0480.md

Error in user YAML: (<unknown>): found a tab character that violate indentation while scanning a plain scalar at line 3 column 3

---
- oeasy Python 0480
- 这是 oeasy 系统化 Python 教程，从基础一步步讲，扎实、完整、不跳步。愿意花时间学，就能真正学会。
- 本教程同步发布在： 
	- 个人网站： `https://oeasy.org` 
	- 蓝桥云课： `https://www.lanqiao.cn/courses/3584` 
	- GitHub： `https://github.com/overmind1980/oeasy-python-tutorial` 
	- Gitee： `https://gitee.com/overmind1980/oeasypython` 
---

时间日期

回忆

• 上次我们接触了
  • 新的字符串模式匹配方式
  • re(regular expression)
  • 正则表达式

• 这里面的各种特殊字符到底应该如何理解呢？

. dot

• Matches any character except a new line
  • 可以指代任何字符
  • 除了回车符

import re
s = "oeasy"
pattern = r"..."
flag = re.search(pattern, s)
print(flag)

• r"..."
  • 代表三个字符(不能有换行)
  • 匹配 到 oea

• 返回了
  • 起止位置
  • 具体实例
• 真的无法匹配回车符吗？

回车符

import re

s = "oe\na\nsy"
pattern = r"..."
matches = re.search(pattern, s)
print(matches)

• 结果

• 帮助原文

• 搜索字符串查找匹配
  • 返回一个复合匹配的对象实例
• 可以返回多个对象实例吗？

findall

• 返回一个列表
  • 列表中 是 不覆盖的 匹配模式

• 这确实是个列表
  • 但是如何理解 不覆盖？

修改

• 将匹配模式设置为
  • r".."
  • 代表2个字符(不能有换行)
  • 匹配 到 ['oe','as']

import re
s = "oeasy"
pattern = r".."
flag = re.search(pattern, s)
print(flag)

• 运行结果

• 结果之间不覆盖
  • non-overlapping
• 如果就想要覆盖呢？

覆盖

import re

s = "oeasy"
pattern = r"..."
matches = re.finditer(pattern, s)

for match in matches:
    print("Matched substring:", match.group(0))

• 看起来还是会消耗原字符串

• 如何不消耗原字符串呢？

查找模式

• 尝试替换模式

import re

s = "oeasy"
pattern = r"(?=(...))"
matches = re.findall(pattern, s)

for match in matches:
    print("匹配到的字符:", match)

• 结果

• 确实实现了 不消耗的效果

开始处

• .
  • 匹配 任意非换行字符

• ^
  • 只匹配 字符串开始处的 子串

代码

import re

s = "Hello,oeasy!Hello, World!"
pattern = r"^Hello"
matches = re.findall(pattern, s)
print(matches)

• 只能查到一个

• 回车算新的开始吗？

回车

import re

s = "Hello,oeasy!\nHello, World!"
pattern = r"^Hello"
matches = re.findall(pattern, s)
print(matches)

• 回车不算新的开始

• 不是开始就不行吗？

非开始

import re

s = " Hello,oeasy!\nHello, World!"
pattern = r"^Hello"
matches = re.findall(pattern, s)
print(matches)

• 加了个空格

• 不是开始就不行

又开始就有结束

• 好像 行尾也算结束！

代码

import re

s = " Hello,oeasy..Hello,oeasy"
pattern = r"oeasy$"
matches = re.findall(pattern, s)
print(matches)

• 结果

• 找到一个
• 可以构造一个
  • 行尾的oeasy吗？

行尾

import re

s = " Hello,oeasy\nHello,oeasy"
pattern = r"oeasy$"
matches = re.findall(pattern, s)
print(matches)

• 还是匹配一个

• 这应该怎么理解呢？

在结尾处增加\n

import re

s = " Hello,oeasy\nHello,oeasy\n"
pattern = r"oeasy$"
matches = re.findall(pattern, s)
print(matches)

• 还是能匹配

• $
  • 只匹配结尾 的 字符串
  • Match the end of the string
  • 或者 结尾前换行符之前的字符串
  • or just before the newline at end of the string
• 如果结尾处有多个\n呢？

在结尾处增加\n

import re

s = " Hello,oeasy\nHello,oeasy\n\n\n"
pattern = r"oeasy$"
matches = re.findall(pattern, s)
print(matches)

• 匹配不到了

• 还想匹配到怎么办？

修改模式

import re

s = " Hello,oeasy\nHello,oeasy\n\n\n"
pattern = r"oeasy\n*$"
matches = re.findall(pattern, s)
print(matches)

• 匹配结果

具体案例

import re

plt.rcParams['font.sans-serif'] = ['WenQuanYi Zen Hei']
plt.rcParams['axes.unicode_minus'] = False

def split_chapters(content):
    # 使用正则表达式匹配章回标题格式
    pattern = r'第[零一二三四五六七八九十百]+回\s+[\u4e00-\u9fa5]+[\u4e00-\u9fa5\s]+[\u4e00-\u9fa5]'
    chapters = re.split(pattern, content)
    titles = re.findall(pattern, content)
    print(titles)
    
    chapter_list = []
    for title, content in zip(titles, chapters[1:]):
        chapter_list.append({
            'title': title.strip(),
            'content': content.strip()
        })
    return chapter_list

def analyze(filename):
    with open(filename, 'r', encoding='utf-8') as f:
        content = f.read()

    chapters = split_chapters(content)
    return chapters

if __name__ == "__main__":
    chapters = analyze('hlm.txt')
    print(f"总共分析了 {len(chapters)} 个章回")

• 可以分析
  • 谁在红楼梦里面出现次数最多
  • 那个章回字数最多
  • 章回的感情数值如何

总结🤔

• 这次了解了三个re的函数
  • search
  • findall
  • finditer
• 三个元字符
  • . 任意非换行字符
  • ^ 匹配 开头位置
  • $ 匹配结束位置
• 这开始和结束
  • 刚好和vim跳转一致
  • 你说巧不巧
• 还有什么 元字符 呢？🤔
• 下次再说👋🏻

---

• 本文来自 oeasy Python 系统教程。
• 想完整、扎实学 Python，
• 搜索 oeasy 即可。