标签：模式 mail src 下标 obj you 验证 nlp 第一个
by 寒小阳(hanxiaoyang.ml@gmail.com)
正则表达式是处理字符串的强大工具，拥有独特的语法和独立的处理引擎。
我们在大文本中匹配字符串时，有些情况用str自带的函数(比如find, in)可能可以完成，有些情况会稍稍复杂一些(比如说找出所有“像邮箱”的字符串，所有和julyedu相关的句子)，这个时候我们需要一个某种模式的工具，这个时候正则表达式就派上用场了。
说起来正则表达式效率上可能不如str自带的方法，但匹配功能实在强大太多。对啦，正则表达式不是Python独有的，如果已经在其他语言里使用过正则表达式，这里的说明只需要简单看一看就可以上手啦。
废话少说，直接上技能
下面是一张有些同学比较熟的图，我们俗称python正则表达式小抄，把写正则表达式当做一个开卷考试，显然容易得多。
当你要匹配 一个/多个/任意个 数字/字母/非数字/非字母/某几个字符/任意字符，想要 贪婪/非贪婪匹配，想要捕获匹配出来的 第一个/所有 内容的时候，记得这里有个小手册供你参考。
长期做自然语言处理的同学正则表达式都非常熟，曾经有半年写了大量的正则表达式，以至于同事间开玩笑说，只要是符合某种规律或者模式的串，肯定分分钟能匹配出来。
对于想练习正则表达式，或者短期内快速get复杂技能，or想挑战更复杂的正则表达式的同学们。 请戳正则表达式进阶练习
so, 各位宝宝enjoy yourself
Python通过re模块提供对正则表达式的支持。
使用re的一般步骤是
# encoding: UTF-8
import re
# 将正则表达式编译成Pattern对象
pattern = re.compile(r‘hello.*\!‘)
# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match = pattern.match(‘hello, hanxiaoyang! How are you?‘)
if match:
# 使用Match获得分组信息
print match.group()
这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。
第二个参数flag是匹配模式，取值可以使用按位或运算符‘|‘表示同时生效，比如re.I | re.M。
当然，你也可以在regex字符串中指定模式，比如re.compile(‘pattern‘, re.I | re.M)等价于re.compile(‘(?im)pattern‘)
flag可选值有：
regex_1 = re.compile(r"""\d + # 数字部分
\. # 小数点部分
\d * # 小数的数字部分""", re.X)
regex_2 = re.compile(r"\d+\.\d*")
Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。
import re
m = re.match(r‘(\w+) (\w+)(?P<sign>.*)‘, ‘hello hanxiaoyang!‘)
print "m.string:", m.string
print "m.re:", m.re
print "m.pos:", m.pos
print "m.endpos:", m.endpos
print "m.lastindex:", m.lastindex
print "m.lastgroup:", m.lastgroup
print "m.group(1,2):", m.group(1, 2)
print "m.groups():", m.groups()
print "m.groupdict():", m.groupdict()
print "m.start(2):", m.start(2)
print "m.end(2):", m.end(2)
print "m.span(2):", m.span(2)
print r"m.expand(r‘\2 \1\3‘):", m.expand(r‘\2 \1\3‘)
Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。
Pattern不能直接实例化，必须使用re.compile()进行构造。
Pattern提供了几个可读属性用于获取表达式的相关信息：
import re
p = re.compile(r‘(\w+) (\w+)(?P<sign>.*)‘, re.DOTALL)
print "p.pattern:", p.pattern
print "p.flags:", p.flags
print "p.groups:", p.groups
print "p.groupindex:", p.groupindex
# encoding: UTF-8
import re
# 将正则表达式编译成Pattern对象
pattern = re.compile(r‘H.*g‘)
# 使用search()查找匹配的子串，不存在能匹配的子串时将返回None
# 这个例子中使用match()无法成功匹配
match = pattern.search(‘hello Hanxiaoyang!‘)
if match:
# 使用Match获得分组信息
print match.group()
import re
p = re.compile(r‘\d+‘)
print p.split(‘one1two2three3four4‘)
import re
p = re.compile(r‘\d+‘)
print p.findall(‘one1two2three3four4‘)
import re
p = re.compile(r‘\d+‘)
for m in p.finditer(‘one1two2three3four4‘):
print m.group()
import re
p = re.compile(r‘(\w+) (\w+)‘)
s = ‘i say, hello hanxiaoyang!‘
print p.sub(r‘\2 \1‘, s)
def func(m):
return m.group(1).title() + ‘ ‘ + m.group(2).title()
print p.sub(func, s)
import re
p = re.compile(r‘(\w+) (\w+)‘)
s = ‘i say, hello hanxiaoyang!‘
print p.subn(r‘\2 \1‘, s)
def func(m):
return m.group(1).title() + ‘ ‘ + m.group(2).title()
print p.subn(func, s)
标签：模式 mail src 下标 obj you 验证 nlp 第一个
原文地址：https://www.cnblogs.com/Josie-chen/p/9120765.html
