Python——正则表达式(4)

本文译自官方文档：

Regular Expression HOWTO

参考文章：

Python——正则表达式(1)

Python——正则表达式(2)

Python——正则表达式(3)

全文下载：

Python正则表达式基础

====================================================================================

5．修改字符串
到目前为止，我们只是知道了如何在静态的字符串上执行搜索。正则表达式也可以通过使用下述模式方法修改字符串：

方法/属性	功能
split()	在正则表达式匹配的地方进行分割，返回一个列表
sub()	找到所有匹配的子字符串，并替换为新的子串
subn()	和sub()方法做同样的事情，但返回新的字符串以及替换的数目

---------------------------------------------------------------------------------------------------------------------------------------------------

5.1．分割字符串
模式对象的split()方法在正则表达式匹配的地方进行分割，并将分割的结果作为列表返回。它和Python字符串的split()方法有些类似， Python字符串的split()方法支持按照空格或者按照固定的字符串分割，但是它提供更广泛的分隔符。正如你所预想的，它同时也提供一个模块级别的函数re.split()。

split(string [, maxsplit = 0])
按照正则表达式匹配来分割字符串。如果在正则表达式中使用了捕获组，那么它们的内容也将作为一个列表的一部分返回。如果maxsplit不为0，表示至多有maxsplit个分割会被处理。

你可以通过传入maxsplit参数来确定分割的数量，当maxsplit不为0时，最多有maxsplit个分割会被处理，剩下的字符串将会作为列表的最后一项返回。在下述例子中，分隔符是任意的非字母数字字符序列。

>>> p = re.compile(r'\W+')
>>> p.split('This is a test,short and sweet,of split().')
['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']
>>> p.split('This is a test,short and sweet,of split().',3)
['This', 'is', 'a', 'test,short and sweet,of split().']

有时候你不仅对分隔符之间的内容感兴趣，还对分隔符本身感兴趣。如果在正则表达式中使用捕获分组，那么它们的内容将作为列表的一部分返回，

对比下述例子：

>>> p = re.compile(r'\W+')
>>> p2 = re.compile(r'(\W+)')
>>> p.split('This... is a test.')
['This', 'is', 'a', 'test', '']
>>> p2.split('This... is a test.')
['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']

模块级别的函数re.split()除了将正则表达式作为第一参数外，其他是一样的。

>>> re.split(r'[\W]+','Words,words,words.')
['Words', 'words', 'words', '']
>>> re.split(r'([\W]+)','Words,words,words.')
['Words', ',', 'words', ',', 'words', '.', '']
>>> re.split(r'[\W]+','Words,words,words.',1)
['Words', 'words,words.']

---------------------------------------------------------------------------------------------------------------------------------------------------
5.2．查找和替换
另一个常见的任务就是找到匹配的所有子字符串，并且将它们替换成新的子串。sub方法有一个replacement参数，可以接受一个字符串或者一个处理字符串的函数。

sub(replacement , string [ , count=0])
返回一个字符串，这个字符串从左边开始，所有RE匹配的地方都替换成replacement。如果没有找到任何匹配的内容，那么返回原来的字符串。
可选参数count是指定模式替换的最大次数。count必须是一个非负数，默认值0表示替换所有匹配的地方。

下述是一个使用sub()方法的简单例子，它用单词colour替换所有颜色的名字。

>>> p = re.compile('(blue|white|red)')
>>> p.sub('colour','blue socks and red shoes')
'colour socks and colour shoes'
>>> p.sub('colour','blue socks and red shoes',1)
'colour socks and red shoes'

subn()方法与sub()功能一致，但是subn()方法会返回一个包含两个元素的元组：新的字符串和执行替换的次数：

>>> p = re.compile('blue|white|red')
>>> p.subn('colour','blue socks and red shoes')
('colour socks and colour shoes', 2)
>>> p.subn('colour','no colours at all')
('no colours at all', 0)

空匹配只有在它们没有紧挨着前面的匹配时才会被替换掉：

>>> p = re.compile('x*')
>>> p.sub('-','abxd')
'-a-b-d-'

如果 replacement 参数是一个字符串，那么之中的反斜杠都会被处理。比如 \n 将会被转换成一个换行符，\r会被 转换成回车，等等。未知的转义如 \j 保持原样。逆向引用，如 \6，则被 RE 中相应的捕获组匹配的内容所替换。这使你可以在替换后的字符串中插入一部分原字符串。

下述这个例子将匹配后面跟着大括号{ }的单词section，并将section替换成subsection：

>>> p = re.compile('section{([^}]*)}',re.VERBOSE)
>>> p.sub(r'subsection{\1}','section{First} section{Second}')
'subsection{First} subsection{Second}'

还可以使用Python的扩展语法 (?P<name>) 指定命名组，\g<name> 将会替换成名称为name的分组匹配的内容，并且，\g<数字> 也可以使用分组序号引用。\g<2>和 \2 的作用是一样的，但是它更清晰，比如在这样的表达式中：\g<2>0，它表示引用分组序号为2的分组内容，后面再匹配数字0，而如果换成第一种写法就会变成：\20，这样会让匹配引擎认为是引用第20个分组的内容。下述三个例子是一样的替换，但是用了三个不同的replacement字符串：

>>> p = re.compile('section{ (?P<name>[^}]*) }',re.VERBOSE)
>>> p.sub(r'subsection{\1}','section{First}')
'subsection{First}'
>>> p.sub(r'subsection{\g<1>}','section{First}')
'subsection{First}'
>>> p.sub(r'subsection{\g<name>}','section{First}')
'subsection{First}'

replacement参数也可以是一个函数，这可以让你实现更多的功能。如果replacement参数是一个函数，该函数将会在正则表达式模式每次不重复匹配的时候被调用。在每次调用时，函数会收到一个匹配对象的参数，因此你就可以利用这个对象去计算出新的字符串并返回它。

下述例子，replacement方法将十进制数字转换成十六进制：

>>> def hexrepl(match):
	'''Return the hex string for a decimal number'''
	value = int(match.group())
	return hex(value)

>>> p = re.compile(r'\d+')
>>> p.sub(hexrepl,'Call 65490 for printing, 49152 for user code.')
'Call 0xffd2 for printing, 0xc000 for user code.'

当使用模块级函数re.sub()的时候，正则表达式模式同样作为第一参数传递。该模式可以是一个字符串或一个编译好的对象。如果你需要指定正则表达式编译标志，那么你必须使用后者；或者使用模式内嵌修正器，例如，sub("(?i)b+", "x", "bbbb BBBB") 返回 'x x'。