python基础——re（正则表达式）

1 python正则表达式

python中正则表达式一般使用自带的re模块，本文将简单介绍该模块的使用方法和注意事项。

1.1 原始字符串

在python中使用正则表达式时，建议使用原始字符串，也就是以r开头的字符串，如r"python"。

1.2 转义字符

在re模块中有一些特殊字符，如.+?\等，这些字符在正则表达式中有特殊意义。但是让我们需要匹配这些符号时，比如我要匹配字符串中的?号，这时候就需要使用转义字符了。只需要在这些特殊字符前面加上反斜杠\就可以了。
比如，r"python\.org"用来匹配python.org

1.3 数量词的贪婪模式与非贪婪模式

在使用*+?这这几个表示数量的符号时，默认的情况是贪婪的（尽可能多的匹配字符）。而有时候需要使用非贪婪模式（尽可能少的匹配字符），这时候只需要在这几个符号后边再加一个?就是非贪婪模式了。例如：

查找字符串"aabbbcc"
贪婪模式下：r"ab*"   将匹配  "aabbb"
非贪婪模式：r"ab*?"  将匹配  "ab"

2 re模块简介

2.1 re模块方法简介

方法	描述
compile(pattern[, flag])	根据正则表达式创建匹配对象
match(pattern, string[, flag])	在字符串开始处开始匹配，返回matchObject或者None
search(pattern, string[, flag])	在字符串中查找模式，返回matchObject或者None
split(pattern, string[, maxsplit])	根据模式的匹配项来分割字符串
findall(pattern, string[, flag])	以列表的形式返回匹配的所有子串
finditer(pattern, string[,flag])	返回一个顺序访问每一个匹配结果（matchObject）的迭代器
sub(pattern, repl, string[, count])	将字符串中的匹配项替换成指定字符串
subn(pattern, repl, string[, count])	相比于sub方法，多返回一个替换次数

2.2 re.compile(pattern[, flag])

主要是将一个正则表达式编译成一个匹配模式对象（pattern），方便后续使用 。因为使用正则表达式匹配字符串时，都需要将正则表达式编译成匹配模式对象（pattern对象）。对于要频繁使用的正则表达式最好先调用compile方法将其编译好，后续使用时就省去了编译的时间。其中flag参数主要有如下选项：

flag	描述
re.I	忽略大小写
re.M	多行模式
re.S	点任意匹配模式
re.L	使预定义字符类 \w \W \b \B \s \S 取决于当前区域设定
re.U	使预定义字符类 \w \W \b \B \s \S 取决于unicode定义的字符属性
re.X	详细模式，正则表达式可以是多行的，忽略空白字符，可以加注释

2.3 re.match(pattern[, flag])

从string的开头开始匹配，如果成功返回一个matchObject，否则返回None。matchObject提供如下属性和方法，来获取匹配的子串的信息：

方法与属性	描述
string	匹配时使用的字符串
re	匹配时使用的pattern对象
pos	文本中正则表达式开始搜索的索引
endpos	最后一个被捕获的分组在文本中的索引，默认为None
lastgroup	最后一个被捕获的分组的别名
group([g1, g2, ...])	获得一个或者多个分组截获的字符串；指定多个参数时，以元组形式返回；g1可以使用编号也可以使用别名，其中编号0表示整个匹配的子串；默认返回None
groups()	以元组的形式返回全部分组截获的字符串
groupdict()	返回以有别名的组的别名为键、以组截获的字符串为值的字典，不包含没有别名的
start([g])	返回指定的组截获的字串在string中的开始索引，group默认为0
end([g])	返回指定的组截获的字串在string中的结束索引（最后一个字符索引+1），group默认为0
span([g])	返回(start([group]), end([group]))
expand(template)	将匹配的分组带入tmplate中返回

例程如下：

>>> ptn = re.compile(r"(\w+) (\w+)(?P.*)")
>>> m = ptn.match("hello world!")
>>> print "m.string:", m.string
m.string: hello world!
>>> print "m.re:", m.re
m.re: <_sre.SRE_Pattern object at 0x10af6c030>
>>> print "m.pos:", m.pos
m.pos: 0
>>> print "m.endpos:", m.endpos
m.endpos: 12
>>> print "m.lastindex:", m.lastindex
m.lastindex: 3
>>> print "m.lastgroup:", m.lastgroup
m.lastgroup: sign
>>> print "m.group():", m.group()
m.group(): hello world!
>>> print "m.group(1,2):", m.group(1, 2)
m.group(1,2): ('hello', 'world')
>>> print "m.groups():", m.groups()
m.groups(): ('hello', 'world', '!')
>>> print "m.groupdict():", m.groupdict()
m.groupdict(): {'sign': '!'}
>>> print "m.start(2):", m.start(2)
m.start(2): 6
>>> print "m.end(2):", m.end(2)
m.end(2): 11
>>> print "m.span(2):", m.span(2)
m.span(2): (6, 11)
>>> print r"m.expand(r'\g \g\g'):", m.expand(r'\2 \1\3')
m.expand(r'\g \g\g'): world hello!

2.4 re.search(pattern[, flag])

扫描整个string查找匹配的子串，如果成功返回一个matchObject对象，否则返回None

2.5 re.split(pattern, string[, maxsplit])

按照能够匹配的字串将string分割，并返回列表，maxsplit用于指定最大分割次数。例程如下：

>>> ptn = re.compile(r"\d+")
>>> print ptn.split("one1two2three34four4")
['one', 'two', 'three', 'four', '']

2.6 re.findall(pattern, string[, flag])

搜索string，以列表形式返回全部能够匹配的子串，例程如下：

>>> ptn = re.compile(r"\d+")
>>> print ptn.findall("one1two2three34four4")
['1', '2', '34', '4']

2.7 re.finditer(pattern, string[, flag])

搜索string，返回一个顺序访问每一个匹配结果（MatchObject）的迭代器，例程如下

>>> pattern = re.compile(r'\d+')
>>> for m in re.finditer(pattern,'one1two2three3four4'):
...     print m.group()
...
1
2
3
4

2.8 re.sub(pattern, repl, string[, count])

使用repl替换string中每一个匹配的字串后，返回替换后的字符串
1）当repl是一个字符串时，可以使用\id或者\g引用分组，但不能使用编号0，如下：
2）当repl是一个方法时，这个方法只接受一个matchObject对象作为参数，并放回一个字符串用于替换
count用于指定最多替换次数，不指定时全部替换
例程如下：

>>> ptn = re.compile(r"(\w+) (\w+)")
>>> s = "i say, hello world!"
>>> print ptn.sub("replace", s)    #使用普通字符串
replace, replace!
>>> print ptn.sub(r"\2 \1", s)     #使用\id引用分组
say i, world hello!
>>> def func(m):
...     return m.group(1).title() + " " + m.group(2).title()
...
>>> print re.sub(ptn, func, s)      #使用方法
I Say, Hello World!

2.9 re.subn(pattern, repl, string[, count])

返回(sub(pattern, repl, string[, count]), 替换次数)

3 正则表达式的语法规范

20130515113723855.png