小话Python笔记——正则表达式

正则表达式是Python学习的一种基本匹配方法。先来一个题预预热：

如果要用正则表达式匹配“一张表情包出生于2018年3月28日”的出生年月日，该怎么做？

可以写出匹配方法来（\d{4}年\d{1,2}月\d{1,2}日）

怎么写出来的呢？先来了解一下基础知识：

1、常见的一些基础知识：

    . 任意字符，换行符除外

    \b 匹配单词的开始或者结束（e.g.:匹配say，可以用\bs\w*\b，单词的开始结束加上了\b）

    \d 匹配数字

    \w 匹配字母、数字、下划线或者汉字

    \s 匹配任何空白符号

    

    \B 匹配不是单词的开始或者结束（与上面\b相反）

    \D 匹配不是数字的字符（与上面\d相反）

    \W 匹配不是字母、数字、下划线或者汉字的字符（与上面\w相反）

    \S 匹配任何非空白符号（与上面\s相反）

    ^ 匹配字符串的开始（前面加^）

    $ 匹配字符串的结束 （后面加$）

    * 重复0次或者多次（e.g.:\d*的意思就是数字不出现或者出现多少次都可以）

    + 重复1次或者多次

    ? 重复1次或者0次

    {n} 重复了n次

    {n,} 重复了n次或者更多的次数

    {n,m} 重复了n次到m次

    当要匹配的的字符中含有正则表达式本来就有的特殊符号时，我们可以用“\”来取消。（e.g.:匹配“.”时，用\.）

    当要匹配一个集合时，可以使用[]。（e.g.：[abcdef]意思就是匹配abcdef中的任意一个字符）

    当匹配时需要好几种匹配规则，这时候|就用上了。（e.g.：\d{4}|\s{1}匹配4个数字或者一个空白符）

    正则表达式中，我们可以用()来进行分组，把想要一起操作或者提取的字符放在()中。

    [^a] 匹配除了a之外的字符

    [^abc] 匹配除了a、b、c之外的字符

    [^(123|abc)] 匹配除了1、2、3或者a、b、c以外的字符

    (?<name>exp) 匹配exp，然后将捕获的文本给name的组里，也可以写成(?'name'exp)

    (?:exp) 匹配exp，不捕获文本，也不分配组好（e.g.:有时候只是用()来限制范围，不需要捕获其中内容）

    (?=exp) 匹配exp前面的位置

    (?<=exp) 匹配exp后面的位置

    (?!exp) 匹配后面跟的不是exp的位置

    (?<!exp) 匹配前面不是exp的位置

    (?#comment) 注释（e.g.:(?#这是注释)）

    

    正则表达式匹配时是贪婪模式，也就是从后向前进行匹配。当我们用b.*b来匹配baaaaaaaaaaabb时，匹配出来的字符为bb。当我们需要的字符是baaaaaaaaaaabb时就需要非贪婪的匹配模式，这时我们只需要加一个?,匹配式就为?(b.*b)。但如果我们需要的是baaaaaaaaaaab时，只需要把最后最后一个b变成非贪婪模式，即为?(b.*?b)。

    

    以上是正则表达式的语法应用，在Python中支持绝大部分，但是也有自己独特的一些匹配方法。

    \A 仅匹配字符串开头

    \Z 仅匹配字符串结尾

     (?P<name>) 分组，除了原有的编号外，再外指定一个别名。(?P=name) 引用别名匹配的字符串。（e.g.:(?P<id>\d)(?P=id)，此处后面id引用前面id的group）

    

    Python中有re模块来支持正则表达式，分别介绍：

    s=re.compile(r'\d')：将一个正则表达式转化成s匹配对象，用来接下来的匹配 。

    re.match():输入参数string，用上面s来进行匹配。匹配成功返回结果，失败返回None。（e.g.:re.match(s,'123')，其实可以用正则表达式直接代替s）

    re.search()：search方法与match方法相似，区别在于match()只从string开始位置匹配，search()会扫描整个string查找匹配。

    re.split()：是将匹配的子串将返回的string切割成列表返回。

    re.findall()：搜索整个string，以列表形式返回匹配成功的全部子串。

    re.finditer()：搜索整个string，以迭代的方式返回匹配成功的全部Match对象。

    re.sub(pattern,repl,string)：是用repl替换string中每一个匹配的子串后，返回替换后的字符串。还可以用re.subn()来返回re.sub()替换次数。

此刻再看刚刚出的题，就有很多可能性了，匹配“一张表情包出生于2018年3月28日”可能出现各种各样的情况。比如出现“年月日”分别用-和\代替，写成2018-3-28或者2019\3\28。有的人可能只写到月份，没有日。结合Python，我们可以如下写：

import re

line = "一张表情包出生于2018年3月28日"

linezz = ".*出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}[日]|[月/-]\d{1,2}|[月]|$))"

pa = re.match(linezz, line)

if pa:
   print(pa.group(1))