第7章 模式匹配与正则表达式
7.1不用正则表达式来查找文本模式
7.2用正则表达式来查找文本模式
正则表达式，简称为 regex，是文本模式的描述方法。
7.2.1创建正则表达式
import re
phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
7.2.2匹配 Regex 对象
Regex 对象
方法：
search()
Match 对象 mo
方法：
group()
groups()
7.2.3正则表达式匹配复习
- 用 import re 导入正则表达式模块
- 用 re.compile() 函数创建一个 Regex 对象（记得使用原始字符串）
- 向 Regex 对象的 search() 方法传入想查找的字符串。它返回一个 Match 对象。
- 调用 Match 对象的 group() 方法， 返回实际匹配文本的字符串。
7.3用正则表达式匹配更多模式
7.3.1利用括号分组 ‘()’
7.3.2用管道匹配多个分组 ‘|’
7.3.3用问号实现可选匹配 '?'
7.3.4用星号匹配零次或多次 '*'
7.3.5用加号匹配一次或多次 '+'
7.3.6用花括号匹配特定次数 '{}'
7.4贪心匹配和非贪心匹配
Python 的正则表达式默认是“贪心”的，这表示在有二义的情况下，它们会尽可能匹配最长的字符串。花括号的“非贪心”版本匹配尽可能最短的字符串，即在结束的花括号后跟一个问号。
>>> greedyHaRegex = re.compile(r'(Ha){3,5}')
>>> mo1 = greedyHaRegex.search('HaHaHaHaHa')
>>> mo1.group()
'HaHaHaHaHa'
>>> nongreedyHaRegex = re.compile(r'(Ha){3,5}?')
>>> mo2 = nongreedyHaRegex.search('HaHaHaHaHa')
>>> mo2.group()
'HaHaHa'
7.5findall()方法
search() 将返回一个 Match 对象，包含被查找字符串中“第一次”匹配的文本；
而 findall() 方法将返回一组字符串，放在列表中，包含被查找字符串中的所有匹配。
- 没有分组
- 有分组
7.6字符分类
\d 0 到 9 的任何数字
\D 除 0 到 9 以外的任何数字
\w 任何字母、数字或下划线字符(单词)
\W
\s 空格、制表符或换行符(空白)
\S
7.7建立自己的字符分类 '[]'
[aeiouAEIOU]：所有元音字符
[^aeiouAEIOU]：非元音字符
[a-zA-Z0-9]
7.8插入字符 '^' 和美元字符 '$'
规定想要匹配字符串的开头或结尾。
7.9通配字符 '.'
匹配除换行之外的所有字符。句点字符只匹配一个字符。
7.9.1用星-点匹配所有字符 '*.'
7.9.2用句点字符匹配换行
re.DOTALL作为 re.compile() 的第二个参数
7.10正则表达式符号复习
7.11不区分大小写的匹配
re.IGNORECASE 或 re.I 作为 re.compile() 的第二个参数
7.12用 sub() 方法替换字符串
正则表达式不仅能找到文本模式，而且能够用新的文本模式替换掉这些模式。
7.13管理复杂的正则表达式
re.VERBOSE作为 re.compile() 的第二个参数，忽略正则表达式字符串中的空白符和注释。
你可以将正则表达式放在多行中(多行字符串)，并添加注释。
7.14组合使用 re.IGNORECASE、re.DOTALL 和 re.VERBOSE
re.compile() 函数只接受一个值作为它的第二参数，可以使用管道字符(|)将变量组合起来，从而绕过这个限制。
项目：电话号码和 E-mail 地址提供程序
第1步：为电话号码创建一个正则表达式
第2步：为 E-mail 地址创建一个正则表达式
第3步：在剪切板文本中找到所以匹配
第4步：所有匹配连接成一个字符串，复制到剪切板
第5步：运行程序
https://nostarch.com/contactus
第6步：类似程序的构想
- 寻找网站的 URL, 他们以 http:// 或 https:// 开始
- 整理不同日期格式的日期，用唯一的标准格式替代
- 删除敏感的信息
- 寻找常见的打字错误
