python中匹配字符串_python题库及答案解析

实用Python程序设计笔记|第九章、正则表达式 　　视频课程：实用Python程序设计_中国大学MOOC(慕课) (icourse163.org) 　　专栏目录：从零开始学python专栏目录 　　1、正则表达式的概念和组成 　　正则表达式 　　作用： 可以用来判断某个字符串是否符合某种模式，比如判断某个字符 串是不是邮箱地址，网址，电话号码，身份证号……可以用来在文本中寻找并抽取符合某种模式的字符串，比如电子邮件地址，电话号码，网址，身份证号……，找出三国演义中所有孔明提到曹操的场合都说了些啥。 　　概念： 　　正则表达式是个某些字符有特殊含义字符串，表示一种字符串的模式（格式）。 　　可以用相关函数求给定字符串和正则表达式的匹配情况。 　　正则表达式中的功能字符 　　字符/组合匹配的模式正则表达式匹配的字符串.除’\n’外的任意一个字符，包括汉字（多行匹配方式下也能匹配’\n’）’a.b”acb”adb”a(b’……*量词。表示左边的字符可以出现0次或任意多次’a*b”b”ab”aaaab’……?量词。表示左边的字符必须出现0次或1次’ka?b”kb”kab’+量词。表示左边的字符必须出现1次或更多次’ka+b”kab”kaaab’……{m}量词。m是整数。表示左边的字符必须且只能出现m次’ka{3}b”kaaab'{m,n}量词。m、n是整数。表示左边的字符必须出现至少m次、至多n次。n也可以不写，表示出现次数没有上限’ka{1,3}b”kab”kaab”kaaab’\d一个数字字符，等价于[0-9]’a\db”a2b”a3b’……\D一个非数字的字符，等价于[^\d]，也等价于[^0-9]’a\Db”acb’……\s一个空白字符，如空格、\t、\r、\n等’a\sb”a b”a\nb’……\S一个非空白字符’a\Sb”akb’……\w一个单词字符：包括汉字或大小写英文字母、数字、下划线、或其它语言的文字’a\wb”a_b”a中b’……\W一个不是单词字符的字符’a\Wb”a?b’……|A|B表示能匹配A或能匹配B均算能匹配’ab|c”ab”c’ 　　remark：在python字符串中，\s等不是转义字符，都是两个字符。 　　正则表达式中的特殊字符 　　正则表达式中常见的特殊字符有以下几个： 　　如果要在正则表达式中表示这几个字符本身，就应该在其前面加“\”。 　　2、字符范围[]和量词 　　[XXX]的用法 　　用以表示“此处必须出现一个某某范围内的字符”，或者“此处必须出现一个字符，但不可以是某某范围内的字符”。 　　举例：[a2c]匹配’a’,’2′,’c’之一[a-zA-Z]匹配任一英文字母[\da-z\?]匹配一个数字或小写英文字母或’?'[^abc]匹配一个非’a’,’b’,’c’之一的字符[^a-f0-3]匹配一个非英文字母’a’到’f’，也非数字’0’到’3’的字符 　　匹配汉字 　　汉字的unicode编码范围是4e00-9fa5（16进制），因此[\u4e00-\u9fa5]即表示一个汉字。 　　正则表达式示例 　　[1-9]\d*正整数-[1-9]\d*负整数-?[1-9]\d*|0整数[1-9]\d*|0非负整数-?([1-9]\d*\.\d*[1-9]|0\.\d*[1-9]|0)左右都没有多余0的小数\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*邮箱 　　3、正则表达式的函数 　　使用正则表达式 　　re.match函数 　　从字符串string的起始位置匹配一个模式patternflags标志位，用于控制模式串的匹配方式，如：是否区分大小写，多行匹配等等，如re.M|re.I 表示忽略大小写，且多行匹配成功则返回一个匹配对象，否则返回None 　　re.search函数 　　查找字符串中可以匹配成功的子串。若匹配成功，则返回匹配对象；若无法匹配，则返回None。 　　re.findall函数 　　查找字符串中所有和模式匹配的子串（不重叠）放入列表。一个子串都找不到就返回空表。 　　re.finditer函数 　　查找字符串中所有和模式匹配的子串（不重叠），每个子串对应于一个匹配对象，返回匹配对象的序列（准确说是“可调用迭代器”） 　　re.sub替换匹配的子串 　　4、边界符号 　　\A表示字符串的左边界，即要求从此往左边不能有任何字符\Z表示字符串的右边界，即要求从此往右边不能有任何字符^与\A同。但多行匹配模式下还可以表示一行文字的左边界。$与\z同。但多行匹配模式下还可以表示一行文字的右边界。\b表示此处应为单词的左边界或右边界，即不可是单词字符\B表示此处不允许是单词的左边界或右边界，即必须是单词字符 　　边界符号本身不会和任何字符匹配。 　　Python字符串’\A’、’\Z’都是两个字符，而不是像’\n’那样的一个字符。 　　正则表达式的边界符号’\b’是两个字符。但是在Python字符串中，’\b’和’\t’、’\n’类似，是一个字符（Backspace）。因此在正则表达式中使用边界符号\b，要写’\\b’。如果写’\\\\b’，则连续的两个’\’被看作是一个普通的’\’，不会和后面的’b’一起被当作字符组合，变成边界符号’\b’。 　　5、分组(…) 　　括号中的表达式是一个分组。 　　多个分组按左括号从左到右从1开始依次编号 　　输出结果： 　　在分组的右边可以通过分组的编号引用该分组所匹配的子串 　　例子1： 　　输出结果： 　　例子2： 　　输出结果： 　　分组作为一个整体，后面可以跟量词 　　不要求分组的多次出现必须匹配相同字符串。 　　输出结果： 　　re.findall和分组 　　在正则表达式中没有分组时，re.findall返回所有匹配子串构成的列表。有且只有一个分组时，re.findall返回的是一个子串的列表，每个素是一个匹配子串中分组对应的内容。 　　输出结果： 　　在正则表达式中有超过一个分组时，re.findall返回的是一个组的列表，每个组对应于一个匹配的子串，组里的素，依次是1号分组、2号分组、3号分组……匹配的内容 　　输出结果： 　　remark：引用和斜杠 　　输出结果： 　　6、“|”的用法 　　表示“或”，如果没有放在“()”中，则起作用范围是直到整个表达式开头或结尾或另一个“|”从左到右短路匹配（匹配上一个后就不计算是否还能匹配后面的）“|”也可以用于分组中，起作用范围仅限于分组内 　　7、贪婪匹配模式和懒惰匹配模式 　　量词的贪婪模式 　　量词+、*、?、{m,n}默认匹配尽可能长的子串。 　　输出结果： 　　但是贪婪模式有时候也会有问题 　　比如，在html文本中想要找到<h3>xxx</h3>之间的内容xxx 　　输出结果： 　　而不是我们希望得到的abd和afaef 　　量词的非贪婪（懒惰）模式 　　在量词+、*、?、{m,n}后面加’?’则匹配尽可能短的字符串。 　　输出结果： 　　至于为什么最后两行代码匹配到的是abd</h3><h3>afaef，而不是afaef。 　　可能是因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权——The match that begins earliest wins。（参考自正则表达式（二） – mutianzhixi – 博客园） 　　举个例子： 　　输出结果： 　　而不是ab。匹配的方向应该是从左到右进行的。 　　8、匹配对象 　　“匹配对象”（匹配成功时的返回结果）的属性 　　string：匹配时使用的母串。lastindex：最后一个被匹配的分组的编号（不是最大编号）。如果没有被匹配的分组，将为None。group([n1,n2,…])✦获得一个或多个分组匹配的字符串；指定多个参数时将以组形式返回。n1,n2…可以使用编号也可以使用名字；✦编号0代表整个匹配的子串（与模式里面的“()”无关）；✦group()等价于group(0)；✦没有匹配字符串的组返回None；✦匹配了多次的组返回最后一次匹配的子串。groups([default])以组形式返回全部分组匹配的字符串。相当于调用group(1,2,…last)。default表示没有匹配字符串的组以这个值替代，默认为None。groupdict([default])返回以有名字的组的名字为键、以该组匹配的子串为值的字典，没有名字的组不包含在内。default含义同上。start([group])返回指定的组匹配的子串string中的起始位置。group默认值为0.end([group])返回指定的组匹配的子串在string中的结束位置（子串最后一个字符的位置+1）。group默认值为0。span([group])返回(start(group),end(group))。group可以是组编号，也可以是组名字，缺省为0。 　　remark：简化正则表达式的编写 　　一般来说，要写一个精确的正则表达式，比如写一个正则表达式来匹配ip地址，要做到匹配它的字符串一定是ip地址，且ip地址一定能匹配它，是比较困难的。 　　正则表达式可以写得宽容一些，即ip地址一定能匹配它，但是能匹配它的不一定是ip地址。对匹配的字符串，另外再做一些额外的判断排除掉非ip地址，这样做比写精确的正则表达式容易。 　　本章习题：实用Python程序设计习题9