看看如何在python中使用正则表达式(-)

       正则表达式是搜索，替换和解析复杂字符模式的一种强大而标准的方法。如果你曾经在其他的语言(如perl)中使用过它，由于它们的语法非常相似，你仅仅阅读一下re模块的摘要，大致了解其中可用的函数和参数就可以了。

       字符串也有很多方法可以进行搜索，替换和匹配，但是他们仅仅限于处理最简单的情况。搜索方法查找单个和固定编码的子串，并且他们是大小写敏感的。对于一个字符串s，如果要进行大小写不敏感的搜索，必须调用s.lower()和s.upper()将s转换成全小写或者是全大写，然后确保搜索串有着相匹配的大小写。replace()和split()方法有着类似的限制。

       如果能够通过简单的字符串函数完成，我们应该使用他们。但是，如果你发现你使用了许多不同的字符串函数和if语句来处理一个特殊情况，或者你组合使用了split()和join()函数而导致用一种奇怪的甚至是读不下去的方式理解列表，此时，你也许需要使用正则表达式了。

       尽管正则表达式语法较之普通的代码相对麻烦一些，但是却可以得到更可读的结果，与用一长串字符串函数解决方案相比要好的多。在正则表达式内部有多种嵌入方式注入注释，从而是之具有文档化的能力。

个案研究：街道地址

      
从一个老化系统中导出街道的地址，在将他们导入新的系统之前，进行清理和标准化。

Example1：在字符串的结尾匹配

>>> s = '100 NORTH MAN ROAD'
>>> s.replace('ROAD','RD.')
'100 NORTH MAN RD.'
>>> s = '100 NORTH BROAD ROAD'
>>> s.replace('ROAD','RD.')
'100 NORTH BRD. RD.'
>>> s[:-4] + s[-4:].replace('ROAD','RD.')
'100 NORTH BROAD RD.'
>>> import re
>>> re.sub('ROAD$','RD.',s)
'100 NORTH BROAD RD.'

        我们的目标是将街道进行地址标准规范化，‘ROAD’通常被略写为‘RD.’。乍看起来，我以为这个太简单，只用字符串的方法replace()就可以了，毕竟，所有的数据都进行的大写，因此大小写的匹配问题已经不是问题了，在一般的例子中就可以胜任了。不幸的是生活中充满了特例，如‘ROAD’这个次出现了两次，一次是作为街道的名字，一次是街道本身，replace就不能很好的解决这个问题，而且原始的数据也被破坏掉了，为了解决多次出现‘ROAD’的问题，我们可以去规定就是在街道的结尾的最后四个字符进行替换检查，但是，你已经感觉这个并不是变得特别方便了，现在是时候转换到正则表达式了。来看第一个参数'ROAD$'这个正则表达式还是很简单的，只有当‘ROAD’出现在一个字符串的末尾时才进行匹配，利用re.sub()进行字串的匹配，字符$表示在串的末尾，‘^’表示串的开头，继续向下看，很快我们发现，仅仅匹配地址末尾的'ROAD'不是很好，因为不是所有的地址都包括表示街道的单词‘ROAD’，有一些直接以街道名结尾，但是大部分情况下是不会遇到这样的情况，但是如果，街道的名称为‘BROAD’，那么正则表达式将会匹配出错。

Example2：匹配整个单词

>>> s = '100 BROAD'
>>> re.sub('ROAD$','RD.',s)
'100 BRD.'
>>> re.sub('\\bROAD$','RD.',s)
'100 BROAD'
>>> re.sub(r'\bROAD$','RD.',s)
'100 BROAD'
>>> s = '100 BROAD ROAD APT.3'
>>> re.sub(r'\bROAD$','RD.',s)
'100 BROAD ROAD APT.3'
>>> re.sub(r'\bROAD\b','RD.',s)
'100 BROAD RD. APT.3'

          我真正想做的就是，当‘ROAD’出现在字符串的末尾时，并且作为一个独立的单词时，而不是一些长单词的一部分，才对他进行匹配，为了在正则表达式中表达这个意思，我们利用\b，他的含义就是‘单词的边界必须在这里’，在python中，由于字符‘\’在一个字符串中必须转义，会变的非常麻烦，有时候，这类问题被成为‘反斜线的灾难’这也是在perl中正则表达式比python表达式相对容易的原因之一，为了避免反斜线灾难，你可以利用所谓的原始字符串，只要为字符添加一个前缀r就可以，这将告诉python，字符串中的所有字符都不转义，因此我推荐只要处理正则表达式，就使用原始字符串，否则事情会变的很混乱。但是很不幸的是，我很快发现更多与我的逻辑想矛盾的地方，如果，街道的地址包含有作为整个单词的ROAD，但是并不是在末尾，因为地址在街道的后面可能还会有一个房间号，由于ROAD不在字符串的末尾，因此就没有匹配上，为了解决这个问题，我们去掉了$字符，加上一个\b，现在，正则表达式：匹配字符串中作为整个单词出现的ROAD了，无论是在末尾还是在中间。

参考自：diveintopython-zhcn