python学习笔记(5)

第七章   模式匹配和正则表达式

1.不用正则表达式来查找文本模式

#对于这样的一个文本查找:3个数字，一个短横线，3个数字，4个端横线，然后再是4个数字，如:415-555-4242
def isPhoneNumber(text):
    if len(text)!=12:
        return False
    for i  in range(0,3):
        if not text[i].isdecimal():
            return False
    if text[3]!='-':
        return False
    for i in range(4,7):
        if not text[i].isdecimal():
            return False
    if text[7]!='-':
        return False
    for i in range(8,12):
        if not text[i].isdecimal():
            return False
    return  True
print(isPhoneNumber('444-555-6767'))

这个地方isPhoneNumber()函数对代码进行几行的检查，首先检查字符串是不是刚好12个字符，然后检查前3个字符，

2.用正则表达式查找文本模式

　　(1)正则表达式，简称为regex，是文本模式的描述方法。如\d是一个正则表达式，表示的是一位数字的字符，即任何0-9之间的数字。python使用正则表达式\d\d\d-\d\d\d-\d\d\d\d，来匹配isPhoneNumber()函数匹配同样的文本：3个数字 、1个横线、3个数字、一个短横线、4个数字。所有的其他字符串都不能匹配\d\d\d-\d\d\d-\d\d\d\d的正则表达式

　　在一个模式的后面加上一个花括号包围的3({3})，也就是匹配这个模式3次。所以正则表达式\d{3}-\d{3}-\d{4}也在匹配正确的电话号码匹配格式

　　(2)python中所有的正则表达式的函数都在re模块中。在交互式环境中，导入该模块

import re
在本章的后面大多数的例子都需要用到re模块，所以要记得在每个脚本开始的地方导入它

　　　向re.compile()传入一个字符串的值，表示正则表达式，将会返回Regix模式对象

　　在交互环境中创建一个Regix对象来匹配电话号码模式，在交互环境中的代码如下：

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

　　(3)匹配Regix对象

>>> import re
>>> phoneNumRegix=re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
>>> mo=phoneNumRegix.search('My number is 415-555-4343.')
>>> print('Phone number found:'+mo.group())
Phone number found:415-555-4343

　　regix对象search方法查找传入的字符串，寻找正则表达式所有的匹配。如果字符串中没有找到该正则表达式的表达式模式，searchI()方法将会返回None。如果找到了该模式，search()方法将会返回一个Match对象。Match对象有一个group()方法，它返回被查找字符串中实际匹配的文本

　　这里现将期待的模式传递给re.complie()，并得到Regix对象保存在phoneNumRegix中。然后我们在phoneNumRegix上调用search(),向其传入向查找的字符串，将查找的结果保存在mo中

　　(4)正则表达式的复习

　　　　用import re 导入正则表达式模块

　　　　用re.compile()函数创建一个Regix对象

　　　　向Regix对象的search()方法传入想要查找的字符串，返回实际匹配的文本字符串

　　　　调用Match对象的group()方法，返回实际匹配文本的字符串

　　(5)用正则表达式匹配更多的模式

　　　　利用括号进行分组。假设要将区号从电话号码中分离。添加括号在正则表达式中创建'分组：'(\d\d\d)-(\d\d\d-\d\d\d\d)。然后可以用group()匹配对象的方法，从一个分组中获取匹配的文本。在正则表达式字符串中，第一个括号就是第一组，第二个括号就是第二组。向group()匹配对象传入整数1或者整数2，就可以取得匹配文本的不同的部分。向group()方法传入0或者不传入参数，将返回整个匹配的文本。

>>> phoneNumRegix=re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
>>> mo=phoneNumRegix.search('My number is 415-555-4242')
>>> mo.group(1)
'415'
>>> mo.group(2)
'555-4242'
>>> mo.group(2)
'555-4242'
>>> mo.group()
'415-555-4242'

#如果想一次就获取所有的分组，可以使用groups()方法
>>> mo.groups()

('415', '555-4242')
>>> areaCode,mainNumber=mo.groups()
>>> print(areaCode)
415
>>> print(mainNumber)
555-4242

　　这个地方可以发现，mo.groups()返回的是多个值的元组，所以可以使用多重复制的技巧，每个值赋给一个变量

　　(7)用管道来匹配多个分组

　　字符|称之为"管道"。希望匹配许多表达式中的一个的时候，就可以使用这个。例如：正则表达式r'Batman|Tina Fey'将会匹配'Batman'或者'Tina Fey'。如果Batman和Tina Fey都出现在被查找的字符串中，第一次次出现的Match对象返回。

>>> heroRegex=re.compile(r'Batman|Tina Fey')
>>> mo1=heroRegix.search('Batman and Tina Fey.')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'heroRegix' is not defined
>>> mo1=heroRegex.search('Batman and Tina Fey.')
>>> mo1.group()
'Batman'
>>> mo2=heroRegex.search('Tina Fey and Batman.')
>>> mo2.group()
'Tina Fey'

　　利用findall()方法，可以找到所有匹配的地方。也可以使用管道来匹配多个模式中的一个，作为正则表达式的一部分。例如：假设你希望匹配'Batman'、'Batmobile'，'Batcopter'和'Batbat'中的任意一个。因为所有这些字符串都以Bat开始，所以如果能够指定一次前缀，就会很方便，可以通过括号实现。

>>> batRegex=re.compile(r'Bat(man|mobile|copter|bat)')
>>> mo=batRegex.search('Batmobile lost a wheel')
>>> mo.group()
'Batmobile'
>>> mo.group(1)
'mobile'
>>>

　　方法调用mo.group()返回了完全匹配的文本'Batmobile'，而mo.group(1)只是返回第一个括号分组内匹配的文本'mobile'。通过管道分组和分组括号