02、正则表达式（Python）

接下来的内容，会跟着 《正则表达式必知必会》 这本书的内容走，所以强烈推荐有感兴趣的朋友可以购买一本。

下面来学习使用正则表达式匹配一个或多个字符。

import re

# 测试文本
text = """
hello, my name is Ben. Please visit
my website at http://www.forta.com/ .
"""

# 正则表达式
regexp = r'Ben'

# 编译
pattern = re.compile(regexp)

# 匹配
rs = pattern.findall(text)
print(rs)

# 正则表达式
regexp = r'my'
# 编译
pattern = re.compile(regexp)
# 匹配
rs = pattern.findall(text)
print(rs)

## 正则表达式是区分大小写的，但是通常它的实现都提供了可以忽略大小写的选项，
## 在 Python 中，它是由 flags 参数控制的，传入 Re.I 即可

# 正则表达式
regexp = r'ben'
# 编译
pattern = re.compile(regexp, re.I)
# 匹配
r = pattern.search(text)
print(r)

通常是只匹配第一个结果即返回了。在 Python 的实现中，所以如果我们想要获取所有的匹配结果，那么就需要选择相应的方法了。这里简单介绍一下单个匹配和多个匹配的区别：

• match、search 匹配一个结果即返回，它们两个的区别是 match 是匹配文本的开头，而 search 是匹配整个文本，直到找到一个结果，然后返回。
• findall、finditer 匹配所有的结果返回，它们两个的区别是 findall 是将所有匹配的结果以列表的形式返回，而 findditer 则是以迭代器的形式返回。

import re

# 测试文本
text = """
I love you yesterday and today.
I love you yesterday and today.
I love you yesterday and today.
I love you yesterday and today.
I love you yesterday and today.
"""

# 正则表达式
regexp = r'love'

# 编译
pattern = re.compile(regexp)

# 单个匹配
# match 匹配
m = pattern.match(text)
if m:
    print("match: ", m.group())
else:
    print("match() no match!")

# search 匹配
m = pattern.search(text)
if m:
    print("search: ", m.group())
else:
    print("search() no match!")

# 多个匹配
# findall 匹配
rs = pattern.findall(text)
if rs:
    print("findall: ", rs)
else:
    print("findall no matches!")

# finditer 匹配
rs = pattern.finditer(text)
if rs:
    print("finditer", rs)
    for r in rs:
        print("finditer: ", r)
else:
    print("finditer no matches!")

注意： love 没有在开头，所以 match 无法匹配到。

正则表达式是区别大小写的，所以 Ben 不匹配 ben。但是，大多数正则表达式的实现都支持不区分字母大小写的匹配操作。在 Python 的实现中，它是依靠参数 flags 来控制的，如果需要启用，则传入 re.I 或 re.IGNORECASE。

from ast import pattern
import re

# 测试文本
text = """
hello, my name is ben. Please visit
my website at http://www.forta.com/ .
"""

# 正则表达式
regexp = r'Ben'

# 编译 re.I 或 re.IGNORECASE
pattern = re.compile(regexp, re.I)

# 匹配
m = pattern.search(text)
if m:
    print(m.group())
else:
    print("No match")

前面的示例中的正则表达式匹配的都是静态文本，无法体现出正则表达式的威力。下面，我们一起来看看如何使用正则表达式去匹配不可预知的字符。

在正则表达式里，特殊字符（或字符集合）用来标示要搜索的东西。. 字符（英文句号）可以匹配任意单个字符。例如：正则表达式 c.t 可以匹配 cat 和 cot 或者其它符合形式的字母组合。

示例：

import re

# 测试文本
text = """
sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
"""

# 正则表达式
regexp = r'sales.'

# 编译
pattern = re.compile(regexp)

# 匹配
rs = pattern.findall(text)
if rs:
    print(rs)
else:
    print("No matches!")

正则表达式 sales. 可以匹配所有以 sales 开头，后面跟着任意一个字符的文件名。

. 字符可以匹配任意单个字符、字母、数字甚至是 . 字符本身：

import re

# 测试文本
text = """
sales.xls
sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
"""

# 正则表达式
regexp = r'sales..'

# 编译
pattern = re.compile(regexp)

# 匹配
rs = pattern.findall(text)
if rs:
    print(rs)
else:
    print("No matches!")

这里多增加了一个 sales.xls，它也是可以被匹配到的。

在同一个正则表达式里允许使用多个 . 字符，它们既可以共同出现（.. 将匹配连续的任意两个字符），也可以分别出现在模式的不同位置。

下面整个例子：把以 na 或 sa 开头的文件（不管它们后面跟着什么数字）找出来。

import re

# 测试文本
text = """
sales.xls
sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
"""

# 正则表达式
regexp = r'.a.'

# 编译
pattern = re.compile(regexp)

# 匹配
rs = pattern.findall(text)
if rs:
    print(rs)
else:
    print("No matches!")

注意： 如果按行匹配，使用 match 方法可以避免这个问题，因为 match 方法就是从头开始匹配的。

这样做会多匹配很多其它的文件名，但是这不是我们所需要的。这里我们尝试在后面多加一个 . 来尝试一下：

import re

# 测试文本
text = """
sales.xls
sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
"""

# 正则表达式
regexp = r'.a..'

# 编译
pattern = re.compile(regexp)

# 匹配
rs = pattern.findall(text)
if rs:
    print(rs)
else:
    print("No matches!")

这样做比上面更加糟糕了，因为我们想要匹配的是字符 .，而不是任意字符。

. 字符在正则表达式里面有特殊含义，如果模式需要匹配一个 .，而不是要匹配任意字符，就需要对其进行转义。转义的方法很简单，在需要转义的字符前面加上正斜杠 ，例如对于字符 . 的转义为 .。

是一个元字符（metacharacter，表示“这个字符有特殊含义，代表的不是字符本身”）。

注意：如果需要匹配的字符是 ，那么需要使用它本身进行转义，即 \。

完整的匹配文件名：

import re

# 测试文本
text = """
sales.xls
sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
"""

# 正则表达式
regexp = r'.a..'

# 编译
pattern = re.compile(regexp)

# 匹配
rs = pattern.findall(text)
if rs:
    print(rs)
else:
    print("No matches!")

这样我们就可以正确匹配到需要的文件名了（包含 . 字符）。

最后，在正则表达式上加上文件的扩展名 xls，避免匹配到 sa3.doc 这样的文件名。

import re

# 测试文本
text = """
sales.xls
sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
"""

# 正则表达式
regexp = r'.a..xls'

# 编译
pattern = re.compile(regexp)

# 匹配
rs = pattern.findall(text)
if rs:
    print(rs)
else:
    print("No matches!")

正则表达式，也被称为模式。起始是一些由字符构成的字符串。这些字符可以是字面字符（普通字符）或元字符（有特殊含义的字符）。上面学习了，如何使用普通文本和元字符去匹配单个字符。. 可以匹配任意单个字符， 用来对字符进行转义。 在正则表达式里，有特殊含义的字符序列总是以 字符开头。