前言

正則表達(dá)式就是從字符串中發(fā)現(xiàn)規(guī)律，并通過“抽象”的符號表達(dá)出來。打個比方，對于2,5,10,17,26,37這樣的數(shù)字序列，如何計(jì)算第7個值，肯定要先找該序列的規(guī)律，然后用n2+1這個表達(dá)式來描述其規(guī)律，進(jìn)而得到第7個值為50。對于需要匹配的字符串來說，同樣把發(fā)現(xiàn)規(guī)律作為***步，本文主要使用正則表達(dá)式完成字符串的查詢匹配、替換匹配和分割匹配。

[[265821]]

常用的正則符號

在進(jìn)入字符串的匹配之前，先來了解一下都有哪些常用的正則符號，見下表所示：

如果讀者能夠比較熟練地掌握上表中的內(nèi)容，相信在字符串處理過程中將會游刃有余。如前文所說，本節(jié)將基于正則表達(dá)式完成字符串的查詢、替換和分割操作，這些操作都需要導(dǎo)入re模塊，并使用如下介紹的幾個函數(shù)。

字符串的匹配查詢

re模塊中的findall函數(shù)可以對指定的字符串進(jìn)行遍歷匹配，獲取字符串中所有匹配的子串，并返回一個列表結(jié)果。該函數(shù)的參數(shù)含義如下：

findall(pattern, string, flags=0)

pattern：指定需要匹配的正則表達(dá)式。

string：指定待處理的字符串。

flags：指定匹配模式，常用的值可以是re.I、re.M、re.S和re.X。re.I的模式是讓正則表達(dá)式對大小寫不敏感;re.M的模式是讓正則表達(dá)式可以多行匹配;re.S的模式指明正則符號.可以匹配任意字符，包括換行符 ;re.X模式允許正則表達(dá)式可以寫得更加詳細(xì)，如多行表示、忽略空白字符、加入注釋等。

字符串的匹配替換

re模塊中的sub函數(shù)的功能是替換，類似于字符串的replace方法，該函數(shù)根據(jù)正則表達(dá)式把滿足匹配的內(nèi)容替換為repl。該函數(shù)的參數(shù)含義如下：

sub(pattern, repl, string, count=0, flags=0)

pattern：同findall函數(shù)中的pattern。

repl：指定替換成的新值。

string：同findall函數(shù)中的string。

count：用于指定最多替換的次數(shù)，默認(rèn)為全部替換。

flags：同findall函數(shù)中的flags。

字符串的匹配分割

re模塊中的split函數(shù)是將字符串按照指定的正則表達(dá)式分隔開，類似于字符串的split方法。該函數(shù)的具體參數(shù)含義如下：

split(pattern, string, maxsplit=0, flags=0)

pattern：同findall函數(shù)中的pattern。

maxsplit：用于指定***分割次數(shù)，默認(rèn)為全部分割。

string：同findall函數(shù)中的string。

flags：同findall函數(shù)中的flags。

實(shí)戰(zhàn)案例

如果上面的函數(shù)和參數(shù)含義都已經(jīng)掌握了，還需要進(jìn)一步通過案例加強(qiáng)理解，接下來舉例說明上面的三個函數(shù)：

# 導(dǎo)入用于正則表達(dá)式的re模塊 
import re 
# 取出字符串string8中所有的天氣狀態(tài) 
string8 = "{ymd:'2018-01-01',tianqi:'晴',aqiInfo:'輕度污染'},{ymd:'2018-01-02',tianqi:'陰~小雨',aqiInfo:'優(yōu)'},{ymd:'2018-01-03',tianqi:'小雨~中雨',aqiInfo:'優(yōu)'},{ymd:'2018-01-04',tianqi:'中雨~小雨',aqiInfo:'優(yōu)'}" 
# 基于正則表達(dá)式使用findall函數(shù) 
print(re.findall("tianqi:'(.*?)'", string8)) 
# 取出string9中所有含O字母的單詞 
string9 = 'Together, we discovered that a free market only thrives when there are rules to ensure competition and fair play, Our celebration of initiative and enterprise' 
# 基于正則表達(dá)式使用findall函數(shù) 
print(re.findall('w*ow*',string9, flags = re.I)) 
# 將string10中的標(biāo)點(diǎn)符號、數(shù)字和字母刪除 
string10 = '據(jù)悉，這次發(fā)運(yùn)的4臺蒸汽冷凝罐屬于國際熱核聚變實(shí)驗(yàn)堆（ITER）項(xiàng)目的核二級壓力設(shè)備，先后完成了壓力試驗(yàn)、真空試驗(yàn)、氦氣檢漏試驗(yàn)、千斤頂試驗(yàn)、吊耳載荷試驗(yàn)、疊裝試驗(yàn)等驗(yàn)收試驗(yàn)。' 
# 基于正則表達(dá)式使用sub函數(shù) 
print(re.sub('[，。、a-zA-Z0-9（）]','',string10)) 
# 將string11中的每個子部分內(nèi)容分割開 
string11 = '2室2廳 | 101.62平 | 低區(qū)/7層 | 朝南  
 上海未來 - 浦東 - 金楊 - 2005年建' 
# 基于正則表達(dá)式使用split函數(shù) 
split = re.split('[-| 
]', string11) 
print(split) 
# 分割結(jié)果的清洗 
split_strip = [i.strip() for i in split] 
print(split_strip) 
out: 
['晴', '陰~小雨', '小雨~中雨', '中雨~小雨'] 
['Together', 'discovered', 'only', 'to', 'competition', 'Our', 'celebration', 'of'] 
據(jù)悉這次發(fā)運(yùn)的臺蒸汽冷凝罐屬于國際熱核聚變實(shí)驗(yàn)堆項(xiàng)目的核二級壓力設(shè)備先后完成了壓力試驗(yàn)真空試驗(yàn)氦氣檢漏試驗(yàn)千斤頂試驗(yàn)吊耳載荷試驗(yàn)疊裝試驗(yàn)等驗(yàn)收試驗(yàn) 
['2室2廳 ', ' 101.62平 ', ' 低區(qū)/7層 ', ' 朝南 ', ' 上海未來 ', ' 浦東 ', ' 金楊 ', ' 2005年建'] 
['2室2廳', '101.62平', '低區(qū)/7層', '朝南', '上海未來', '浦東', '金楊', '2005年建'] 

如上結(jié)果所示，在***個例子中通過正則表達(dá)式"tianqi:'(.*?)'"實(shí)現(xiàn)目標(biāo)數(shù)據(jù)的獲取，如果不使用括號的話，就會產(chǎn)生類似"tianqi:'晴'", "tianqi:'陰~小雨'"這樣的值，所以，加上括號就是為了分組，且僅返回組中的內(nèi)容;

第二個例子并沒有將正則表達(dá)式寫入圓括號，如果寫上圓括號也是返回一樣的結(jié)果，所以findall就是用來返回滿足匹配條件的列表值，如果有括號，就僅返回括號內(nèi)的匹配值;

第三個例子使用替換的方法，將所有的標(biāo)點(diǎn)符號換為空字符，進(jìn)而實(shí)現(xiàn)刪除的效果;

第四個例子是對字符串的分割，如果直接按照正則 '[，。、a-zA-Z0-9()]' 分割的話，返回的結(jié)果中包含空字符，如 '2室2廳' 后面就有一個空字符。為了刪除列表中每個元素的首尾空字符，使用了列表表達(dá)式，并且結(jié)合字符串的strip方法完成空字符的壓縮。