学习笔记：在Python中使用正则表达式

主要介绍Python中re库的接口使用。

常用接口

• search() 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
• match() 从一个字符串的开始位置起匹配正则表达式，返回match对象
• findall() 搜索字符串，以列表类型返回全部能匹配的子串
• split() 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
• finditer() 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
• sub() 在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串

两种用法

• re.compile编译正则表达式，生成一个Pattern对象，再使用Pattern进行匹配或其他操作：

pattern = re.compile(r'\d+')
m = pattern.match('12twothree34four')

这种方法一般用于同一个正则表达式匹配多个字符串的情况（正则表达式不用反复编译）。

• 直接使用：

m = re.match(r'\d+', '12twothree34four')

match(pattern, string, flags=0)

flags:

• re.I(IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• re.M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
• re.S(DOTALL): 点任意匹配模式，改变'.'的行为
• re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
• re.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
• re.X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

返回值

match_object
无法匹配时返回None

属性

• string: 匹配时使用的文本。
• 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。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
• endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
• lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
• lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法

• group([group1, …]):
  获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
• groups([default]):
  以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
• groupdict([default]):
  返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
• start([group]):
  返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
• end([group]):
  返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
• span([group]):
  返回(start(group), end(group))。
• expand(template):
  将匹配到的分组代入template中然后返回。template中可以使用\id或\g、\g引用分组，但不能使用编号0。\id与\g是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

m = re.match(r'(\w+) (\w+)(?P[^\w]*)', 'hello world!ab')
m.string  # hello world!ab
m.re  # re.compile('(\\w+) (\\w+)(?P[^\\w]*)')
m.pos  # 0
m.endpos  # 14
m.lastgroup  # sign
m.group() # 'hello world!'
m.group(1,2)  # ('hello', 'world')
m.groups()  # ('hello', 'world', '!')
m.groupdict()  # {'sign': '!'}
m.start(2)  # 6
m.end(2)  # 11
m.span(2)  # (6, 11)
m.expand(r'\2 \1\3')  # world hello!

search(pattern, string, flags=0)

返回值

match_object
搜索不到时返回None

split(pattern, string, maxsplit=0, flags=0)

与string.split()类似，因为可以使用正则所以更加灵活

maxsplit

指定最大分割次数，不指定将全部分割

返回值

分割后的list

findall(pattern, string, flags=0)

搜索string，以列表形式返回全部能匹配的子串。

返回值

匹配到的字符串的list

finditer(pattern, string, flags=0)

搜索string，以迭代器形式返回全部能匹配的match_object

sub(pattern, repl, string, count=0, flags=0)

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）。
count用于指定最多替换次数，不指定时全部替换。

返回值

new_string

p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
 
print(p.sub(r'\2 \1', s))  # say i, world hello!
 
def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
 
print(p.sub(func, s))  # I Say, Hello World!

subn(pattern, repl, string, count=0, flags=0)

比sub多返回一个替换次数

返回值

(new_string, number_of_subs_made)

参考

https://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
https://docs.python.org/3/library/re.html