初學(xué)Python，對(duì)Python的文字處理能力有很深的印象，除了str對(duì)象自帶的一些方法外，就是正則表達(dá)式這個(gè)強(qiáng)大的模塊了。但是對(duì)于初學(xué)者來(lái)說(shuō)，要用好這個(gè)功能還是有點(diǎn)難度

，我花了好長(zhǎng)時(shí)間才摸出了點(diǎn)門道。由于我記性不好，很容易就忘事，所以還是寫(xiě)下來(lái)比較好一些，同時(shí)也可以加深印象，整理思路。

由于我是初學(xué)，所以肯定會(huì)有些錯(cuò)誤，還望高手不吝賜教，指出我的錯(cuò)誤。

1 Python正則式的基本用法

Python的正則表達(dá)式的模塊是‘re’,它的基本語(yǔ)法規(guī)則就是指定一個(gè)字符序列，比如你要在一個(gè)字符串s=’123abc456’中查找字符串’abc’,只要這樣寫(xiě)：

>>> import re

>>> s='123abc456eabc789'

>>> re.findall(r’abc’,s)

結(jié)果就是：

['abc', 'abc']

這里用到的函數(shù)”findall(rule , target [,flag] )” 是個(gè)比較直觀的函數(shù)，就是在目標(biāo)字符串中查找符合規(guī)則的字符串。第一個(gè)參數(shù)是規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，后面

還可以跟一個(gè)規(guī)則選項(xiàng)（選項(xiàng)功能將在compile函數(shù)的說(shuō)明中詳細(xì)說(shuō)明）。返回結(jié)果結(jié)果是一個(gè)列表，中間存放的是符合規(guī)則的字符串。如果沒(méi)有符合規(guī)則的字符串被找到，就返

回一個(gè)空列表。

 

為什么要用r’ ..‘字符串（raw字符串）？由于正則式的規(guī)則也是由一個(gè)字符串定義的，而在正則式中大量使用轉(zhuǎn)義字符’/’，如果不用raw字符串，則在需要寫(xiě)一個(gè)’/’的地

方，你必須得寫(xiě)成’//’,那么在要從目標(biāo)字符串中匹配一個(gè)’/’的時(shí)候，你就得寫(xiě)上4個(gè)’/’成為’////’！這當(dāng)然很麻煩，也不直觀，所以一般都使用r’’來(lái)定義規(guī)則字符

串。當(dāng)然，某些情況下，可能不用raw字符串比較好。

 

以上是個(gè)最簡(jiǎn)單的例子。當(dāng)然實(shí)際中這么簡(jiǎn)單的用法幾乎沒(méi)有意義。為了實(shí)現(xiàn)復(fù)雜的規(guī)則查找，re規(guī)定了若干語(yǔ)法規(guī)則。它們分為這么幾類：

功能字符：    ‘.’ ‘*’ ‘+’ ‘|’ ‘?’ ‘^’ ‘$’ ‘/’等，它們有特殊的功能含義。特別是’/’字符，它是轉(zhuǎn)義引導(dǎo)符號(hào)，跟在它后面的字符一般有特殊的含義。

規(guī)則分界符： ‘[‘ ‘]’ ‘（’ ‘）’ ‘{‘ ‘}’等，也就是幾種括號(hào)了。

預(yù)定義轉(zhuǎn)義字符集：“/d”  “/w” “/s” 等等，它們是以字符’/’開(kāi)頭，后面接一個(gè)特定字符的形式，用來(lái)指示一個(gè)預(yù)定義好的含義。

其它特殊功能字符：’#’ ‘!’ ‘:’ ‘-‘等，它們只在特定的情況下表示特殊的含義，比如(?# …)就表示一個(gè)注釋，里面的內(nèi)容會(huì)被忽略。

 

下面來(lái)一個(gè)一個(gè)的說(shuō)明這些規(guī)則的含義，不過(guò)說(shuō)明的順序并不是按照上面的順序來(lái)的，而是我認(rèn)為由淺入深，由基本到復(fù)雜的順序來(lái)編排的。同時(shí)為了直觀，在說(shuō)明的過(guò)程中盡量

多舉些例子以方便理解。

1.1基本規(guī)則

 

‘[‘  ‘]’字符集合設(shè)定符

首先說(shuō)明一下字符集合設(shè)定的方法。由一對(duì)方括號(hào)括起來(lái)的字符，表明一個(gè)字符集合，能夠匹配包含在其中的任意一個(gè)字符。比如[abc123]，表明字符’a’ ‘b’ ‘c’ ‘1’ 

‘2’ ‘3’都符合它的要求。可以被匹配。

在’[‘ ‘]’中還可以通過(guò)’-‘ 減號(hào)來(lái)指定一個(gè)字符集合的范圍，比如可以用[a-zA-Z]來(lái)指定所以英文字母的大小寫(xiě)，因?yàn)橛⑽淖帜甘前凑諒男〉酱蟮捻樞騺?lái)排的。你不可以

把大小的順序顛倒了，比如寫(xiě)成[z-a]就不對(duì)了。

如果在’[‘ ‘]’里面的開(kāi)頭寫(xiě)一個(gè)‘^’ 號(hào)，則表示取非，即在括號(hào)里的字符都不匹配。如[^a-zA-Z]表明不匹配所有英文字母。但是如果‘^’不在開(kāi)頭，則它就不再是表示

取非，而表示其本身，如[a-z^A-Z]表明匹配所有的英文字母和字符’^’。

 

‘|’    或規(guī)則

將兩個(gè)規(guī)則并列起來(lái)，以‘|’連接，表示只要滿足其中之一就可以匹配。比如

[a-zA-Z]|[0-9]表示滿足數(shù)字或字母就可以匹配，這個(gè)規(guī)則等價(jià)于[a-zA-Z0-9]

注意：關(guān)于’|’要注意兩點(diǎn)：

第一，           它在’[‘ ‘]’之中不再表示或，而表示他本身的字符。如果要在’[‘ ‘]’外面表示一個(gè)’|’字符，必須用反斜杠引導(dǎo)，即’/|’ ; 

第二，           它的有效范圍是它兩邊的整條規(guī)則，比如‘dog|cat’匹配的是‘dog’和’cat’，而不是’g’和’c’。如果想限定它的有效范圍，必需使用一個(gè)無(wú)捕獲組‘

(?: )’包起來(lái)。比如要匹配‘I have a dog’或’I have a cat’，需要寫(xiě)成r’I have a (?:dog|cat)’，而不能寫(xiě)成r’I have a dog|cat’

例

>>> s = ‘I have a dog , I have a cat’

>>> re.findall( r’I have a (?:dog|cat)’ , s )

['I have a dog', 'I have a cat']                #正如我們所要的

下面再看看不用無(wú)捕獲組會(huì)是什么后果：

>>> re.findall( r’I have a dog|cat’ , s )

['I have a dog', 'cat']                                   #它將’I have a dog’和’cat’當(dāng)成兩個(gè)規(guī)則了

至于無(wú)捕獲組的使用，后面將仔細(xì)說(shuō)明。這里先跳過(guò)。

 

‘.’    匹配所有字符

匹配除換行符’/n’外的所有字符。如果使用了’S’選項(xiàng)，匹配包括’/n’的所有字符。

      例：

       >>> s=’123 /n456 /n789’

       >>> findall(r‘.+’,s)

       ['123', '456', '789']

       >>> re.findall(r‘.+’ , s , re.S)

       ['123/n456/n789']

 

‘^’和’$’匹配字符串開(kāi)頭和結(jié)尾

注意’^’不能在‘[ ]’中，否則含意就發(fā)生變化，具體請(qǐng)看上面的’[‘ ‘]’說(shuō)明。在多行模式下，它們可以匹配每一行的行首和行尾。具體請(qǐng)看后面compile函數(shù)說(shuō)明的’M

’選項(xiàng)部分

 

‘/d’匹配數(shù)字

這是一個(gè)以’/’開(kāi)頭的轉(zhuǎn)義字符，’/d’表示匹配一個(gè)數(shù)字，即等價(jià)于[0-9]

‘/D’匹配非數(shù)字

這個(gè)是上面的反集，即匹配一個(gè)非數(shù)字的字符，等價(jià)于[^0-9]。注意它們的大小寫(xiě)。下面我們還將看到Python的正則規(guī)則中很多轉(zhuǎn)義字符的大小寫(xiě)形式，代表互補(bǔ)的關(guān)系。這樣很

好記。

 

‘/w’匹配字母和數(shù)字

匹配所有的英文字母和數(shù)字，即等價(jià)于[a-zA-Z0-9]。

‘/W’匹配非英文字母和數(shù)字

即’/w’的補(bǔ)集，等價(jià)于[^a-zA-Z0-9]。

 

‘/s’匹配間隔符

即匹配空格符、制表符、回車符等表示分隔意義的字符，它等價(jià)于[ /t/r/n/f/v]。（注意最前面有個(gè)空格)

‘/S’匹配非間隔符

即間隔符的補(bǔ)集，等價(jià)于[^ /t/r/n/f/v]

 

‘/A’匹配字符串開(kāi)頭

匹配字符串的開(kāi)頭。它和’^’的區(qū)別是，’/A’只匹配整個(gè)字符串的開(kāi)頭，即使在’M’模式下，它也不會(huì)匹配其它行的很首。

‘/Z’匹配字符串結(jié)尾

匹配字符串的結(jié)尾。它和’$’的區(qū)別是，’/Z’只匹配整個(gè)字符串的結(jié)尾，即使在’M’模式下，它也不會(huì)匹配其它各行的行尾。

例：

>>> s= '12 34/n56 78/n90'

>>> re.findall( r'^/d+' , s , re.M )          #匹配位于行首的數(shù)字

['12', '56', '90']

>>> re.findall( r’/A/d+’, s , re.M )        #匹配位于字符串開(kāi)頭的數(shù)字

['12']

>>> re.findall( r'/d+$' , s , re.M )          #匹配位于行尾的數(shù)字

['34', '78', '90']

>>> re.findall( r’/d+/Z’ , s , re.M )        #匹配位于字符串尾的數(shù)字

['90']

 

‘/b’匹配單詞邊界

它匹配一個(gè)單詞的邊界，比如空格等，不過(guò)它是一個(gè)‘0’長(zhǎng)度字符，它匹配完的字符串不會(huì)包括那個(gè)分界的字符。而如果用’/s’來(lái)匹配的話，則匹配出的字符串中會(huì)包含那個(gè)

分界符。

例：

>>> s =  'abc abcde bc bcd'

>>> re.findall( r’/bbc/b’ , s )         #匹配一個(gè)單獨(dú)的單詞‘bc’ ，而當(dāng)它是其它單詞的一部分的時(shí)候不匹配

['bc']                                           ＃只找到了那個(gè)單獨(dú)的’bc’

>>> re.findall( r’/sbc/s’ , s )          ＃匹配一個(gè)單獨(dú)的單詞‘bc’ 

[' bc ']                                         #只找到那個(gè)單獨(dú)的’bc’，不過(guò)注意前后有兩個(gè)空格，可能有點(diǎn)看不清楚

‘/B’匹配非邊界

和’/b’相反，它只匹配非邊界的字符。它同樣是個(gè)0長(zhǎng)度字符。

接上例：

>>> re.findall( r’/Bbc/w+’ , s )     #匹配包含’bc’但不以’bc’為開(kāi)頭的單詞

['bcde']                                       #成功匹配了’abcde’中的’bcde’，而沒(méi)有匹配’bcd’

 

‘(?:)’無(wú)捕獲組

當(dāng)你要將一部分規(guī)則作為一個(gè)整體對(duì)它進(jìn)行某些操作，比如指定其重復(fù)次數(shù)時(shí)，你需要將這部分規(guī)則用’(?:’ ‘)’把它包圍起來(lái)，而不能僅僅只用一對(duì)括號(hào)，那樣將得到絕對(duì)

出人意料的結(jié)果。

例：匹配字符串中重復(fù)的’ab’

>>> s=’ababab abbabb aabaab’

>>> re.findall( r’/b(?:ab)+/b’ , s )

['ababab']

如果僅使用一對(duì)括號(hào)，看看會(huì)是什么結(jié)果：

>>> re.findall( r’/b(ab)+/b’ , s )

['ab']

這是因?yàn)槿绻皇褂靡粚?duì)括號(hào)，那么這就成為了一個(gè)組(group)。組的使用比較復(fù)雜，將在后面詳細(xì)講解。

 

‘(?# )’注釋

Python允許你在正則表達(dá)式中寫(xiě)入注釋，在’(?#’ ‘)’之間的內(nèi)容將被忽略。

 

(?iLmsux) 編譯選項(xiàng)指定

Python的正則式可以指定一些選項(xiàng)，這個(gè)選項(xiàng)可以寫(xiě)在findall或compile的參數(shù)中，也可以寫(xiě)在正則式里，成為正則式的一部分。這在某些情況下會(huì)便利一些。具體的選項(xiàng)含義請(qǐng)

看后面的compile函數(shù)的說(shuō)明。

此處編譯選項(xiàng)’i’等價(jià)于IGNORECASE ，L 等價(jià)于 LOCAL ，m 等價(jià)于 MULTILINE，s等價(jià)于 DOTALL ，u等價(jià)于UNICODE ， x 等價(jià)于 VERBOSE。

請(qǐng)注意它們的大小寫(xiě)。在使用時(shí)可以只指定一部分，比如只指定忽略大小寫(xiě)，可寫(xiě)為‘(?i)’，要同時(shí)忽略大小寫(xiě)并使用多行模式，可以寫(xiě)為‘(?im)’。

另外要注意選項(xiàng)的有效范圍是整條規(guī)則，即寫(xiě)在規(guī)則的任何地方，選項(xiàng)都會(huì)對(duì)全部整條正則式有效。

 

 

1.2重復(fù)

正則式需要匹配不定長(zhǎng)的字符串，那就一定需要表示重復(fù)的指示符。Python的正則式表示重復(fù)的功能很豐富靈活。重復(fù)規(guī)則的一般的形式是在一條字符規(guī)則后面緊跟一個(gè)表示重復(fù)

次數(shù)的規(guī)則，已表明需要重復(fù)前面的規(guī)則一定的次數(shù)。重復(fù)規(guī)則有：

‘*’   0或多次匹配

表示匹配前面的規(guī)則0次或多次。

‘+’   1次或多次匹配

表示匹配前面的規(guī)則至少1次，可以多次匹配

例：匹配以下字符串中的前一部分是字母，后一部分是數(shù)字或沒(méi)有的變量名字

>>> s = ‘ aaa bbb111 cc22cc 33dd ‘

>>> re.findall( r’/b[a-z]+/d*/b’ , s )             #必須至少1個(gè)字母開(kāi)頭，以連續(xù)數(shù)字結(jié)尾或沒(méi)有數(shù)字

['aaa', 'bbb111']

注意上例中規(guī)則前后加了表示單詞邊界的’/b’指示符，如果不加的話結(jié)果就會(huì)變成：

>>> re.findall( r’[a-z]+/d*’ , s )

['aaa', 'bbb111', 'cc22', 'cc', 'dd']    #把單詞給拆開(kāi)了

大多數(shù)情況下這不是我們期望的結(jié)果。

 

‘?’   0或1次匹配

只匹配前面的規(guī)則0次或1次。

例，匹配一個(gè)數(shù)字，這個(gè)數(shù)字可以是一個(gè)整數(shù)，也可以是一個(gè)科學(xué)計(jì)數(shù)法記錄的數(shù)字，比如123和10e3都是正確的數(shù)字。

>>> s = ‘ 123 10e3 20e4e4 30ee5 ‘

>>> re.findall( r’ /b/d+[eE]?/d*/b’ , s )

['123', '10e3']

它正確匹配了123和10e3,正是我們期望的。注意前后的’/b’的使用，否則將得到不期望的結(jié)果。

 

1.2.1 精確匹配和最小匹配

Python正則式還可以精確指定匹配的次數(shù)。指定的方式是

‘{m}’      精確匹配m次

‘{m,n}’   匹配最少m次，最多n次。(n>m)

如果你只想指定一個(gè)最少次數(shù)或只指定一個(gè)最多次數(shù)，你可以把另外一個(gè)參數(shù)空起來(lái)。比如你想指定最少3次，可以寫(xiě)成{3,}（注意那個(gè)逗號(hào)），同樣如果只想指定最大為5次，可

以寫(xiě)成{，5}，也可以寫(xiě)成{0,5}。

例尋找下面字符串中

a：3位數(shù)

b: 2位數(shù)到4位數(shù)

c: 5位數(shù)以上的數(shù)

d: 4位數(shù)以下的數(shù)

>>> s= ‘ 1 22 333 4444 55555 666666 ‘

>>> re.findall( r’/b/d{3}/b’ , s )            # a：3位數(shù)

['333']

>>> re.findall( r’/b/d{2,4}/b’ , s )         # b: 2位數(shù)到4位數(shù)

['22', '333', '4444']

>>> re.findall( r’/b/d{5,}/b’, s )           # c: 5位數(shù)以上的數(shù)

['55555', '666666']

>>> re.findall( r’/b/d{1,4}/b’ , s )         # 4位數(shù)以下的數(shù)

['1', '22', '333', '4444']

 

‘*?’ ‘+?’ ‘??’最小匹配

‘*’ ‘+’ ‘?’通常都是盡可能多的匹配字符。有時(shí)候我們希望它盡可能少的匹配。比如一個(gè)c語(yǔ)言的注釋‘/* part 1 */ /* part 2 */’，如果使用最大規(guī)則：

>>> s =r ‘/* part 1 */ code /* part 2 */’

>>> re.findall( r’//*.*/*/’ , s )

[‘/* part 1 */ code /* part 2 */’]

結(jié)果把整個(gè)字符串都包括進(jìn)去了。如果把規(guī)則改寫(xiě)成

>>> re.findall( r’//*.*?/*/’ , s )                    #在*后面加上?，表示盡可能少的匹配

['/* part 1 */', '/* part 2 */']

結(jié)果正確的匹配出了注釋里的內(nèi)容

 

1.3   前向界定與后向界定

有時(shí)候需要匹配一個(gè)跟在特定內(nèi)容后面的或者在特定內(nèi)容前面的字符串，Python提供一個(gè)簡(jiǎn)便的前向界定和后向界定功能，或者叫前導(dǎo)指定和跟從指定功能。它們是：

‘(?<=…)’前向界定

括號(hào)中’…’代表你希望匹配的字符串的前面應(yīng)該出現(xiàn)的字符串。

‘(?=…)’  后向界定

括號(hào)中的’…’代表你希望匹配的字符串后面應(yīng)該出現(xiàn)的字符串。

例：你希望找出c語(yǔ)言的注釋中的內(nèi)容，它們是包含在’/*’和’*/’之間，不過(guò)你并不希望匹配的結(jié)果把’/*’和’*/’也包括進(jìn)來(lái)，那么你可以這樣用：

>>> s=r’/* comment 1 */  code  /* comment 2 */’

>>> re.findall( r’(?<=//*).+?(?=/*/)’ , s )

[' comment 1 ', ' comment 2 ']

注意這里我們?nèi)匀皇褂昧俗钚∑ヅ洌员苊獍颜麄€(gè)字符串給匹配進(jìn)去了。

要注意的是，前向界定括號(hào)中的表達(dá)式必須是常值，也即你不可以在前向界定的括號(hào)里寫(xiě)正則式。比如你如果在下面的字符串中想找到被字母夾在中間的數(shù)字，你不可以用前向界

定：

例：

>>> s = ‘aaa111aaa , bbb222 , 333ccc ‘

>>> re.findall( r’(?<=[a-z]+)/d+(?=[a-z]+)' , s )          #錯(cuò)誤的用法

它會(huì)給出一個(gè)錯(cuò)誤信息：

error: look-behind requires fixed-width pattern

 

不過(guò)如果你只要找出后面接著有字母的數(shù)字，你可以在后向界定寫(xiě)正則式：

>>> re.findall( r’/d+(?=[a-z]+)’, s )

['111', '333']

如果你一定要匹配包夾在字母中間的數(shù)字，你可以使用組（group）的方式

>>> re.findall (r'[a-z]+(/d+)[a-z]+' , s )

['111']

組的使用將在后面詳細(xì)講解。

 

除了前向界定前向界定和后向界定外，還有前向非界定和后向非界定，它的寫(xiě)法為：

‘(?<!...)’前向非界定

只有當(dāng)你希望的字符串前面不是’…’的內(nèi)容時(shí)才匹配

‘(?!...)’后向非界定

只有當(dāng)你希望的字符串后面不跟著’…’內(nèi)容時(shí)才匹配。

接上例，希望匹配后面不跟著字母的數(shù)字

>>> re.findall( r’/d+(?!/w+)’ , s )

['222']

注意這里我們使用了/w而不是像上面那樣用[a-z]，因?yàn)槿绻@樣寫(xiě)的話，結(jié)果會(huì)是：

>>> re.findall( r’/d+(?![a-z]+)’ , s )

['11', '222', '33']

這和我們期望的似乎有點(diǎn)不一樣。它的原因，是因?yàn)?#8217;111’和’222’中的前兩個(gè)數(shù)字也是滿足這個(gè)要求的。因此可看出，正則式的使用還是要相當(dāng)小心的，因?yàn)槲议_(kāi)始就是這樣

寫(xiě)的，看到結(jié)果后才明白過(guò)來(lái)。不過(guò)Python試驗(yàn)起來(lái)很方便，這也是腳本語(yǔ)言的一大優(yōu)點(diǎn)，可以一步一步的試驗(yàn)，快速得到結(jié)果，而不用經(jīng)過(guò)煩瑣的編譯、鏈接過(guò)程。也因此學(xué)習(xí)

Python就要多試，跌跌撞撞的走過(guò)來(lái)，雖然曲折，卻也很有樂(lè)趣。

 

1.4組的基本知識(shí)

上面我們已經(jīng)看過(guò)了Python的正則式的很多基本用法。不過(guò)如果僅僅是上面那些規(guī)則的話，還是有很多情況下會(huì)非常麻煩，比如上面在講前向界定和后向界定時(shí)，取夾在字母中間

的數(shù)字的例子。用前面講過(guò)的規(guī)則都很難達(dá)到目的，但是用了組以后就很簡(jiǎn)單了。

‘(‘’)’       無(wú)命名組

最基本的組是由一對(duì)圓括號(hào)括起來(lái)的正則式。比如上面匹配包夾在字母中間的數(shù)字的例子中使用的(/d+)，我們?cè)倩仡櫼幌逻@個(gè)例子：

>>> s = ‘aaa111aaa , bbb222 , 333ccc ‘

>>> re.findall (r'[a-z]+(/d+)[a-z]+' , s )

['111']

可以看到findall函數(shù)只返回了包含在’()’中的內(nèi)容，而雖然前面和后面的內(nèi)容都匹配成功了，卻并不包含在結(jié)果中。

 

除了最基本的形式外，我們還可以給組起個(gè)名字，它的形式是

‘(?P<name>…)’命名組

‘(?P’代表這是一個(gè)Python的語(yǔ)法擴(kuò)展’<…>’里面是你給這個(gè)組起的名字，比如你可以給一個(gè)全部由數(shù)字組成的組叫做’num’，它的形式就是’(?P<num>/d+)’。起了名字之

后，我們就可以在后面的正則式中通過(guò)名字調(diào)用這個(gè)組，它的形式是

‘(?P=name)’調(diào)用已匹配的命名組

要注意，再次調(diào)用的這個(gè)組是已被匹配的組，也就是說(shuō)它里面的內(nèi)容是和前面命名組里的內(nèi)容是一樣的。

我們可以看更多的例子：請(qǐng)注意下面這個(gè)字符串各子串的特點(diǎn)。

>>> s='aaa111aaa,bbb222,333ccc,444ddd444,555eee666,fff777ggg'

我們看看下面的正則式會(huì)返回什么樣的結(jié)果：

>>> re.findall( r'([a-z]+)/d+([a-z]+)' , s )             #找出中間夾有數(shù)字的字母

[('aaa', 'aaa'), ('fff', 'ggg')]

>>> re.findall( r '(?P<g1>[a-z]+)/d+(?P=g1)' , s ) #找出被中間夾有數(shù)字的前后同樣的字母

['aaa']

>>> re.findall( r'[a-z]+(/d+)([a-z]+)' , s )             #找出前面有字母引導(dǎo)，中間是數(shù)字，后面是字母的字符串中的中間的數(shù)字和后面的字母

[('111', 'aaa'), ('777', 'ggg')]

 

我們可以通過(guò)命名組的名字在后面調(diào)用已匹配的命名組，不過(guò)名字也不是必需的。

‘/number’             通過(guò)序號(hào)調(diào)用已匹配的組

正則式中的每個(gè)組都有一個(gè)序號(hào)，序號(hào)是按組從左到右，從1開(kāi)始的數(shù)字，你可以通過(guò)下面的形式來(lái)調(diào)用已匹配的組

比如上面找出被中間夾有數(shù)字的前后同樣的字母的例子，也可以寫(xiě)成：

>>> re.findall( r’([a-z]+)/d+/1’ , s )

['aaa']

結(jié)果是一樣的。

我們?cè)倏匆粋€(gè)例子

>>> s='111aaa222aaa111 , 333bbb444bb33'

>>> re.findall( r'(/d+)([a-z]+)(/d+)(/2)(/1)' , s )           #找出完全對(duì)稱的數(shù)字－字母－數(shù)字－字母－數(shù)字中的數(shù)字和字母

[('111', 'aaa', '222', 'aaa', '111')]

 

Python2.4以后的re模塊，還加入了一個(gè)新的條件匹配功能

‘(?(id/name)yes-pattern|no-pattern)’ 判斷指定組是否已匹配，執(zhí)行相應(yīng)的規(guī)則

這個(gè)規(guī)則的含義是，如果id/name指定的組在前面匹配成功了，則執(zhí)行yes-pattern的正則式，否則執(zhí)行no-pattern的正則式。

舉個(gè)例子，比如要匹配一些形如usr@mail的郵箱地址，不過(guò)有的寫(xiě)成< usr@mail >即用一對(duì)<>括起來(lái)，有點(diǎn)則沒(méi)有，要匹配這兩種情況，可以這樣寫(xiě)

>>> s='<usr1@mail1>  usr2@maill2'

>>> re.findall( r'(<)?/s*(/w+@/w+)/s*(?(1)>)' , s )

[('<', 'usr1@mail1'), ('', 'usr2@maill2')]

不過(guò)如果目標(biāo)字符串如下

>>> s='<usr1@mail1>  usr2@maill2 <usr3@mail3   usr4@mail4>  < usr5@mail5 '

而你想得到要么由一對(duì)<>包圍起來(lái)的一個(gè)郵件地址，要么得到一個(gè)沒(méi)有被<>包圍起來(lái)的地址，但不想得到一對(duì)<>中間包圍的多個(gè)地址或不完整的<>中的地址，那么使用這個(gè)式子并

不能得到你想要的結(jié)果

>>> re.findall( r'(<)?/s*(/w+@/w+)/s*(?(1)>)' , s )

[('<', 'usr1@mail1'), ('', 'usr2@maill2'), ('', 'usr3@mail3'), ('', 'usr4@mail4'), ('', 'usr5@mail5')]

它仍然找到了所有的郵件地址。

想要實(shí)現(xiàn)這個(gè)功能，單純的使用findall有點(diǎn)吃力，需要使用其它的一些函數(shù)，比如match或search函數(shù)，再配合一些控制功能。這部分的內(nèi)容將在下面詳細(xì)講解。

 

小結(jié)：以上基本上講述了Python正則式的語(yǔ)法規(guī)則。雖然大部分語(yǔ)法規(guī)則看上去都很簡(jiǎn)單，可是稍不注意，仍然會(huì)得到與期望大相徑庭的結(jié)果，所以要寫(xiě)好正則式，需要仔細(xì)的體

會(huì)正則式規(guī)則的含義后不同規(guī)則之間細(xì)微的差別。

詳細(xì)的了解了規(guī)則后，再配合后面就要介紹的功能函數(shù)，就能最大的發(fā)揮正則式的威力了。

 

2 re模塊的基本函數(shù)

在上面的說(shuō)明中，我們已經(jīng)對(duì)re模塊的基本函數(shù)‘findall’很熟悉了。當(dāng)然如果光有findall的話，很多功能是不能實(shí)現(xiàn)的。下面開(kāi)始介紹一下re模塊其它的常用基本函數(shù)。靈活

搭配使用這些函數(shù)，才能充分發(fā)揮Python正則式的強(qiáng)大功能。

首先還是說(shuō)下老熟人findall函數(shù)吧

findall(rule , target [,flag] )

在目標(biāo)字符串中查找符合規(guī)則的字符串。

第一個(gè)參數(shù)是規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，后面還可以跟一個(gè)規(guī)則選項(xiàng)（選項(xiàng)功能將在compile函數(shù)的說(shuō)明中詳細(xì)說(shuō)明）。

返回結(jié)果結(jié)果是一個(gè)列表，中間存放的是符合規(guī)則的字符串。如果沒(méi)有符合規(guī)則的字符串被找到，就返回一個(gè)空列表。

2.1使用compile加速

compile( rule [,flag] )

將正則規(guī)則編譯成一個(gè)Pattern對(duì)象，以供接下來(lái)使用。

第一個(gè)參數(shù)是規(guī)則式，第二個(gè)參數(shù)是規(guī)則選項(xiàng)。

返回一個(gè)Pattern對(duì)象

直接使用findall ( rule , target )的方式來(lái)匹配字符串，一次兩次沒(méi)什么，如果是多次使用的話，由于正則引擎每次都要把規(guī)則解釋一遍，而規(guī)則的解釋又是相當(dāng)費(fèi)時(shí)間的，

所以這樣的效率就很低了。如果要多次使用同一規(guī)則來(lái)進(jìn)行匹配的話，可以使用re.compile函數(shù)來(lái)將規(guī)則預(yù)編譯，使用編譯過(guò)返回的Regular Expression Object或叫做Pattern對(duì)

象來(lái)進(jìn)行查找。

例

>>> s='111,222,aaa,bbb,ccc333,444ddd'

>>> rule=r’/b/d+/b’

>>> compiled_rule=re.compile(rule)

>>> compiled_rule.findall(s)

['111', '222']

可見(jiàn)使用compile過(guò)的規(guī)則使用和未編譯的使用很相似。compile函數(shù)還可以指定一些規(guī)則標(biāo)志，來(lái)指定一些特殊選項(xiàng)。多個(gè)選項(xiàng)之間用’|’（位或）連接起來(lái)。

I      IGNORECASE 忽略大小寫(xiě)區(qū)別。

 

L   LOCAL  字符集本地化。這個(gè)功能是為了支持多語(yǔ)言版本的字符集使用環(huán)境的，比如在轉(zhuǎn)義符/w，在英文環(huán)境下，它代表[a-zA-Z0-9]，即所以英文字符和數(shù)字。如果在一個(gè)法

語(yǔ)環(huán)境下使用，缺省設(shè)置下，不能匹配"é"或"ç"。加上這L選項(xiàng)和就可以匹配了。不過(guò)這個(gè)對(duì)于中文環(huán)境似乎沒(méi)有什么用，它仍然不能匹配中文字符。

 

M    MULTILINE  多行匹配。在這個(gè)模式下’^’(代表字符串開(kāi)頭)和’$’(代表字符串結(jié)尾)將能夠匹配多行的情況，成為行首和行尾標(biāo)記。比如

>>> s=’123 456/n789 012/n345 678’

>>> rc=re.compile(r’^/d+’)    #匹配一個(gè)位于開(kāi)頭的數(shù)字，沒(méi)有使用M選項(xiàng)

>>> rc.findall(s)

['123']             #結(jié)果只能找到位于第一個(gè)行首的’123’

>>> rcm=re.compile(r’^/d+’,re.M)       #使用M選項(xiàng)

>>> rcm.findall(s)

['123', '789', '345']  #找到了三個(gè)行首的數(shù)字

同樣，對(duì)于’$’來(lái)說(shuō)，沒(méi)有使用M選項(xiàng)，它將匹配最后一個(gè)行尾的數(shù)字，即’678’，加上以后，就能匹配三個(gè)行尾的數(shù)字456 012和678了.

>>> rc=re.compile(r’/d+$’)

>>> rcm=re.compile(r’/d+$’,re.M)

>>> rc.findall(s)

['678']

>>> rcm.findall(s)

['456', '012', '678']

 

S     DOTALL       ‘.’號(hào)將匹配所有的字符。缺省情況下’.’匹配除換行符’/n’外的所有字符，使用這一選項(xiàng)以后，’.’就能匹配包括’/n’的任何字符了。

 

U   UNICODE       /w,/W,/b,/B,/d,/D,/s和/S都將使用Unicode。

 

X     VERBOSE     這個(gè)選項(xiàng)忽略規(guī)則表達(dá)式中的空白，并允許使用’#’來(lái)引導(dǎo)一個(gè)注釋。這樣可以讓你把規(guī)則寫(xiě)得更美觀些。比如你可以把規(guī)則
>>> rc = re.compile(r"/d+|[a-zA-Z]+")       #匹配一個(gè)數(shù)字或者單詞

使用X選項(xiàng)寫(xiě)成：
>>> rc = re.compile(r"""  # start a rule/d+                   # number| [a-zA-Z]+           # word""", re.VERBOSE)在這個(gè)模式下，如果你想匹配一個(gè)空格，你必須

用'/ '的形式（'/'后面跟一個(gè)空格）

 

 

2.2 match與search

match( rule , targetString [,flag] )

search( rule , targetString [,flag] )

（注：re的match與search函數(shù)同compile過(guò)的Pattern對(duì)象的match與search函數(shù)的參數(shù)是不一樣的。Pattern對(duì)象的match與search函數(shù)更為強(qiáng)大，是真正最常用的函數(shù)）

按照規(guī)則在目標(biāo)字符串中進(jìn)行匹配。

第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)是目標(biāo)字符串，第三個(gè)是選項(xiàng)（同compile函數(shù)的選項(xiàng)）

返回：若成功返回一個(gè)Match對(duì)象，失敗無(wú)返回

findall雖然很直觀，但是在進(jìn)行更復(fù)雜的操作時(shí)，就有些力不從心了。此時(shí)更多的使用的是match和search函數(shù)。他們的參數(shù)和findall是一樣的，都是：

match( rule , targetString [,flag] )

search( rule , targetString [,flag] )

不過(guò)它們的返回不是一個(gè)簡(jiǎn)單的字符串列表，而是一個(gè)MatchObject（如果匹配成功的話）.。通過(guò)操作這個(gè)matchObject，我們可以得到更多的信息。

需要注意的是，如果匹配不成功，它們則返回一個(gè)NoneType。所以在對(duì)匹配完的結(jié)果進(jìn)行操作之前，你必需先判斷一下是否匹配成功了，比如：

>>> m=re.match( rule , target )

>>> if m:                       #必需先判斷是否成功

        doSomethin

這兩個(gè)函數(shù)唯一的區(qū)別是：match從字符串的開(kāi)頭開(kāi)始匹配，如果開(kāi)頭位置沒(méi)有匹配成功，就算失敗了；而search會(huì)跳過(guò)開(kāi)頭，繼續(xù)向后尋找是否有匹配的字符串。針對(duì)不同的需

要，可以靈活使用這兩個(gè)函數(shù)。

關(guān)于match返回的MatchObject如果使用的問(wèn)題，是Python正則式的精髓所在，它與組的使用密切相關(guān)。我將在下一部分詳細(xì)講解，這里只舉個(gè)最簡(jiǎn)單的例子：

例：

>>> s= 'Tom:9527 , Sharry:0003'

>>> m=re.match( r'(?P<name>/w+):(?P<num>/d+)' , s )

>>> m.group()

'Tom:9527'

>>> m.groups()

('Tom', '9527')

>>> m.group(‘name’)

'Tom'

>>> m.group(‘num’)

'9527'

 

2.3 finditer

finditer( rule , target [,flag] )

參數(shù)同findall

返回一個(gè)迭代器

finditer函數(shù)和findall函數(shù)的區(qū)別是，findall返回所有匹配的字符串，并存為一個(gè)列表，而finditer則并不直接返回這些字符串，而是返回一個(gè)迭代器。關(guān)于迭代器，解釋起來(lái)

有點(diǎn)復(fù)雜，還是看看例子把：

>>> s=’111 222 333 444’

>>> for i in re.finditer(r’/d+’ , s ):

        print i.group(),i.span()          #打印每次得到的字符串和起始結(jié)束位置

結(jié)果是

111 (0, 3)

222 (4, 7)

333 (8, 11)

444 (12, 15)

簡(jiǎn)單的說(shuō)吧，就是finditer返回了一個(gè)可調(diào)用的對(duì)象，使用for i in finditer()的形式，可以一個(gè)一個(gè)的得到匹配返回的Match對(duì)象。這在對(duì)每次返回的對(duì)象進(jìn)行比較復(fù)雜的操作

時(shí)比較有用。

 

2.4字符串的替換和修改

re模塊還提供了對(duì)字符串的替換和修改函數(shù)，他們比字符串對(duì)象提供的函數(shù)功能要強(qiáng)大一些。這幾個(gè)函數(shù)是

sub ( rule , replace , target [,count] )

subn(rule , replace , target [,count] )

在目標(biāo)字符串中規(guī)格規(guī)則查找匹配的字符串，再把它們替換成指定的字符串。你可以指定一個(gè)最多替換次數(shù)，否則將替換所有的匹配到的字符串。

第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)參數(shù)是指定的用來(lái)替換的字符串，第三個(gè)參數(shù)是目標(biāo)字符串，第四個(gè)參數(shù)是最多替換次數(shù)。

這兩個(gè)函數(shù)的唯一區(qū)別是返回值。

sub返回一個(gè)被替換的字符串

sub返回一個(gè)元組，第一個(gè)元素是被替換的字符串，第二個(gè)元素是一個(gè)數(shù)字，表明產(chǎn)生了多少次替換。

例，將下面字符串中的’dog’全部替換成’cat’

>>> s=’ I have a dog , you have a dog , he have a dog ‘

>>> re.sub( r’dog’ , ‘cat’ , s )

' I have a cat , you have a cat , he have a cat '

如果我們只想替換前面兩個(gè)，則

>>> re.sub( r’dog’ , ‘cat’ , s , 2 )

' I have a cat , you have a cat , he have a dog '

或者我們想知道發(fā)生了多少次替換，則可以使用subn

>>> re.subn( r’dog’ , ‘cat’ , s )

(' I have a cat , you have a cat , he have a cat ', 3)

 

split( rule , target [,maxsplit] )

切片函數(shù)。使用指定的正則規(guī)則在目標(biāo)字符串中查找匹配的字符串，用它們作為分界，把字符串切片。

第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，第三個(gè)參數(shù)是最多切片次數(shù)

返回一個(gè)被切完的子字符串的列表

這個(gè)函數(shù)和str對(duì)象提供的split函數(shù)很相似。舉個(gè)例子，我們想把上例中的字符串被’,’分割開(kāi)，同時(shí)要去掉逗號(hào)前后的空格

>>> s=’ I have a dog   ,   you have a dog  ,  he have a dog ‘

>>> re.split( ‘/s*,/s*’ , s )

[' I have a dog', 'you have a dog', 'he have a dog ']

結(jié)果很好。如果使用str對(duì)象的split函數(shù)，則由于我們不知道’,’兩邊會(huì)有多少個(gè)空格，而不得不對(duì)結(jié)果再進(jìn)行一次處理。

 

escape( string )

這是個(gè)功能比較古怪的函數(shù)，它的作用是將字符串中的non-alphanumerics字符（我已不知道該怎么翻譯比較好了）用反義字符的形式顯示出來(lái)。有時(shí)候你可能希望在正則式中匹

配一個(gè)字符串，不過(guò)里面含有很多re使用的符號(hào)，你要一個(gè)一個(gè)的修改寫(xiě)法實(shí)在有點(diǎn)麻煩，你可以使用這個(gè)函數(shù),

例在目標(biāo)字符串s中匹配’(*+?)’這個(gè)子字符串

>>> s= ‘111 222 (*+?) 333’

>>> rule= re.escape( r’(*+?)’ )

>>> print rule

/(/*/+/?/)

>>> re.findall( rule , s )

['(*+?)']

3     更深入的了解re的組與對(duì)象

前面對(duì)Python正則式的組進(jìn)行了一些簡(jiǎn)單的介紹，由于還沒(méi)有介紹到match對(duì)象，而組又是和match對(duì)象密切相關(guān)的，所以必須將它們結(jié)合起來(lái)介紹才能充分地說(shuō)明它們的用途。

不過(guò)再詳細(xì)介紹它們之前，我覺(jué)得有必要先介紹一下將規(guī)則編譯后的生成的patter對(duì)象

3.1編譯后的Pattern對(duì)象

將一個(gè)正則式，使用compile函數(shù)編譯，不僅是為了提高匹配的速度，同時(shí)還能使用一些附加的功能。編譯后的結(jié)果生成一個(gè)Pattern對(duì)象，這個(gè)對(duì)象里面有很多函數(shù)，他們看起來(lái)

和re模塊的函數(shù)非常象，它同樣有findall , match , search ,finditer , sub , subn , split這些函數(shù)，只不過(guò)它們的參數(shù)有些小小的不同。一般說(shuō)來(lái)，re模塊函數(shù)的第一個(gè)

參數(shù)，即正則規(guī)則不再需要了，應(yīng)為規(guī)則就包含在Pattern對(duì)象中了，編譯選項(xiàng)也不再需要了，因?yàn)橐呀?jīng)被編譯過(guò)了。因此re模塊中函數(shù)的這兩個(gè)參數(shù)的位置，就被后面的參數(shù)取

代了。

findall , match , search和finditer這幾個(gè)函數(shù)的參數(shù)是一樣的，除了少了規(guī)則和選項(xiàng)兩個(gè)參數(shù)外，它們又加入了另外兩個(gè)參數(shù)，它們是：查找開(kāi)始位置和查找結(jié)束位置，也就

是說(shuō)，現(xiàn)在你可以指定查找的區(qū)間，除去你不感興趣的區(qū)間。它們現(xiàn)在的參數(shù)形式是：

findall ( targetString [, startPos [,endPos] ] )

finditer ( targetString [, startPos [,endPos] ] )

match ( targetString [, startPos [,endPos] ] )

search ( targetString [, startPos [,endPos] ] )

這些函數(shù)的使用和re模塊的同名函數(shù)使用完全一樣。所以就不多介紹了。

 

除了和re模塊的函數(shù)同樣的函數(shù)外，Pattern對(duì)象還多了些東西，它們是：

flags       查詢編譯時(shí)的選項(xiàng)

pattern查詢編譯時(shí)的規(guī)則

groupindex規(guī)則里的組

這幾個(gè)不是函數(shù)，而是一個(gè)值。它們提供你一些規(guī)則的信息。比如下面這個(gè)例子

>>> p=re.compile( r'(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)' , re.I )

>>> p.flags

2

>>> p.pattern

'(?P<word>//b[a-z]+//b)|(?P<num>//b//d+//b)|(?P<id>//b[a-z_]+//w*//b)'

>>> p.groupindex

{'num': 2, 'word': 1, 'id': 3}

我們來(lái)分析一下這個(gè)例子：這個(gè)正則式是匹配單詞、或數(shù)字、或一個(gè)由字母或’_’開(kāi)頭，后面接字母或數(shù)字的一個(gè)ID。我們給這三種情況的規(guī)則都包入了一個(gè)命名組，分別命名

為’word’ , ‘num’和‘id’。我們規(guī)定大小寫(xiě)不敏感，所以使用了編譯選項(xiàng)‘I’。

編譯以后返回的對(duì)象為p，通過(guò)p.flag我們可以查看編譯時(shí)的選項(xiàng)，不過(guò)它顯示的不是’I’，而是一個(gè)數(shù)值2。其實(shí)re.I是一個(gè)整數(shù)，2就是它的值。我們可以查看一下：

>>> re.I

2

>>> re.L

4

>>> re.M

8

…

每個(gè)選項(xiàng)都是一個(gè)數(shù)值。

通過(guò)p.pattern可以查看被編譯的規(guī)則是什么。使用print的話會(huì)更好看一些

>>> print p.pattern

(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)

看，和我們輸入的一樣。

接下來(lái)的p.groupindex則是一個(gè)字典，它包含了規(guī)則中的所有命名組。字典的key是名字，values是組的序號(hào)。由于字典是以名字作為key，所以一個(gè)無(wú)命名的組不會(huì)出現(xiàn)在這里。

 

 

3.2組與Match對(duì)象

組與Match對(duì)象是Python正則式的重點(diǎn)。只有掌握了組和Match對(duì)象的使用，才算是真正學(xué)會(huì)了Python正則式。

3.2.1 組的名字與序號(hào)

正則式中的每個(gè)組都有一個(gè)序號(hào)，它是按定義時(shí)從左到右的順序從1開(kāi)始編號(hào)的。其實(shí)，re的正則式還有一個(gè)0號(hào)組，它就是整個(gè)正則式本身。

我們來(lái)看個(gè)例子

>>> p=re.compile( r’(?P<name>[a-z]+)/s+(?P<age>/d+)/s+(?P<tel>/d+).*’ , re.I )

>>> p.groupindex

{'age': 2, 'tel': 3, 'name': 1}

>>> s=’Tom 24 88888888  <=’

>>> m=p.search(s)

>>> m.groups()                           #看看匹配的各組的情況

('Tom', '24', '8888888')

>>> m.group(‘name’)                   #使用組名獲取匹配的字符串

‘Tom’

>>> m.group( 1 )                         #使用組序號(hào)獲取匹配的字符串，同使用組名的效果一樣

>>> m.group(0)                           # 0組里面是什么呢？

'Tom 24 88888888  <='

原來(lái)0組就是整個(gè)正則式,包括沒(méi)有被包圍到組里面的內(nèi)容。當(dāng)獲取0組的時(shí)候，你可以不寫(xiě)這個(gè)參數(shù)。m.group(0)和m.group()的效果是一樣的：

>>> m.group()

'Tom 24 88888888  <='

 

接下來(lái)看看更多的Match對(duì)象的方法，看看我們能做些什么。

3.2.2 Match對(duì)象的方法

group([index|id]) 獲取匹配的組，缺省返回組0,也就是全部值

groups()               返回全部的組

groupdict()           返回以組名為key，匹配的內(nèi)容為values的字典

接上例：

>>> m.groupindex()

{'age': '24', 'tel': '88888888', 'name': 'Tom'}

start( [group] )     獲取匹配的組的開(kāi)始位置

end( [group] )              獲取匹配的組的結(jié)束位置

span( [group] )     獲取匹配的組的（開(kāi)始，結(jié)束）位置

 

expand( template )根據(jù)一個(gè)模版用找到的內(nèi)容替換模版里的相應(yīng)位置

這個(gè)功能比較有趣，它根據(jù)一個(gè)模版來(lái)用匹配到的內(nèi)容替換模版中的相應(yīng)位置，組成一個(gè)新的字符串返回。它使用/g<index|name>或/index來(lái)指示一個(gè)組。

接上例

>>> m.expand(r'name is /g<1> , age is /g<age> , tel is /3')

'name is Tom , age is 24 , tel is 88888888'

 

除了以上這些函數(shù)外，Match對(duì)象還有些屬性

pos         搜索開(kāi)始的位置參數(shù)

endpos  搜索結(jié)束的位置參數(shù)

這兩個(gè)是使用findall或match等函數(shù)時(shí)，傳入的參數(shù)。在上面這個(gè)例子里，我們沒(méi)有指定開(kāi)始和結(jié)束位置，那么缺省的開(kāi)始位置就是0,結(jié)束位置就是最后。

>>> m.pos

0

>>> m.endpos

19

lastindex 最后匹配的組的序號(hào)

>>> m.lastindex

3

lastgroup       最后匹配的組名

>>> m.lastgroup

'tel'

re    產(chǎn)生這個(gè)匹配的Pattern對(duì)象，可以認(rèn)為是個(gè)逆引用

>>> m.re.pattern

'(?P<name>[a-z]+)//s+(?P<age>//d+)//s+(?P<tel>//d+).*'

得到了產(chǎn)生這個(gè)匹配的規(guī)則

string 匹配的目標(biāo)字符串

>>> m.string

'Tom 24 88888888  <='

轉(zhuǎn)自:http://hi.baidu.com/yangdaming1983/item/e6a8146255a5442169105b91

【招聘須知】  Facebook正在全球招聘，對(duì)中國(guó)頂尖大學(xué)的Engineering專業(yè)學(xué)生尤其歡迎。  具體職位信息可以在https://www.facebook.com/careers上找到，申請(qǐng)的時(shí)候一般都是選 擇Software Engineer (University Recruiting)，F(xiàn)acebook的制度是并不預(yù)先定向你去 哪個(gè)組。在入職的第一個(gè)月統(tǒng)一進(jìn)行培訓(xùn)，培訓(xùn)結(jié)束的兩周后進(jìn)行統(tǒng)一的Team Selectio n，每個(gè)組的大Manager過(guò)來(lái)將自己的組做的東西，你可以和感興趣的組聊，雙向選擇后最 終決定去哪里。所以是很自由的文化，決定你去哪里的最重要的是Potential，而不是你 已經(jīng)在這個(gè)area的experience，這也是FB的文化，希望培養(yǎng)每個(gè)Engineer成為多面手，對(duì) 任何問(wèn)題的Fast learner。   【基本要求】  專業(yè)不限要求有限，可以分成兩個(gè)類，看看你符合哪一類  1. 第一類：  - ACM/ICPC 區(qū)域銀牌以上，或者在大型比賽上得過(guò)不錯(cuò)的名次（前15%)，這里大型比賽 指包括NOIP, NOI, APOI，省級(jí)選拔賽，Topcoder, Google Code Jam, 百度之星，有道難 題等等 - 在以下公司有過(guò)實(shí)習(xí)經(jīng)驗(yàn)：Google, Microsoft Research Asia, Hulu, EMC/VMware,  Microstrategy （這些公司只是在經(jīng)驗(yàn)范圍內(nèi)實(shí)習(xí)生非常靠譜，并沒(méi)有對(duì)其他公司不尊重 的意思，只是接觸的不多而已，見(jiàn)諒） - 本科成績(jī)年級(jí)前10%，核心課程算法，數(shù)據(jù)結(jié)構(gòu)，C++，離散，組合數(shù)學(xué)等等絕大部分為 優(yōu)秀 - 頂級(jí)會(huì)議上發(fā)表一二作論文，頂級(jí)會(huì)議的定義是專業(yè)領(lǐng)域內(nèi)公認(rèn)的大會(huì)，例如IR/ML領(lǐng) 域的SIGIR, ICML, WWW, ICDM等等  以上符合任意一條的話，請(qǐng)聯(lián)系我  2. 第二類：  - <Crack the Coding Interview> 從頭到尾詳細(xì)閱讀并且做完所有的例題和習(xí)題 - www.leetcode.com 全部做完所有的題   符合以上所有條件的，請(qǐng)聯(lián)系我，附上代碼   PS: CTCI書(shū)課后有答案，leetcode網(wǎng)上有不錯(cuò)的人做了發(fā)表，比如 https://github.com/zwxxx/LeetCode https://github.com/anson627/leetcode  做的時(shí)候請(qǐng)不要參考，做完以后可以和參考答案對(duì)比改進(jìn)，直接抄答案是沒(méi)有意義的，答 案只是幫你提高的工具。對(duì)于代碼的要求是，寫(xiě)的塊，風(fēng)格簡(jiǎn)潔，易于理解     【聯(lián)系方式】  請(qǐng)發(fā)郵件到郵箱zhangchitc@gmail.com，附上簡(jiǎn)單的自我介紹，并著名是符合上述哪些要 求，如果第二類請(qǐng)用zip壓縮包打包代碼附在附件中  BTW: 第一類滿足的話最終還是要將第二類里面的材料全部做了的。。。。     【面試過(guò)程】   職位都是美國(guó)總部，不排除可能外派海外Site，不過(guò)基本應(yīng)該都是前者。在推薦以后一 周之內(nèi)應(yīng)該總部會(huì)安排工程師使用skype進(jìn)行2到3輪電話面試，通過(guò)以后提供機(jī)票到美國(guó) 進(jìn)行onsite面試。3到5輪不等。基本都是算法面試，在白板上寫(xiě)程序。全程英文，不需要 英語(yǔ)標(biāo)準(zhǔn)考試成績(jī)，但是對(duì)基本的聽(tīng)力和口語(yǔ)要求比較高，要能自由和工程師進(jìn)行交流， 語(yǔ)法有問(wèn)題的可以完全不用擔(dān)心  住宿和交通費(fèi)用全包。     【注意事項(xiàng)】  - 理論上是可以推實(shí)習(xí)的，不過(guò)對(duì)中國(guó)學(xué)生來(lái)講實(shí)習(xí)不是很現(xiàn)實(shí)，本科生太忙，研究生完 全2、3個(gè)月在外面導(dǎo)師應(yīng)該說(shuō)不過(guò)去 - 基本沒(méi)有deadline，全年都可以聯(lián)系我，但是考慮到大陸學(xué)生過(guò)去的H1B簽證申請(qǐng)，如 果拿到offer需要在每年4月前遞交申請(qǐng)，所以最晚開(kāi)始面試應(yīng)該是2月，越快申請(qǐng)?jiān)胶?- 因?yàn)镕B在中國(guó)沒(méi)有公開(kāi)的招聘渠道，所以請(qǐng)不要傳播本帖（雖然知道基本是白說(shuō)，但是 希望至少本校的同學(xué)不要傳播出去）招聘的細(xì)節(jié)我不能說(shuō)太多，接觸以后可以聊 - 滿足條件就請(qǐng)大膽申請(qǐng)，在整個(gè)過(guò)程中我都可以為大家提供幫助和建議。根據(jù)HR的反饋 來(lái)看本人的推薦還是挺靠譜的，目前為止有7位同學(xué)通過(guò)我的推薦成功拿到了offer，目測(cè) 很快在一周之內(nèi)會(huì)達(dá)到10個(gè)