python正则表达式

                       python正则表达式

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、\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

 

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