十、正則表達式和JSON

一、什么是正則表達式

正則表達式是一個特殊字符序列，一個字符串是否與我們所設定的這樣的字符序列相匹配。

應用：快速檢索文本、實現一些替換文本的操作

1、檢查一串數字是否是電話號碼

2、檢查一個字符串是否符合email

3、把一個文本里指定的單詞替換為另外一個單詞

例：

a='C|C++|Java|C#|Python|Javascript'

判斷a中是否包含Python

方法一：使用python內置方法

1) a.index('Python')>-1:

a='C|C++|Java|C#|Python|Javascript'

if a.index('Python')>-1:
    print(True)
else:
    print(False)

 

2）'Python' in a

a='C|C++|Java|C#|Python|Javascript'
if 'Python' in a:
    print(True)
else:
    print(False)

方法二：使用正則表達式

#coding=utf-8
import re

a='C|C++|Java|C#|Python|Javascript'
r=re.findall('Python',a)
print(r)
if len(r)>0:
    print(u'字符串中包含Python')
else:
    print(u'字符串中不包含Python')

以上例子中‘Python’是常量字符串，幾乎無意義。正則表達是的意義或者靈活即：規則

二、元字符與普通字符

a='C0C++7Java8C#9Python6Javascript'

查找a中所有的數字

#coding=utf-8
import re
a='C0C++7Java8C#9Python6Javascript'
r=re.findall('\d',a)
print(r)

總結：以上兩個例子中Python是普通字符，\d是元字符

正則表達式是由一系列的普通字符和元字符所組成的

正則表達式有很多，在實際工作中根據需要查找即可

三、字符集

字符集由[]括起來的一組字符組合，字符之間是或者的關系，^代表非，-代表范圍

字符集兩邊常常由普通字符構成，如‘a[cf]c’,普通字符a、c用來定界

#coding=utf-8
import re
'''
字符集的使用
'''
s = 'abc,acc,adc,aec,afc,ahc'
#查找s中，中間一個字符是c或f的單詞
r=re.findall('a[cf]c',s)
print(r)

#查找s中，中間一個字符不是c也不是f的單詞
r1=re.findall('a[^cf]c',s)
print(r1)

#查找s中，中間一個字符是c\d\e\f的單詞
r2=re.findall('a[c-f]c',s)
print(r2)

四、概括字符集

像\d、\D、\w這種具有高度概括的表達式，我們稱為概括字符集

#coding=utf-8
import re
'''
概括字符集
'''
a='Python 1111Java678php'
# r=re.findall('[0-9]',a)
r=re.findall('\d',a)
print(r)

 五、數量詞

數量詞{}表示個數

如{3}表示3位；{3,6}表示最小3位，最大6位

#coding=utf-8
import re
'''
數量詞{}
'''
a='Python  1111\nJava678php'
#檢索所有單詞
# r=re.findall('[a-z]{3}',a)
#Python6位，Java4w位，php3位，所以取3到6位
r=re.findall('[a-zA-Z]{3,6}',a)
print(r)

六、貪婪與非貪婪

正則表達式默認是盡可能使用貪婪的匹配方式

非貪婪，后面加？

#coding=utf-8
import re
'''
貪婪與非貪婪
'''
a='Python  1111\nJava678php'
#貪婪方式匹配
r=re.findall('[a-zA-Z]{3,6}',a)
print(r)
#非貪婪方式匹配
r1=re.findall('[a-zA-Z]{3,6}?',a)
print(r1)

七、匹配0次1次無限次

#coding=utf-8
import re
a='pytho0python1pythonn2'
r=re.findall('python*',a)
r1=re.findall('python+',a)
r2=re.findall('python?',a)
print(r)
print(r1)
print(r2)

 

關於？

1、作為非貪婪匹配方式？前面是范圍

2、作為數量詞？前面是普通字符

 

#coding=utf-8
import re
a='pytho0python1pythonn2'

r=re.findall('python{1,2}',a)
r1=re.findall('python{1,2}?',a)
r2=re.findall('python?',a)
print(r)
print(r1)
print(r2)

八、邊界匹配符

 

例如：

#coding=utf-8
import re

# qq='100001'
# qq='101'
qq='100000001'
#檢查qq號碼是否符合4-8位數字
r=re.findall('\d{4,8}',qq)
print(r)

使用正則表達式'\d{4,8}'可以檢測出4-8位，小於4位，但是大於8位時，無法檢測，正確做法是使用首尾匹配

 

#coding=utf-8
import re

qq='100001'
# qq='101'
# qq='100000001'
#檢查qq號碼是否符合4-8位數字
r=re.findall('\d{4,8}$',qq)
print(r)

九、組

()小括號括起來的稱為一組

#coding=utf-8
import re
a='PythonPythonPythonPythonPython*%%php'
#檢測a中是否包含3個Python
r=re.findall('(Python){3}',a)
print(r)

十、匹配模式參數flag

findall(pattern, string, flags=0)方法中的第三個參數flags代表匹配模式
常用的匹配模式有

#coding=utf-8
import re
s = 'PythonC#\rJava\nPHP'
#使用re.I和re.S匹配模式，多個模式直接用|分隔
r=re.findall('c#',s,re.I|re.S)
print(r)

#coding=utf-8
import re
s = 'PythonC#\rJavaC#\nPHP'
#使用re.I和re.S匹配模式，多個模式直接用|分隔
r=re.findall('c#.{1}',s,re.I|re.S)
print(r)

十一、re.sub正則替換

#coding=utf-8
import re

s='PythonC#JavaC#phpC#'
r=re.sub('C#','GO',s,2)
r1=s.replace('C#','GO',1)
print(r)
print(r1)

 其中‘GO’可以是函數

# coding=utf-8
import re

s = 'PythonC#JavaC#phpC#'

# r=re.sub('C#','GO',s,2)
def convert(value):
    pass
r = re.sub('C#', convert, s)
print(r)

運行結果：

調用過程：

1）C#作為convert的參數

2）convert的返回作為re.sub()的參數，因無返回值所以替換后字符串中的C#消失了

打印value發現結果顯示的是對象且被調用了三次（因為設置了參數3）

要獲取值C#，需要用group()方法

# coding=utf-8
import re

s = 'PythonC#JavaC#phpC#'

def convert(value):
    matched=value.group()
    print(matched)
    return '!!'+matched+'!!'

r = re.sub('C#', convert, s)
print(r)

12、把函數作為參數傳遞

上面convert是較為簡單的函數，實際中常常使用更為復雜的函數，作為sub()參數

# coding=utf-8
import re

s = 'A8C3711D86'


# 找出s中所有數字，大於6的替換為9，小於6的替換為0
def convert(value):
    matched = value.group()
    res = None
    if int(matched) >= 6:#注意matched是str格式，需要轉成int格式
        res = '9'#數字不能作為返回值，需要將int轉成str
    else:
        res = '0'
    return res


r = re.sub('\d', convert, s)
print(r)

convert：你給我個字符串，我還你個字符串。至於中間變量value如何處理，不關心

思考：s中大於50的替換為100，小於50的替換為0

# coding=utf-8
import re

s = 'A8C3711D86'


# 找出s中所有數字，大於6的替換為9，小於6的替換為0
def convert(value):
    matched = value.group()
    res = None
    if int(matched) >= 50:#注意matched是str格式，需要轉成int格式
        res = '100'#數字不能作為返回值，需要將int轉成str
    else:
        res = '0'
    return res


r = re.sub('\d{2}', convert, s)
print(r)

13、search與match

實際沒有findall好用

match：嘗試從字符串首字母開始匹配，如果找不到返回None，找到第一個即返回。

search：嘗試搜索整個字符串，找到第一個即返回

#coding=utf-8
import re
'''
檢索所有數字
'''
s='A83C72D8E67'

r=re.match('\d',s)
#從首字母開始匹配數字
print(r)
r1=re.search('\d',s)
#返回對象，包含位置信息等
print(r1)
#獲取查詢結果，匹配一次即返回
print(r1.group())