文本模式”，而正则表达式就是文本模式的描述方法。

定义

正则表达式：英文为 regular expression， 简称 regex,是文本模式的描述方法。

基本步骤

1. 导入模块：import re
2. 创建一个 Regex 模式对象：即向 re.compile() 传入一个字符串值:phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
3. 匹配字符串：使用 Regex（ 模式）对象的 search() 方法（或者findall()方法）进行匹配对应的字符串，将返回一个 Match 对象（或者一个
4. 列表）。
   1. 查看结果。使用 Match() 对象的 group() 方法查看结果。

匹配模式的符号

字符分类

缩写字符：

1. \d ：0～9 \D: except for 0~9
2. \w: word \W:except for alphas, numbers, underscores
3. \s: space \S:except for space

自定义字符

1. [aeiouAEIOU]:用户自定义的字符分类； [^aeiouAEIOU] except for these chracters

注意：可以使用[0-9],[a-zA-Z]来实现所有在其范围内的匹配。

任意字符

1. 通配符：. 除了换行之外的任何字符

次数匹配：

1. {m,n}:匹配至少 m 次，至多 n 次的前面的分组
2. ?：匹配 0 次或 1 次的前面的分组，它放在其他匹配符后面有改成不贪心匹配的功能
3. *：匹配 0 次或 多次的前面的分组
4. +：匹配 1 次或 多次前面的分组

其他匹配

开头和结尾
^{spam:必须以} spam 开头
spam $: 必须以 spam 结尾
管道匹配
| 这个符号被叫做管道，表示可以匹配模式两边中的一种。

更加高级的匹配

为了使用更加高级的匹配，比如不区分大小写，忽略注释，匹配换行的功能，需要设置创建 Regex 模式对象的第二个参数

re.IGNORECASE用于不区分大小写的匹配：

格式：robocop = re.compile(r'robocop',re.I)

re. DOTALL 用于识别换行符的匹配

格式：robocop = re.compile(r'robocop',re.DOTALL)

re. VERBOSE 用于忽略注释的匹配

格式：robocop = re.compile(r'robocop',re.VERBOSE)

替换字符串：sub() 方法

格式：对一个 Regex 对象使用：
nameRegex = re.complie(r'Agent')
nameRegex.sub('CENSORED','Agent Alice gave the secret documents to Agent Bob')
作用：sub() 方法针对对一个 Regex 对象使用；
它含有两个参数，第一个是用于取代匹配的字符串的字符串，第二个是匹配的内容；
结果返回一个字符串。