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
按顺序返回匹配结果(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
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
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