深度学习所需的python--学习笔记12

个人推荐廖雪峰老师的课程，本来这一部分看不太懂，看了他网站上的，感觉明了很多。https://www.liaoxuefeng.com/

正则表达式

正则表达式是一种用来匹配字符串，如判断字符串是否是一个合法的邮箱地址时，如果对内容进行一个个判断的话，

会很麻烦，而正则表达式可以用一种描述性的语言来给字符串定义一个规则，对于符合规则的字符串就匹配成功。

例判断一个字符串是否是合法的Email的方法是：

1：创建一个匹配Email的正则表达式

2：用改正则表达式去匹配用户的输入来判断是否合法

正则表达式中，如果直接给出字符，就是精确匹配。用\d可以匹配数字，\w可以匹配一个字母或数字，所以：

例：'00\d','\d\d\d''\w\w\d'

.可以匹配任意字符，'py.'可以匹配'pyc','py1','py!'等等

要匹配变长的字符，在正则表达式中，用*表示任意个字符，用+表示至少一个字符，用？表示0个或1个字符，用{n}表示n个字符

用{n,m}表示n-m个字符

例：

\d{3}\s+\d{3,8}

其中\s可以匹配一个字符，而\s+表示至少有一个空格

所以，该正则表达式可以匹配以任意空格隔开的带区号的电话号码

若要匹配012-345678，因为-是特殊字符，所以要用\转义

\d{3}\-\d{3,8}

为了更精确的匹配，用[]表示范围，比如：

[0-9a-zA-Z\_]表示匹配一个数字、字母或下划线

[0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串

[a-zA-Z\_][0-9a-zA-Z\_]*表示可以匹配字母或下划线开头，

后接任意个由数字、字母或者下划线组成的字符串

[a-zA-Z\_][0-9a-zA-Z\_]{0,19}更精确的限制了变量的长度是1-20个字符

（开头的一个字母或下划线，后面最多19个字符数字、字母或者下划线）

A|B可以匹配A或B，所以（P|p）ython可以匹配'python'或'Python'

^表示行的开头，^\d表示必须以数字开头

$表示行的结束，\d$表示必须以数字结束

re模块

在python中提供re模块，包含正则表达式的所有功能。注意，python的字符串本身也用\转义

s = 'abc\\-001'

对应的正则表达式字符串是'abc\-001'

所以为了避免因为转义引起的错误，建议使用r为前缀，即

s = r'abc\-001'正则表达式字符串不变

主要的是有match（）方法和search（）方法，但是两者有一点差别，match函数只能够字符串的开始位置开始匹配，而search是可以匹配字符串的任意位置，但也是返回找到的第一个匹配的模式。在search中应用^表达式，可以和match一样效果。

先看看如何判断正则表达式是否匹配：

import re
s = "my number is 123"
match = re.search(r'\d{3}', s)

print(match)
print(match.group())

<_sre.SRE_Match object; span=(13, 16), match='123'>
123

match（）方法是判断是否匹配，如果匹配成功，返回一个match对象，否则返回None。常见的格式：

test = '用户输入的字符串'
if re.match(r'正则表达式', test):
    print('ok')
else:
    print('failed')

import re
s = "my email is kaiser@jizhi.im"
match = re.search(r'[\w.-]+@[\w.-]+', s)

if match:
    print(match.group())
else:
    print("match not found")

kaiser@jizhi.im

还可以进一步从匹配字符串中提取符合条件的特定部分，用()，即分组。

import re
2
s = "my email is kaiser@jizhi.im"
3
match = re.search('([\w.-]+)@([\w.-]+)', s)
4
​
5
if match:
6
    print(match.group())  # 完整邮箱地址
7
    print(match.group(1)) # 姓名kaiser
8
    print(match.group(2)) # 域名jizhi.im
kaiser@jizhi.im
kaiser
jizhi.im

切分字符串

用正则表达式切分字符串比用固定的字符更灵活，

>>> 'a b   c'.split(' ')
['a', 'b', '', '', 'c']

无法识别两个连续的空格，而使用正则表达式，则没有这个问题，

>>> re.split(r'\s+', 'a b   c')
['a', 'b', 'c']

可以同时切分不同的字符串

>>> re.split(r'[\s\,]+', 'a,b, c  d')#,符号需要使用转义\
['a', 'b', 'c', 'd']

如果用户输入了一组标签，可以使用正则表达式来把不规范的输入转化成正确的数组。

捕获

前面的match和search只能返回第一个匹配模式的字符串，如果我们要找到所有匹配的结果，

就需要用到findall()

findall(pattern, string, flags[optional])

如果匹配成功，findall()会返回一个列表，包含所有匹配的字符串，否则返回的是空列表。

import re

2

s = "Tim's phone numbers are 12345-41521 and 78963-85214"

3

match = re.findall(r'\d{5}', s)

4

​

5

if match:

6

    print(match)

['12345', '41521', '78963', '85214']

对于findall()也可以使用捕获组，返回的是由元组(tuple)构成的列表(list)

import re

2

s = "Tim's phone numbers are 12345-41521 and 78963-85214"

3

match = re.findall(r'(\d{5})-(\d{5})', s)

4

print(match)

5

​

6

for i in match:

7

    print()

8

    print(i)

9

    print("First group", i[0])

10

    print("Second group", i[1])

[('12345', '41521'), ('78963', '85214')]

('12345', '41521')
First group 12345
Second group 41521

('78963', '85214')
First group 78963
Second group 85214