Python正则表达式
本文主要介绍了python中re模块的7个函数，根据一些实例辅助对于正则表达式的理解。
本文例子主要来源于下面的详细教程，例子基本都根据自己的理解有所改动和解释。
详细教程：http://www.runoob.com/python/python-reg-expressions.html
还有一篇详细的总结值得参考：https://www.cnblogs.com/greatfish/p/7572131.html
关于正则表达式的入门介绍：https://www.jb51.net/tools/zhengze.html
菜鸟教程中方便的正则表达式在线测试，底下有表达式示例：https://c.runoob.com/front-end/854
1.re.match函数
re.match(pattern, string, flags=0)
例1 理解起始位置开始匹配
import re
print(re.match('www', 'www.123.com').span()) #从起始位置匹配
print(re.match('com', 'www.123.com')) #没有从起始位置匹配re.match()有从起始位置开始匹配的特性。
以上的返回结果为：
(0, 3) #表示从0个字符开始到第2个字符匹配
None如果不加.span()返回结果为：
<_sre.SRE_Match object; span=(0, 3), match='www'>
例2 group方法
import re
line = "His cats are smarter than her dogs"
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
print ("matchObj.groups(): ", matchObj.groups()) #返回一个包含所有小组字符串的元组
print ("matchObj.group(): ", matchObj.group()) #返回匹配的整个表达式的字符串
print ("matchObj.group(1): ", matchObj.group(1)) #返回特定组匹配的字符串
print ("matchObj.group(2): ", matchObj.group(2))
print ("matchObj.group(3): ", matchObj.group(3))r表示字符串为非转义的原始字符串，让编译器忽略转义字符，也就是反斜杠。这句话中没有反斜杠，所以r可有可无。
句子中一共有两组，每个括号代表一组，所以打印matchObj.group(3)第三组的时候会报错。
(.*)为第一个分组，其中.*匹配除换行符的所有字符。
(.*?)为第二个分组，其中?表示非贪婪模式，只匹配符合条件的最少字符。所以在结果中只取了一个单词。
最后的.*由于没有括号，所以并不是分组，不计入匹配结果中。
matchObj.group()与matchObj.group(0)意义相同。
在本例中matchObj.groups()与matchObj.group(1， 2)结果相同。
可选标识符：
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。多个标志可以通过|来指定。
其中re.I使匹配对大小写不敏感，re.M表示多行匹配，影响^和$。
以上前4个返回结果为：
matchObj.groups(): ('His cats', 'smarter')
matchObj.group(): His cats are smarter than her dogs
matchObj.group(1): His cats
matchObj.group(2): smarter最后一个报错no such group
2.re.search函数
re.search(pattern, string, flags=0)
例1 返回第一个匹配上的字符串
import re
print(re.search('www', 'www.123.com').span())
print(re.search('com', 'www.123.com.com').span())返回结果为：
(0, 3)
(8, 11)与re.match区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败。而re.search匹配整个字符串，直到找到第一个匹配。
3.re.sub函数
re.sub(pattern, repl, string, count=0, flags=0)
repl替换的字符串，也可以为一个函数。
string要被替换的字符串。
count模式匹配后替换的最大次数。默认0表示替换所有的匹配。
例1 字符串替换
import re
phone = "2004-959-559 # This is an foreign phone number."
# 删除字符串中的注释
num = re.sub(r'#.*$', "", phone)
print("Phone NO is: ", num)
# 删除非数字的字符，包括'-'和注释
num = re.sub(r'\D', "", phone)
print("Phone NO is: ", num)#.*$表示匹配#好后面所有内容，一直到字符串结束为止。
\D表示匹配所有的非数字字符。
返回结果为：
Phone NO is: 2004-959-559
Phone NO is: 2004959559例2 函数替换
import re
def double(matched):
value = int(matched.group('value'))
return str(value*2)
s = "AH343I3U-4H97K0-J-"
print(re.sub(r'(?P\d+)' , double, s))(?P可以为组起一个别名，便于后续引用。
\d表示匹配所有的数字字符。
+表示匹配一次或多次。
返回结果：
AH686I6U-8H194K0-J-4.re.compile函数
re.compile(pattern, flags)
用于生成正则表达式对象，供re.search()和re.match()等其它函数使用。
例1 匹配数字
import re
pattern = re.compile(r'\d+')
print(pattern.match('one12two3three'))
print(pattern.match('one12two3three', 2))
print(pattern.match('one12two3three', 3).span())
m = pattern.match('one12two3three', 3, 4)
print(m.group())
print(m.start())
print(m.end())使用pattern.match()方法，可以选定匹配的起始以及结束位置。
之前是通过re.match()函数生成对象，对象可以调用group()方法。
现在是通过re.compile()函数生成正则表达式对象后，通过调用match()方法再生成类似上面的对象。不用多次输入相同的正则表达式值，更简练也更具有灵活性。
另外m.start()和m.end()可以返回匹配字符串的起始位置和结束位置。
返回结果为：
None
None
(3, 5)
1
3
4例2 匹配字符串
import re
pattern = re.compile('([a-z]+) ([a-z]+)', re.I)
s = "Hello World4 Wide Web"
m = pattern.match(s)
print(m.groups())
print(m.group(1))([a-z]+) ([a-z]+)表示匹配 纯字母字符串+空格+纯字母字符串，其中纯字母字符串至少包含一个字符。
返回结果为：
('Hello', 'World')
Hello5.findall函数
findall(string[, pos[, endpos]])
例 匹配数字
import re
pattern = re.compile(r'\d+', re.I)
s = "happy123hhh 456z3 4"
print(pattern.findall(s))返回结果：
['123', '456', '3', '4']6.finditer函数
在字符串中找到所有匹配的字符串，并把它们作为一个迭代器返回。
例 匹配数字
import re
pattern = re.compile(r'\d+', re.I)
s = "happy123hhh 456z3 4"
m = pattern.finditer(s)
print(m)
for match in m:
print(match, ' ', match.group())最后match.group()返回整个匹配上的字符串。
返回结果：
object at 0x0000018EF0E88CF8>
<_sre.SRE_Match object; span=(5, 8), match='123'> 123
<_sre.SRE_Match object; span=(12, 15), match='456'> 456
<_sre.SRE_Match object; span=(16, 17), match='3'> 3
<_sre.SRE_Match object; span=(18, 19), match='4'> 4 7.re.split函数
re.split(pattern, string[, maxsplit=0[, flags=0]])
例1 分割字符串
import re
s = 'happy, happy, happy.'
print(re.split(r'\W+', s))
print(re.split(r'\W+', s, 1))
print(re.split(r'(\W+)', s))
print(re.split(r'\d+', s, 1))其中\W表示非字母字符。
返回结果为：
['happy', 'happy', 'happy', '']
['happy', 'happy, happy.']
['happy', ', ', 'happy', ', ', 'happy', '.', '']
['happy, happy, happy.']第一个结果中，''的出现是由于.将字符串分成了happy和空。
第二个结果，是因为只分割了一次。
第三个结果是字符串完全分割后得到的列表。
如果找不到匹配的字符串，字符串不会被分割。