《Python編程快速上手——讓繁瑣的工作自動化》讀書筆記6

第七章 模式匹配與正則表達式

 

好像咕咕咕太久了，又滾來更新了。這次是第七章的內容，正則表達式，如果寫的有問題，請給我留言，非常感謝。

 

在進行本章內容的筆記之前，先說一下，正則表達式是什麼。

百度給的定義如下：正則表達式是對字符串操作的一種邏輯共識，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。（感覺其實說的很清楚了，再簡單一點就是說：類似一種速記的邏輯，用自己特定的方法表示信息）

 

不用正則表達式來查找文本模式

首先，書上舉的例子，是在一些字符串中查找電話號碼。電話號碼的格式是xxx-xxx-xxxx。我先假定看到這篇讀書筆記的讀者們，都已經瞭解了Python，或者有其他語言的基礎，那麼，先請大家思考一下，應該怎麼來實現呢？

 

最簡單，完全不管包裝的方法就是直接從鍵盤或者文件輸入字符串，然後在“主函數”部分用if來進行判斷。然後關於字符串、元組、列表部分如果到這裏仍有疑問，就麻煩翻一下前面的內容，在此不贅述啦。

以下是書中提供的代碼（我不記得我有沒有上傳過代碼包了，如果沒有我回頭上傳一下）

def isPhoneNumber(text):
    if len(text) != 12:
        return False  # not phone number-sized
    for i in range(0, 3):
        if not text[i].isdecimal():
            return False  # not an area code
    if text[3] != '-':
        return False  # does not have first hyphen
    for i in range(4, 7):
        if not text[i].isdecimal():
            return False  # does not have first 3 digits
    if text[7] != '-':
        return False  # does not have second hyphen
    for i in range(8, 12):
        if not text[i].isdecimal():
            return False  # does not have last 4 digits
    return True  # "text" is a phone number!

print('415-555-4242 is a phone number:')
print(isPhoneNumber('415-555-4242'))
print('Moshi moshi is a phone number:')
print(isPhoneNumber('Moshi moshi'))

（輸出展示）

415-555-4242 is a phone number:

True

Moshi moshi is a phone number:

False

幾點註釋：

1.  isdecimal() 方法檢查字符串是否只包含十進制字符。這種方法只存在於unicode對象。

注意:定義一個十進制字符串，只需要在字符串前添加 'u' 前綴即可。

isdecimal()方法語法：

str.isdecimal()

如果字符串是否只包含十進制字符返回True，否則返回False。

2.調用函數的方法和其他語言差距不大

3.一定要注意空格，我太長時間沒寫了，導致長時間報錯（我真應該找到我的遊標卡尺，枯了）

"

isPhoneNumber()函數的代碼進行幾項檢查，看看text中的字符串是不是有效的電話號碼。如果其中任意一項檢查失敗，函數就返回False。代碼首先檢查該字符串是否剛好有12個字符➊。然後它檢查區號(就是text中的前3個字符)是否只包含數字❷。函數剩下的部分檢查該字符串是否符合電話號碼的模式:號碼必須在區號後出現第一個短橫線❸， 3個數字❹，然後是另一個短橫線❺,最後是4個數字❻如果程序執行通過了所有的檢查，它就返回True❼。

"

然後，再利用前面提到的切片的方法，我們還可以從一串字符（不像前面的直接判斷一小段一小段的字符串是不是電話號碼）中提取電話號碼。代碼如下：

def isPhoneNumber(text):
    if len(text) != 12:
        return False  # not phone number-sized
    for i in range(0, 3):
        if not text[i].isdecimal():
            return False  # not an area code
    if text[3] != '-':
        return False  # does not have first hyphen
    for i in range(4, 7):
        if not text[i].isdecimal():
            return False  # does not have first 3 digits
    if text[7] != '-':
        return False  # does not have second hyphen
    for i in range(8, 12):
        if not text[i].isdecimal():
            return False  # does not have last 4 digits
    return True  # "text" is a phone number!

'''print('415-555-4242 is a phone number:')
print(isPhoneNumber('415-555-4242'))
print('Moshi moshi is a phone number:')
print(isPhoneNumber('Moshi moshi'))'''
message='Call me at 415-555-1011 tomorrow. 415-555-9999 is my office'

for i in range(len(message)):
    chunk = message[i:i+12]
    if isPhoneNumber(chunk):
        print('Phone number found: '+ chunk)
print('Done')

（輸出展示）

Phone number found: 415-555-1011
Phone number found: 415-555-9999
Done

“

在for 循環的每次迭代中， 取自message 的一段新的 12個字符被賦給變量chunk❶.例如，在第一次迭代， i是0, chunk被賦值爲message[0:12] (即字符串'Call me at 4').在下次選代，i是1, chunk 被賦值爲message[1:13] (字符串'all me at 4I')。
將chunk傳遞給isPhoneNumber(),看看它是否符合電話號碼的模式❷。如果符合，就打印出這段文本。
繼續遍歷message,最終chunk中的12個字符會是一個電話號碼。該循環遍歷了整個字符串，測試了每一段12個字符，打印出所有滿足isPhoneNumber()的chunk。當我們遍歷完message,就打印出Done.
在這個例子中，雖然message中的字符串很短，但它也可能包含上百萬個字符，程序運行仍然不需要一秒鐘。 使用正則表達式查找電話號碼的類似程序，運行也不會超過一秒鐘， 但用正則表達式編寫這類程序會快得多”

”

 

用正則表達式查找文本模式

我們還是回到上面的問題，電話號碼，因爲書呢是美國人寫的，就按照他們的習慣，電話號碼格式是xxx-xxx-xxxx，那麼正則表達式會長什麼樣子呢？就是用約定俗成的符號\d來代替我前面隨意用的x，\d\d\d-\d\d\d-\d\d\d\d，因爲人呢是特別懶惰的，當然也是爲了儘量避免失誤，所以還有一個簡化版本的：\d\d\d-\d\d\d-\d\d\d\d=》\d{3}-\d{3}-\d{4}，通過花括號中間加數字表示前面的符號重複幾遍。

創建正則表達式對象

Python中所有的正則表達式都在re模塊中

import re

如果不導入就會報錯：NameError：balabalabala……

如果我們要創建一個Regex對象來匹配電話號碼模式（讓phoneNumRegex中包含一個Regex對象）：

phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')

匹配Regex對象

通過search()方法查找字符串

那麼前面的def部分+切片查找部分就被search()替代了

import re

phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
mo = phoneNumRegex.search('My number is 415-555-4242.')
print('phone number found: '+ mo.group())

（輸出展示）

phone number found: 415-555-4242

幾點註釋：

1.search()：http://www.cnblogs.com/aaronthon/p/9435967.html

2.group()：https://www.cnblogs.com/erichuo/p/7909180.html

 

用正則表達式匹配更多模式

可以使用括號分組（搭配group()使用）

比如上面提到的：\d\d\d-\d\d\d-\d\d\d\d=》(\d\d\d)-(\d\d\d-\d\d\d\d)

上面的代碼改成：

import re

phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
mo = phoneNumRegex.search('My number is 415-555-4242.')
print(mo.group(1))
'''
print(mo.group(2))
print(mo.group(0))
print(mo.group())
print(mo.group(1)+mo.group(2))
'''

（輸出展示）

415

如果把註釋去掉，輸出如下：

415
555-4242
415-555-4242
415-555-4242
415555-4242

import re

phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)')
mo = phoneNumRegex.search('My number is 415-555-4242.')
'''
print(mo.group(1))
print(mo.group(2))
print(mo.group(0))
print(mo.group())
print(mo.group(1)+mo.group(2))
'''

areaCode,mainNumber= mo.groups()
print(areaCode)
print(mainNumber)

（輸出展示）

415
555-4242

括號在正則表達式中有特殊的含義，但是如果你需要在文本中匹配括號，怎麼辦?例如，你要匹配的電話號碼，可能將區號放在一對括號中。 在這種情況下，就需要用倒斜槓對(和)進行字符轉義。

import re

phoneNumRegex = re.compile(r'(\(\d\d\d\)) (\d\d\d-\d\d\d\d)')
mo = phoneNumRegex.search('My number is [phone].')
print(mo.group(1))
print(mo.group(2))
print(mo.group(1)+' '+mo.group(2))

（輸出展示）

(415)
555-4242
[phone]

 

用管道匹配多個分組

---------------------------------未完，找時間填坑-------------------------------

 

 

 

 

 

 

 

 

 

 

 

 

 

 

參考：

http://www.runoob.com/python/att-string-isdecimal.html

http://www.cnblogs.com/aaronthon/p/9435967.html

https://www.cnblogs.com/erichuo/p/7909180.html