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='100000001'
#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='100001'
# 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-8
import re

s = 'PythonC#JavaC#phpC#'

# r=re.sub('C#','GO',s,2)
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-8
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-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) >= 6:#注意matched是str格式，需要转成int格式
        res = '9'#数字不能作为返回值，需要将int转成str
    else:
        res = '0'
    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 = '100'#数字不能作为返回值，需要将int转成str
    else:
        res = '0'
    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())