python之正则表达式

一.简介

　　正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现，再被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行

二.常用字符

　　1.字符匹配

- 元字符

.		代指除了换行符以外的任何字符，只能匹配一个字符
^		匹配行首
$		匹配行尾
*		重复匹配0~多次，贪婪匹配
+		重复匹配1~多次，至少要匹配一次
?		匹配0次或者一次，可有可无，最多只能有一个
{}		精确定匹配次数，或者范围
[]		常用来制定一个字符集，如[ab]匹配 a 或b；其他的元字符在[]中不起作用，除了【-】【^】
\|		或
()		分组第一个组号为1
		转译

反斜杠：

反斜杠后边跟元字符去除特殊功能
反斜杠后边跟普通字符实现特殊功能
引用序号对应的字组所匹配的字符串

如：

#匹配'c'和'e'中间的任何字符
>>> re.findall('c.e','abcdef')
['cde']
#匹配'c'和’f'之间的任两个字符
>>> re.findall('c..f','abcdef')
['cdef']
#匹配在字符串'ef'之前的一个字符
>>> re.findall('.ef','abcdef')
['def']

#以'a'开头的字符
>>> re.findall('^a','abacd')
['a']
#以'st'结尾
>>> re.findall('st$','test')
['st']
>>> re.findall('^ac$','abc')
[]
#以'a'开头‘c'结尾的字符
>>> re.findall('^ac$','ac')
['ac']

- - 特殊字符

d		匹配任何十进制数；它相当于类 [0-9]
D		匹配任何非数字字符；它相当于类 [^0-9]
s		匹配任何空白字符；它相当于类 [ fv]
S		匹配任何非空白字符；它相当于类 [^ fv]
w		匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]
W		匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
		匹配一个单词边界，也就是指单词和空格间的位置

import re
#匹配获取话号码
p = re.compile(r'd{3}-d{6}')
print(p.findall('010-628888'))
#匹配获取网址
www = "www.baidu.com"
print(re.findall(r'w+.w+.com',www))
#取浮点数
print(re.findall(r'd+(.d*)?','num 10.02'))

三.re内置函数

1. match()

作用　　

决定 RE 是否在字符串刚开始的位置匹配

用法：

re.match(pattern, string, flags=0)

pattern: 编译时用的表达式字符串。

flags 参数flags用于编译pattern时指定匹配模式，如：是否区分大小写，多行匹配等等。

注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'

>>> re.match('com', 'comwww.runcomoob').group()
'com'

#match是以什么开始匹配，加$以什么结果可以达到完全匹配的目的

>>> re.match('com$', 'comwww.runcomoob').group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

2. search()

　　作用：

　　扫描字符串，找到这个 RE 匹配的位置

参数：

re.search(pattern, string, flags=0)

一旦匹配成功，就是一个match object 对象，而match object 对象拥有以下方法：
group()   返回被 RE 匹配的字符串
start()   返回匹配开始的位置
end()   返回匹配结束的位置
span()   返回一个元组包含匹配 (开始,结束) 的位置
group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。

groups（）返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups（）不需要参数，返回一个元组，元组中的元就是正则
表达式中定义的组。

>>> re.search('^a','abcd').group()
'a'

>>> a = "123abc456"
>>> re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)
'123abc456'

>>> re.search(r"(alex)(eric)com2","alexericcomeric").group()
'alexericcomeric'

import re
a = "123abc456"
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)

3.findall()

　　作用：

　　找到 RE 匹配的所有子串，并把它们作为一个列表返回

　　参数：

　　re.findall(pattern, string, flags=0)

>>> p = re.compile(r'd+')
>>> p.findall('one1two2three3four4')
['1', '2', '3', '4']

　　4.finditer()

　　作用：

　　搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器

　　找到 RE 匹配的所有子串，并把它们作为一个迭代器返回

　　参数：

　　re.finditer(pattern, string, flags=0)

import re
p = re.compile(r'd+')
iterator = p.finditer('12 drumm44ers drumming, 11 ... 10 ...')
for match in iterator:
    print(match.group(), match.span())

　　5.split()　　作用：

按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割

参数：

re.split(pattern, string[, maxsplit])

>>> p = re.compile(r'd+')
>>> p.split('one1two2three3four4')
['one', 'two', 'three', 'four', '']
>>> re.split('[a-z]','1a2b3c4d')
['1', '2', '3', '4', '']

6.sub()

作用：

使用re替换string中每一个匹配的子串后返回替换后的字符串

用法：

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

>>> re.sub('[1-2]','A','123456abcdef')
'AA3456abcdef'

import re
#替换全文空格为[]
p = re.compile(r's')
text = 'test dkjf dkfj'
print(p.sub(r'',text))
def func(m):
    return m.group(0) + '[' + ']' + m.group(0)
print(p.sub(func,text))

7.subn()

作用：

返回替换次数

用法：

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

>>> re.subn('[1-2]','A','123456abcdef')
('AA3456abcdef', 2)

　　8.compile()

作用：

　　编译正则表达式模式,返回一个对象的模式
用法：

re.compile(pattern, flags=0)

p = re.compile(r'd+')
iterator = p.finditer('12 drumm44ers drumming, 11 ... 10 ...')
for match in iterator:
 match.group() , match.span()

re.I 使匹配对大小写不敏感
re.L 做本地化识别（locale-aware）匹配
re.M 多行匹配，影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符

练习：

思路：

1.提取最里层括号内的公式

2.先计算最里层公式内的*/将结果替换到原公式

3.再次循环执行前两步得到结果

计算器

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import re

def final(formula):
    formula = formula.replace('++','+').replace('+-','-').replace('-+','-').replace('--','+')
    num = re.findall('[+-]?d+.?d*',formula)
    total = 0
    for i in num:
        total += float(i)
    return total


def mul_div(formula):
    while True:
        ret = re.split('(d+.?d*[*/][-]?d+.?d*)',formula,1)
        if len(ret) == 3:
            ber, cent, aft = ret
            if '*' in cent:
                new_cent = re.split('*',cent)
                sub_res = float(new_cent[0]) * float(new_cent[1])
                formula = ber + str(sub_res) + aft
            elif '/' in cent:
                new_cent = re.split('/', cent)
                sub_res = float(new_cent[0]) / float(new_cent[1])
                formula = ber + str(sub_res) + aft
        else:
            return final(formula)

def calc(formula):
    while True:
        val = re.split('(([^()]+))',formula,1)
        if len(val) == 3:
            berfor, centent, after = val
            new_content = mul_div(centent)
            formula = berfor + str(new_content) + after
        else:
            return mul_div(formula)


if __name__ == '__main__':
    formula = "1-2*((60-30+(-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))"
    result = calc(formula)
    print(result)