本文介绍了Python对于正则表达式的支持，包括正则 表达式基础以及Python正则表达式标准库的完整介绍及使用示例。本文的内容不包括如何编写高效的正则表达式、如何优化正则表达式，这些主题请查看其他 教程。
注意：本文基于Python2.4完成；如果看到不明白的词汇请记得百度谷歌或维基，whatever。
尊重作者的劳动，转载请注明作者及原文地址 >.<html
1. 正则表达式基础
1.1. 简单介绍
正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如 str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数 量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。
下图 展示了使用正则表达式进行匹配的流程：
正则表达式的大致匹配过程是：依次拿出表达式和文本中 的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好 理解的，看下图中的示例以及自己多使用几次就能明白。
下图列出了Python支持的正则表达式元字符和语法：
1.2. 数量词的贪婪模式与非贪婪模式
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的 字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式"ab*"如果用于查找"abbbc"，将找到"abbb"。而如果使用非贪婪的数 量词"ab*?"，将找到"a"。
1.3. 反斜杠的困扰
与大多数编程语言相同，正则表达式里使用"/"作为转 义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"/"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"////"：前两个和后两个 分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中 的正则表达式可以使用r"//"表示。同样，匹配一个数字的"//d"可以写成r"/d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的 表达式也更直观。
1.4. 匹配模式
正则表达式提供了一些可用的匹配模式，比如忽略大小写、多行匹配等，这部分 内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。
2. re模块
2.1. 开始使用re
Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串 形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的 操作。
05 |
pattern = re. compile (r 'hello' ) |
08 |
match = pattern.match( 'hello world!' ) |
re.compile(strPattern[, flag]):
这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数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。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。
可选值有：
- 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（参见上图）
- 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。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。以下两个正则表达式是等价的：
4 |
b = re. compile (r "/d+/./d*" ) |
re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代，唯一的好处是少写一行 re.compile()代码，但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以 简写为：
1 |
m = re.match(r 'hello' , 'hello world!' ) |
re模块还提供了一个方法escape(string)，用于 将string中的正则表达式元字符如*/+/?等之前加上转义符再返回，在需要大量匹配元字符时有那么一点用。
2.2. Match
Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。
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<id>、 /g<name>引用分组，但不能使用编号0。/id与/g<id>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。
02 |
m = re.match(r '(/w+) (/w+)(?P<sign>.*)' , 'hello world!' ) |
04 |
print "m.string:" , m.string |
06 |
print "m.pos:" , m.pos |
07 |
print "m.endpos:" , m.endpos |
08 |
print "m.lastindex:" , m.lastindex |
09 |
print "m.lastgroup:" , m.lastgroup |
11 |
print "m.group(1,2):" , m.group( 1 , 2 ) |
12 |
print "m.groups():" , m.groups() |
13 |
print "m.groupdict():" , m.groupdict() |
14 |
print "m.start(2):" , m.start( 2 ) |
15 |
print "m.end(2):" , m.end( 2 ) |
16 |
print "m.span(2):" , m.span( 2 ) |
17 |
print r "m.expand(r'/2 /1/3'):" , m.expand(r '/2 /1/3' ) |
2.3. Pattern
Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。
Pattern不能直接实例化，必须使用re.compile()进行构造。
Pattern提供了几个可读属性用于获取表达式的相关信息：
- pattern: 编译时用的表达式字符串。
- flags: 编译时用的匹配模式。数字形式。
- groups: 表达式中分组的数量。
- groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。
02 |
p = re. compile (r '(/w+) (/w+)(?P<sign>.*)' , re.DOTALL) |
04 |
print "p.pattern:" , p.pattern |
05 |
print "p.flags:" , p.flags |
06 |
print "p.groups:" , p.groups |
07 |
print "p.groupindex:" , p.groupindex |
实例方法[ | re模块方法]：
- match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
这个方法将从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；如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。
pos和endpos的默认值分别为0和len(string)；re.match()无法指定这两个参数，参数flags用于编译 pattern时指定匹配模式。
注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上 边界匹配符'$'。
示例参见2.1小节。
- search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
这个方法用于查找字符串中可以匹配成功的子串。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。
pos和endpos的默认值分别为0和len(string))；re.search()无法指定这两个参数，参数flags用于编译 pattern时指定匹配模式。
05 |
pattern = re. compile (r 'world' ) |
09 |
match = pattern.search( 'hello world!' ) |
- split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。
3 |
p = re. compile (r '/d+' ) |
4 |
print p.split( 'one1two2three3four4' ) |
- findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜索string，以列表形式返回全部能匹配的子串。
3 |
p = re. compile (r '/d+' ) |
4 |
print p.findall( 'one1two2three3four4' ) |
- finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。
3 |
p = re. compile (r '/d+' ) |
4 |
for m in p.finditer( 'one1two2three3four4' ): |
- sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
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<id>、/g<name>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。
03 |
p = re. compile (r '(/w+) (/w+)' ) |
04 |
s = 'i say, hello world!' |
06 |
print p.sub(r '/2 /1' , s) |
09 |
return m.group( 1 ).title() + ' ' + m.group( 2 ).title() |
- subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。
03 |
p = re. compile (r '(/w+) (/w+)' ) |
04 |
s = 'i say, hello world!' |
06 |
print p.subn(r '/2 /1' , s) |
09 |
return m.group( 1 ).title() + ' ' + m.group( 2 ).title() |
以上就是Python对于正则表达式的支持。熟练掌握正则表达式是每一个程序员必须具备的技能，这年头没有不与字符串打交道的程序了。笔者也 处于初级阶段，与君共勉，^_^
另外，图中的特殊构造部分没有举出例子，用到这些的正则表达式是具有一定难度的。有兴趣可以思考一下，如何匹配不是以abc开头的 单词，^_^
全文结束
本文转自http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
