python每天一道面試題25

Python中正規表達式常用法？

正規表達式一般兩個用途

一是：檢測某一段字元串是否符合規則，也就是我們常說的“校驗”；

二是：從一大段字元串中找到符合規則的字元串，可以了解為“檢索”。

正規表達式子產品

正規表達式子產品标記：re.A或re.ASCII

re.I或re.IGNORECASE忽略大小寫

re.M或re.MULTILINE 使^在起始處并在每個換行符後比對，使$在結尾處但在每個換行符之前比對

re.S或re.DOTALL 使.比對每個字元，包括換行符

re.X或re.VERBOSE 使空白與注釋包含在比對中

正規表達式子產品的函數

re.compile(r,f) ：傳回編譯後的正規表達式r，如果指定，就将其标記設定為f(即上邊的re.A等，且可同時有多個标記，用|分隔)；通常用作預編譯，接下來重複使用時不需再編譯，傳回pattern對象；然後pattern對象可以調用search方法，pattern.search(string)----獲得根據pattern搜尋的字元串；

re.escape(s) ：傳回字元串s，其中所有非字母數字的字元都使用反斜線進行了轉義處理，是以，傳回的字元串中沒有特殊的正規表達式字元；

re.findall(r,s,f) ：傳回正規表達式r在字元串s中所有非交疊的比對（如果給定f,就受其制約）。如果正規表達式中有捕獲，那麼每次比對都作為一個捕獲元組傳回； re.finditer(r,s,f) 對正規表達式r在字元串s中每個非交疊的比對（如果給定了f，就受其制約），都傳回一個比對對象；

re.match(r,s,f) ：如果正規表達式r在字元串s的起始處比對（如果給定f，就受其制約），就傳回一個比對對象(MatchObject)，否則傳回None;

re.search(r,s,f) ：如果正規表達式r在字元串s的任意位置比對（如果給定f,就受其制約），就傳回一個比對對象，否則傳回None;

re.split(r,s,m) ：傳回分割字元串s(在正規表達式r每次出現處進行分割）所産生的字元串的清單，至多分割m次（如果沒有給定m,就盡可能多的分割），如果正規表達式中包含捕獲，就被包含在分割的部分之間；

>>> s="info:xiaoZhang 33 shandong"
>>> import re
>>> res = re.split(r':| ', s)
>>> res
['info', 'xiaoZhang', '33', 'shandong']           

re.sub(r,x,s,m) ：對正規表達式r的每次比對（如果給定m，那麼至多m次），傳回字元串s的一個副本，并将其替換為x--這可以是一個字元串，也可以是一個函數；

re.subn(r,x,s,m) 與re.sub()函數相同，差別在于此函數傳回一個二進制組；

貪婪模式和惰性模式

在正則中，預設的比對模式是“貪婪比對”，也就是說，在符合比對規則的前提下盡可能多的去比對字元，但是有些時候，我們不需要比對太多的内容，隻要得到需要的“片段”内容就好了。

而量詞是比對多次的，這時我們可以在量詞的後面加上?就可以讓比對“适可而止”了，這樣的比對規則就是惰性比對

這裡舉一個貪婪比對與惰性比對對比的例子：

有字元串"aasdasdasdxxxxxxasdasd"，現在想比對到x結束

（1）用"惰性比對"的話：

文法：a.*?x

說明：遇見一個先檢測是不是x，如果是的話就停止，不是的話就比對

結果：aasdasdasdx

（2）預設的"貪婪比對"：

文法：a.*x

說明：這裡會比對後面所有的x

結果：aasdasdasdxxxxxx

總結：

貪婪模式：

定義：正規表達式去比對時，會盡量多的比對符合條件的内容

辨別符：+，?，*，{n}，{n,}，{n,m}

比對時，如果遇到上述辨別符，代表是貪婪比對，會盡可能多的去比對内容

非貪婪模式：

定義：正規表達式去比對時，會盡量少的比對符合條件的内容 也就是說，一旦發現比對符合要求，立馬就比對成功，而不會繼續比對下去(除非有g，開啟下一組比對)

辨別符：+?，??，*?，{n}?，{n,}?，{n,m}?

可以看到，非貪婪模式的辨別符很有規律，就是貪婪模式的辨別符後面加上一個?

為了加深印象，看下下面的差别：

## 用Python比對HTML tag的時候，<.> 和 <.?> 有什麼差別？
第一個代表貪心比對，第二個代表非貪心；
?在一般正規表達式裡的文法是指的"零次或一次比對左邊的字元或表達式"相當于{0,1}
而當?字尾于*,+,?,{n},{n,},{n,m}之後，則代表非貪心比對模式，也就是說，
盡可能少的比對左邊的字元或表達式，這裡是盡可能少的比對.(任意字元)
是以：第一種寫法是，盡可能多的比對，就是比對到的字元串盡量長，
第二種寫法是盡可能少的比對，就是比對到的字元串盡量短。
比如<tag>tag>tag>end，第一個會比對<tag>tag>tag>,第二個會比對<tag>。           

re子產品實作正則的功能簡單舉例

re子產品實作正則的功能

re.match(正規表達式,要比對的字元串，[比對模式])

要比對的字元串為str1 = "Python's features"

正規表達式r'(.*)on(.*?) .*'

r表示後面的字元串是一個普通字元串（比如\n會譯為\和n，而不是換行符）

()符号包住的資料為要提取的資料，通常與.group()函數連用。

.比對單個任意字元

*比對前一個字元出現0次或無限次

?比對前一個字元出現0次或1次

(.*)提取的資料為str1字元串中on左邊的所有字元，即Pyth

(.*?)提取的資料為str1中on右邊，空格前面，即's

.group(0)輸出的是比對正規表達式整體結果

.group(1) 列出第一個括号比對部分

.group(2) 列出第二個括号比對部分

re.match與re.search的差別

re.match隻比對字元串的開始，如果字元串開始不符合正規表達式，則比對失敗，函數傳回None；而re.search比對整個字元串，直到找到一個比對。

line = "Cats are smarter than dogs"
matchObj = re.match(r'dogs', line, re.M | re.I)
if matchObj:
    print("match --> matchObj.group() : ", matchObj.group())
else:
    print("No match!!")

matchObj = re.search(r'dogs', line, re.M | re.I)
if matchObj:
    print("search --> searchObj.group() : ", matchObj.group())
else:
    print("No match!!")
# 輸出
No match!!
search --> searchObj.group() : dogs           

正規表達式中的特殊字元

$----->比對輸入字元串的結尾位置。如果設定了 RegExp 對象的 Multiline 屬性，則 $ 也比對 '\n' 或 '\r'。要比對 $ 字元本身，請使用\$。

( )----->标記一個子表達式的開始和結束位置。子表達式可以擷取供以後使用。要比對這些字元，請使用 \( 和 \)。

*----->比對前面的子表達式零次或多次。要比對 * 字元，請使用 \*。例如，zo* 能比對 "z" 以及 "zoo"。* 等價于{0,}。

+----->比對前面的子表達式一次或多次。要比對 + 字元，請使用 \+。例如，'zo+' 能比對 "zo" 以及 "zoo"，但不能比對 "z"。+ 等價于 {1,}。

.----->比對除換行符 \n 之外的任何單字元。要比對 . ，請使用 \. 。

[----->标記一個中括号表達式的開始。要比對 [，請使用 \[。

?----->比對前面的子表達式零次或一次，或指明一個非貪婪限定符。要比對 ? 字元，請使用 \?。例如，"do(es)?" 可以比對 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等價于 {0,1}。

\----->将下一個字元标記為或特殊字元、或原義字元、或向後引用、或八進制轉義符。例如， 'n' 比對字元 'n'。'\n' 比對換行符。序列 '\\' 比對 "\"，而 '\(' 則比對 "("。

^----->比對輸入字元串的開始位置，除非在方括号表達式中使用，當該符号在方括号表達式中使用時，表示不接受該方括号表達式中的字元集合。要比對 ^ 字元本身，請使用 \^。

{----->标記限定符表達式的開始。要比對 {，請使用 \{。

|----->指明兩項之間的一個選擇。要比對 |，請使用 \|。

{n}----->n 是一個非負整數。比對确定的 n 次。例如，'o{2}' 不能比對 "Bob" 中的 'o'，但是能比對 "food" 中的兩個 o。

{n,}----->n 是一個非負整數。至少比對n 次。例如，'o{2,}' 不能比對 "Bob" 中的 'o'，但能比對 "foooood" 中的所有 o。'o{1,}' 等價于 'o+'。'o{0,}' 則等價于 'o*'。

{n,m}----->m 和 n 均為非負整數，其中n <= m。最少比對 n 次且最多比對 m 次。例如，"o{1,3}" 将比對 "fooooood" 中的前三個 o。'o{0,1}' 等價于 'o?'。請注意在逗号和兩個數之間不能有空格。

[ABC]----->比對 [...] 中的所有字元，例如 [aeiou] 比對字元串 "google runoob taobao" 中所有的 e o u a 字母。

[^ABC]----->比對除了 [...] 中字元的所有字元，例如 [^aeiou] 比對字元串 "google runoob taobao" 中除了 e o u a 字母的所有字母。

[A-Z]----->[A-Z] 表示一個區間，比對所有大寫字母，[a-z] 表示所有小寫字母。

[\s\S]----->比對所有。\s 是比對所有空白符，包括換行，\S 非空白符，包括換行。

\w----->比對字母、數字、下劃線。等價于 [A-Za-z0-9_]

非列印字元也可以是正規表達式的組成部分。下表列出了表示非列印字元的轉義序列：

\cx----->比對由x指明的控制字元。例如， \cM 比對一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，将 c 視為一個原義的 'c' 字元。

\f----->比對一個換頁符。等價于 \x0c 和 \cL。

\n----->比對一個換行符。等價于 \x0a 和 \cJ。

\r----->比對一個回車符。等價于 \x0d 和 \cM。

\s----->比對任何空白字元，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。注意 Unicode 正規表達式會比對全角空格符。

\S----->比對任何非空白字元。等價于 [^ \f\n\r\t\v]。

\t----->比對一個制表符。等價于 \x09 和 \cI。

\v----->比對一個垂直制表符。等價于 \x0b 和 \cK。