Python 正则表达式(四)
前言
不知不觉，正则表达式已经来到了第四节啦！
今天要聊点什么呢？嗯...
对了，上节讲到的 匹配对象 ，好像提到过好几次，但是都没讲它是啥。
抓紧时间，废话少说，今天就聊聊它吧。
匹配对象
介绍
匹配对象，顾名思义就是匹配成功所返回的存储了匹配信息的对象
如果没有匹配的话会返回 None 。
所以你可以简单的用 if 语句来判断是否匹配。
像 match() 和 search() 匹配成功都会返回一个 匹配对象
match = re.search(pattern, string)
if match:
process(match)常用方法和属性
1、group
介绍
Match.group([group1, ...])
返回一个或者多个匹配的子组。
- 如果只有一个参数，结果就是一个字符串
- 如果有多个参数，结果就是一个元组（每个参数对应一个项）
- 如果没有参数，group1 参数默认等于 0（即返回整个匹配）
- 如果一个组号是负数，或者大于样式中定义的组数，抛出一个 IndexError 索引错误。
- 如果分组被命名， 那么 groupN 参数就可以是命名组合的名字
- 如果一个组匹配了多次，就只返回最后一个匹配
示例
m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")
m.group()
# out: 'Lebron James'
m.group(0)
# out: 'Lebron James'
m.group(1)
# out: 'Lebron'
m.group(2)
# out: 'James'
m.group(1, 2)
# out: ('Lebron', 'James')
m.group(3)
# out: 'IndexError: no such group'
# 命名分组
m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Lebron James")
m.group('first_name') # ==> m.group(1)
# out: 'Lebron'，依旧可以使用数字索引
m.group('last_name') # ==> m.group(2)
# out: 'James'
# 多次匹配，返回最后一个匹配
m = re.match(r"(..)+", "aabbcc")
m.group(1)
# out: 'cc'其实，上述 group(n) 可以直接通过 m[n] 获取
m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Lebron James")
m[0]
# out: 'Lebron James'
m[1]
# out: 'Lebron'
m[2]
# out: 'James'2、groups
介绍
Match.groups(default=None)
返回一个包含所有匹配子组的元组，
default 参数设置匹配不成功时的返回值，默认为 None。
示例
m = re.match(r"(\d+)\.(\d+)", "3.1415926")
m.groups()
# out: ('3', '1415926')
# 设置未匹配的返回值
m = re.match(r"(\d+)\.?(\d+)?", "345")
m.groups()
# out: ('345', None)
m.groups(-1)
# out: ('345', -1)3、groupdict
介绍
Match.groupdict(default=None)
返回一个字典，包含了所有的命名分组，key 就是组名。
default 参数同上。
如果分组未命名，则返回空字典
示例
m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Lebron James")
m.groupdict()
# out: {'first_name': 'Lebron', 'last_name': 'James'}4、start 和 end
介绍
Match.start([group])
Match.end([group])
返回 group 匹配到的字串的开始和结束索引。
group 默认为 0（意思是整个匹配的子串）。
如果 group 存在，但未匹配到，就返回 -1 。
示例
m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")
m.start(), m.end()
# out: (0, 12)
m.start(1), m.end(1)
# out: (0, 6)
m.start(2), m.end(2)
# out: (7, 12)
string = "Lebron James, Kobe"
m.group(1) == string[m.start(1): m.end(1)]
# out: True5、span
介绍
Match.span([group])
对于一个匹配 m ，返回一个二元组 (m.start(group), m.end(group)) 。
注意：如果 group 没有在这个匹配中，就返回 (-1, -1) 。
group 默认为 0，就是整个匹配。
示例
m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")
m.span()
# out: (0, 12)6、属性
Match.re: 返回产生这个实例的正则表达式对象
Match.string: 传递到 match() 或 search() 的字符串
m = re.match(r"(\w+) (\w+)", "Lebron James, Kobe")
m.string
# out: 'Lebron James, Kobe'
m.re
# out: re.compile(r'(\w+) (\w+)', re.UNICODE)讲到这，我们就把下面要说的内容引出来了。
是的，没错，正是正则表达式对象。
什么是正则表达式对象？
正则表达式对象
正则表达式字符串经过编译后，就是正则表达式对象了。
通过 compile 方法编译将正则表达式的样式编译为一个正则表达式对象
如果需要多次使用这个正则表达式的话，用 re.compile() 保存这个正则对象以便复用，可以让程序更加高效。
re.compile(pattern, flags=0)
# pattern: 传入的正则样式
# flags: 指定匹配模式，如 re.MULTILINE 等
prog = re.compile(pattern)
result = prog.match(string)
# 等价于
result = re.match(pattern, string)正则表达式对象支持以下方法和属性
1、search
介绍
Pattern.search(string[, pos[, endpos]])
扫描整个 字符串 找到匹配样式的第一个位置，并返回一个相应的 匹配对象
如果没有匹配到，就返回 None
可选的第二个参数 pos 指定字符串中开始搜索的位置索引，默认为 0
可选参数 endpos 限定了字符串搜索的结束位置
p.search(string, pos, endpos) 等价于 p.search(string[pos:endpos], 0)
p = re.compile("dog")
m = p.search('a dog')
m.group()
# out: 'dog'
m = p.search('a dog', 3)
m # None
m = p.search('a dog', 2, 5)
m.group()
# out: 'dog'2、match
介绍
Pattern.match(string[, pos[, endpos]])
如果从 string 的开始位置能够匹配到这个正则样式，就返回一个相应的匹配对象。
如果不匹配，就返回 None
可选参数 pos 和 endpos 与 search() 含义相同。
示例
p = re.compile("aaa")
m = p.match("hello aaa bbb")
m
# m is None
m = p.match("hello aaa bbb", 6)
m.group()
# out: 'aaa'小结
其他正则对象的方法与 re 模块的方法大同小异。
只是加了 pos 和 endpos 两个参数来限制搜索范围
就不再重复讲啦！
总结
Python 正则表达式讲到这，已经差不多都讲完了。
学完这些，应该多找几个例子自己练练手，加深印象。
建议可以从网上随便下一个网站的源码，然后用 re 模块从源码中提取相应的信息
再建议，想不到什么网站的话，可以下载豆瓣电影排行榜网页源码，提取相应的电影信息
再再建议，前面的建议都动手做一下吧。
纸上得来终觉浅，绝知此事要躬行。