我將從正則表達(dá)式開始講Python的標(biāo)準(zhǔn)庫。正則表達(dá)式是文字處理中常用的工具，而且不需要額外的系統(tǒng)知識(shí)或經(jīng)驗(yàn)。我們會(huì)把系統(tǒng)相關(guān)的包放在后面講解。
正則表達(dá)式(regular expression)主要功能是從字符串(string)中通過特定的模式(pattern)，搜索想要找到的內(nèi)容。
語法
之前，我們簡介了字符串相關(guān)的處理函數(shù)。我們可以通過這些函數(shù)實(shí)現(xiàn)簡單的搜索功能，比如說從字符串“I love you”中搜索是否有“you”這一子字符串。但有些時(shí)候，我們只是模糊地知道我們想要找什么，而不能具體說出我是在找“you”，比如說，我想找出字符串中包含的數(shù)字，這些數(shù)字可以是0到9中的任何一個(gè)。這些模糊的目標(biāo)可以作為信息寫入正則表達(dá)式，傳遞給Python，從而讓Python知道我們想要找的是什么。
(官方documentation)
在Python中使用正則表達(dá)式需要標(biāo)準(zhǔn)庫中的一個(gè)包re。
import rem = re.search('[0-9]','abcd4ef')print(m.group(0))
re.search()接收兩個(gè)參數(shù)，第一個(gè)'[0-9]'就是我們所說的正則表達(dá)式，它告訴Python的是，“聽著，我從字符串想要找的是從0到9的一個(gè)數(shù)字字符”。
re.search()如果從第二個(gè)參數(shù)找到符合要求的子字符串，就返回一個(gè)對(duì)象m，你可以通過m.group()的方法查看搜索到的結(jié)果。如果沒有找到符合要求的字符，re.search()會(huì)返回None。
如果你熟悉Linux或者Perl, 你應(yīng)該已經(jīng)熟悉正則表達(dá)式。當(dāng)我們打開Linux shell的時(shí)候，可以用正則表達(dá)式去查找或著刪除我們想要的文件，比如說：
$rm book[0-9][0-9].txt
這就是要?jiǎng)h除類似于book02.txt的文件。book[0-9][0-9].txt所包含的信息是，以book開頭，后面跟兩個(gè)數(shù)字字符，之后跟有".txt"的文件名。如果不符合條件的文件名，比如說:
bo12.txt
book1.txt
book99.text
都不會(huì)被選中。
Perl中內(nèi)建有正則表達(dá)式的功能，據(jù)說是所有正則表達(dá)式系統(tǒng)中最強(qiáng)的，這也是Perl成為系統(tǒng)管理員利器的一個(gè)原因。
正則表達(dá)式的函數(shù)
m = re.search(pattern, string) # 搜索整個(gè)字符串，直到發(fā)現(xiàn)符合的子字符串。m = re.match(pattern, string) # 從頭開始檢查字符串是否符合正則表達(dá)式。必須從字符串的第一個(gè)字符開始就相符。
可以從這兩個(gè)函數(shù)中選擇一個(gè)進(jìn)行搜索。上面的例子中，我們?nèi)绻褂胷e.match()的話，則會(huì)得到None，因?yàn)樽址钠鹗紴椤產(chǎn)’， 不符合'[0-9]'的要求。
對(duì)于返回的m, 我們使用m.group()來調(diào)用結(jié)果。（我們會(huì)在后面更詳細(xì)解釋m.group()）
我們還可以在搜索之后將搜索到的子字符串進(jìn)行替換：
str = re.sub(pattern, replacement, string)# 在string中利用正則變換pattern進(jìn)行搜索，對(duì)于搜索到的字符串，用另一字符串replacement替換。返回替換后的字符串。
此外，常用的正則表達(dá)式函數(shù)還有
re.split() # 根據(jù)正則表達(dá)式分割字符串， 將分割后的所有子字符串放在一個(gè)表(list)中返回
re.findall() # 根據(jù)正則表達(dá)式搜索字符串，將所有符合的子字符串放在一給表(list)中返回
(在熟悉了上面的函數(shù)后，可以看一下re.compile()，以便于提高搜索效率。)
寫一個(gè)正則表達(dá)式
關(guān)鍵在于將信息寫成一個(gè)正則表達(dá)式。我們先看正則表達(dá)式的常用語法：
1）單個(gè)字符:
. 任意的一個(gè)字符
a|b 字符a或字符b
[afg] a或者f或者g的一個(gè)字符
[0-4] 0-4范圍內(nèi)的一個(gè)字符
[a-f] a-f范圍內(nèi)的一個(gè)字符
[^m] 不是m的一個(gè)字符
\s 一個(gè)空格
\S 一個(gè)非空格
\d [0-9]
\D [^0-9]
\w [0-9a-zA-Z]
\W [^0-9a-zA-Z]
2）重復(fù)
緊跟在單個(gè)字符之后，表示多個(gè)這樣類似的字符
重復(fù) >=0 次
重復(fù) >=1 次
? 重復(fù) 0或者1 次
{m} 重復(fù)m次。比如說 a{4}相當(dāng)于aaaa，再比如說[1-3]{2}相當(dāng)于[1-3][1-3]
{m, n} 重復(fù)m到n次。比如說a{2, 5}表示a重復(fù)2到5次。小于m次的重復(fù)，或者大于n次的重復(fù)都不符合條件。
正則表達(dá) 相符的字符串舉例
[0-9]{3,5} 9678
a?b b
a+b aaaaab
- 位置
^ 字符串的起始位置
$ 字符串的結(jié)尾位置
正則表達(dá) 相符的字符串舉例 不相符字符串
^ab.*c$ abeec cabeec (如果用re.search(), 將無法找到。)
4）返回控制
我們有可能對(duì)搜索的結(jié)果進(jìn)行進(jìn)一步精簡信息。比如下面一個(gè)正則表達(dá)式：
output_(\d{4})
該正則表達(dá)式用括號(hào)()包圍了一個(gè)小的正則表達(dá)式，\d{4}。 這個(gè)小的正則表達(dá)式被用于從結(jié)果中篩選想要的信息（在這里是四位數(shù)字）。這樣被括號(hào)圈起來的正則表達(dá)式的一部分，稱為群(group)。我們可以m.group(number)的方法來查詢?nèi)?。group(0)是整個(gè)正則表達(dá)的搜索結(jié)果，group(1)是第一個(gè)群……
import rem = re.search("output_(\d{4})", "output_1986.txt")print(m.group(1))
我們還可以將群命名，以便更好地使用m.group查詢:
import rem = re.search("output_(?P<year>\d{4})", "output_1986.txt") #(?P<name>...)
為group命名print(m.group("year"))
練習(xí)有一個(gè)文件，文件名為output_1981.10.21.txt 。下面使用Python： 讀取文件名中的日期時(shí)間信息，并找出這一天是周幾。將文件改名為output_YYYY-MM-DD-W.txt (YYYY:四位的年，MM：兩位的月份，DD：兩位的日，W：一位的周幾，并假設(shè)周一為一周第一天)
本文轉(zhuǎn)載自：Vamei的博客,如需了解更多內(nèi)容，請(qǐng)移步至：http://www.cnblogs.com/vamei
