标准库之正则表达式2-提升篇

组的概念

小括号来定义组: ()

定义组的方式

测试例子:

test_patterns(
    'abbaaabbbbaaaaa',
    [('a(ab)', 'a后面接ab'),
     ('a(a*b*)', 'a后面接 0-n个a或0-n个b'),
     ('a(ab)+', 'a后面接 1-n个ab')],
)

输出:

解析组

用组来解析的示例：

# 用组来解析
text = 'This is some text -- with punctuation.'
regex = re.compile(r'(\bt\w+)\W+(\w+)')
match = regex.search(text)
print(match.groups())
print("group index with 0: ", match.group(0))
print("group index with 1: ", match.group(1))
print("group index with 2: ", match.group(2))

输出的内容:

命名组

格式: (?Ppattern)
可以让匹配的组的内容一个字典的模式进行获取，?P 相当于给它添加个Key

命名组的使用方式：

text = 'This is some text -- with punctuation.'
regex = re.compile(r'(?P<t_word>\bt\w+)\W+(?P<other_word>\w+)')
match = regex.search(text)
print('  ', match.groups())
print('  ', match.groupdict())

输出:

尝试使用

更新前面的测试函数，添加进去匹配的组:

def test_patterns(text, patterns):

    for pattern, desc in patterns:
        print('{!r} ({})\n'.format(pattern, desc))
        print('  {!r}'.format(text))
        for match in re.finditer(pattern, text):
            s = match.start()
            e = match.end()
            prefix = ' ' * (s)
            print(
                '  {}{!r}{} '.format(prefix,
                                     text[s:e],
                                     ' ' * (len(text) - e)),
                end=' ',
            )
            print("匹配的组: ", match.groups())
            if match.groupdict():
                print("匹配的组字典: ", '{}{}'.format(
                    ' ' * (len(text) - s),
                    match.groupdict()),
                )
        print()
    return

测试的代码:

test_patterns(
    'abbaabbba',
    [(r'a((a*)(b*))', 'a后面接 0-n个a或0-n个b'),
     (r'a((a+)|(b+))', 'a 后面接多个a 或接多个b'),
     (r'a((?:a+)|(?:b+))', '非捕获组的模式'),
     (r'a((a|b)+)', 'a 后面接[ab] 一个或多个 其实就是ab的交替'),
     ],
)

输出内容:

非捕获组

上例子中提到了一个非捕获组的模式。
非捕获组，定义包含子模式的组。它使该组不被捕获，这意味着与该组匹配的子字符串将不包括在捕获列表中。

观察下面的测试例子的区别:


观察以上两图，被 ?: 描述的组匹配的子字符串将不包括在捕获列表中。

搜索模式附加的选项

用法一

● 使用的函数 compile() search() match()
● 使用OR拼接多种搜索选项

搜索选项包括的参数:

1. IGNORECASE 忽略大小写，正则匹配中忽略大小写。

text = 'This is some text -- with punctuation.'
pattern = r'\bT\w+'
with_case = re.compile(pattern) # 不忽略大小写
without_case = re.compile(pattern, re.IGNORECASE) # 忽略大小写

2. MULTILINE 将有换行符的字符串当成多行处理—> 直接影响^$的锚定效果

text = 'This is some text -- with punctuation.\nA second line.'
pattern = r'(^\w+)|(\w+\S*$)'
single_line = re.compile(pattern) # 单行模式
multiline = re.compile(pattern, re.MULTILINE) # 多行模式

3. DOTALL 可以允许点字符可以匹配换行符。

text = 'This is some text -- with punctuation.\nA second line.'
pattern = r'.+'
no_newlines = re.compile(pattern) # .不可以匹配\n
dotall = re.compile(pattern, re.DOTALL) # .能够匹配\n

4. ASCII python3默认匹配模式和文本都是unicode的，如果定义为非unicode则需要此参数

text = u'好好学习 天天向上'
pattern = r'\w+'
ascii_pattern = re.compile(pattern, re.ASCII)
unicode_pattern = re.compile(pattern)

输出-所以可以在模式里面使用中文的原因:

用法二

如何不以参数的形式，写入模式中这些选项？
将以上的选项嵌入模式中:
比如开启大小写，只需要在模式表达式开头增加(?i)
对比下面效果:

    text = 'This is some text -- with punctuation.'
    pattern = r'\bT\w+'
    with_case = re.compile(pattern) # 不忽略大小写
    without_case = re.compile(pattern, re.IGNORECASE) # 忽略大小写

    pattern2 = r'(?i)\bT\w+' # 忽略大小写
    without_case2 = re.compile(pattern2)

    s = with_case.findall(text)
    for _ in s:
        print("with_case", "pattern", _)
    print("------------------------------")

    s = without_case.findall(text)
    for _ in s:
        print("without_case", "pattern", _)
    print("------------------------------")

    s = without_case2.findall(text)
    for _ in s:
        print("without_case2", "pattern2", _)

输出效果:

两种方式效果相同，所以在不能指定选项参数的时候，将大小写规则compile进模式中，是一种很好的方法。