python正则表达式python正则表达式_第1张图片



一、re模块

   python中处理正则表达式的一个模块,通过re模块的方法,把正则表达式pattern编译成正则

对象,以便使用正则对象的方法


1.compile加速

re.compile(pattern[, flags])


说明:将正则规则编译成一个Pattern对象,以供接下来使用;第一个参数是规则式,第二个参数是规则选项;返回一个Pattern对象

1)参数flag是匹配模式,取值可以使用按位或运算符“|”表示同时生效,比如:re.I | re.M

2)flag的可选值:

re.I (re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)

M (MULTILINE):      多行模式,改变'^'和'$'的行为

S (DOTALL):        点任意匹配模式,改变'.'的行为

L (LOCALE):        使预定字符类 \w \W \b \B \s \S 取决于当前区域设定

U (UNICODE):        使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性

X (VERBOSE):        详细模式,正则表达式可以多行,忽略空白字符,可以加入注释


例子:

a和b等价

a = re.compile(r"""\d +  # the integral part

         \.    # the decimal point

         \d *  # some fractional digits""", re.X)

b = re.compile(r"\d+\.\d*")




2.正则原生符r

   表示这个字符串中间的特殊字符不用转义,比如要表示‘\n’,可以这样:r'\n',或者不用原生字符,而是用字符串:‘\\n

例子:

a = r"\n"

b =  "\n"

c = "\\n"

print a

print b

print c


结果:

\n

\n



3.re模块compile后,patten对象常用方法

3.1.match()方法----匹配开始

格式:match(string[, pos[, endpos]])

参数:

1)string:    匹配使用的字符串

2)pos:       开始搜索的索引(即开始搜索string的下标)默认从开头匹配,如没有返回None

3)endpos:    结束搜索的索引


例子

import re

pattern = re.compile(r"\w*(hello.*)(world.*)")

result = pattern.match("aahello world huang")

print(result.groups())

结果:

('hello ', 'world huang')




3.2.search()方法----匹配任意位置

   从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None

格式: search(string[, pos[, endpos]])


例子:

import re

pattern = re.compile(r"\w*(hello.*)(world.*)")

result = pattern.search("aahello world huang")

print(result.groups())

结果:

('hello ', 'world huang')



3.3.findall()方法----匹配所有对象

返回匹配到的全部子串,列表形式

格式:

findall(string[, pos[, endpos]]) 


例子:

import re

pattern = re.compile(r"\d+")

result = pattern.findall("one1two2three3four")

print result

结果:

['1', '2', '3']




3.4.finditer()方法

顺序返回匹配结果(Match对象)的迭代器

格式:finditer(string[, pos[, endpos]])


例子:

import re

pattern = re.compile(r"\d+")

result = pattern.finditer("one1two2three3four")

print type(result)

for m in result:

   print type(m)

   print (m.group())


结果:

1

2

3




# 3.5.split()方法

以匹配到的子串作为分隔符,返回列表

格式:split(string[, maxsplit])

参数:

maxsplit:用于指定最大分割次数,不指定将全部分割


例子:

import re

pattern = re.compile(r"\d+")

result = pattern.split("one1two2three3four")

print result

结果:

['one', 'two', 'three', 'four']




# 3.6.sub()方法

替换匹配结果的字符串

格式:sub(repl, string[, count]) 

参数:

1)使用repl替换string中每一个匹配的子串后返回替换后的字符串:

当repl是一个字符串时,可以使用\id或\g、\g引用分组,但不能使用编号0;

当repl是一个方法时,这个方法应当只接受一个参数(Match对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)


2)count用于指定最多替换次数,不指定时全部替换


例子:

import re

p = re.compile(r'(\w+) (\w+)')

s = 'i say, hello world!'

print(p.sub(r'\2 \1', s))



结果:

say i, world hello!




4.re模块方法

说明:用法同compile后,patten常用方法一样

4.1.match()和serch()函数

格式:

match( rule , targetString [,flag] )   # 从开始位置开始匹配,如果开头没有,则返回无

search( rule , targetString [,flag] )  # 搜索整个字符串


参数:

第一个是正则规则;第二个是目标字符串;第三个是选项(同compile函数的选项)

返回:

若成功,则返回一个Match对象;若失败,则无返回



4.2.findall()和finditer()函数

格式:

findall( rule , targetString [,flag] )  # 返回所有匹配的字符串,并存为一个列表

finditer( rule , target [,flag] )             # 返回一个匹配的字符串迭代器



4.3.split()函数

切片,返回一个被切完的子字符串的列表

格式:

split( rule , target [,maxsplit] )



4.4.sub()函数

替换字符串

格式:

sub ( rule , replace , target [,count] )   # 返回一个被替换的字符串

subn(rule , replace , target [,count] )   # 返回一个元组,第一个元素是被替换的字符串,第二个次数




5.match对象和group

每个组都有一个序号,按定义时从左到右的顺序从1开始编号,0表示整个正则表达式本身

group([index|id])   # 获取匹配的组号,缺省返回组0,表示全部值

groups()         # 返回全部的组

groupdict()       # 返回以组名为key,匹配的内容为values的字典


1)通过数字分组

2)通过别名分组


例子:

import re

prog = re.compile(r'(?P<tagname>abc)(.*)(?P=tagname)')

result = prog.match('abc1234567890abc')


print "## groups() ############"

print(result.groups())

print ""


print "## group('tagname') ############"

print result.group('tagname')

print ""


print "## group(1) ############"

print(result.group(1))

print ""


print "## group(2) ############"

print(result.group(2))

print ""


print "## groupdict() ############"

print(result.groupdict())


结果:

## groups() ############

('abc', '1234567890')


## group('tagname') ############

abc


## group(1) ############

abc


## group(2) ############

1234567890


## groupdict() ############

{'tagname': 'abc'}




二、正则表达式分组

  分组就是用一对圆括号“()”括起来的正则表达式,匹配出的内容就表示一个分组。从正则表达式的左边开始看,看到的第一个左括号“(”表示第一个分组,第二个表示第二个分组,依次类推,需要注意的是,有一个隐含的全局分组(就是0),就是整个正则表达式。

分完组以后,要想获得某个分组的内容,直接使用group(num)和groups()函数去直接提取就行


1.命名分组

  命名分组就是给具有默认分组编号的组另外再给一个别名。命名分组的语法格式如下:

  (?P正则表达式)   #name是一个合法的标识符

 python正则表达式_第2张图片


2.后向引用

   当用”()”定义了一个正则表达式组后,正则引擎则会把被匹配的组按照顺序编号,存入缓存。这样我们想在后面对已经匹配过的内容进行引用时,就可以用”\数字”的方式或者是通过命名分组进行”(?P=name)“进行引用。\1表示引用第一个分组,\2引用第二个分组,以此类推,\n引用第n个组。而\0则引用整个被匹配的正则表达式本身

  python正则表达式_第3张图片