[Python编程]正则表达式

[Python编程]正则表达式

目录：

1，引言

2，正则表达式语法

3，re模块

1，引言

正则表达式具有在文本中检索某种模式的能力，正则表达式（RE）为高级文本模式匹配，以及搜索-替代等功能提供了基础。正则表达式（RE）是一些由字符和特殊符号组成的字符串，它们描述了这些字符和字符的某种重复方式，因此能按某种模式匹配一个有相似特征的字符串的集合，因此能按某模式匹配一系列有相似特征的字符串。

很多语言都支持正则表达式，Python也不例外，Python也是有正则表达式模块re让Python更加适合处理文本和数据。Python通过标准库的re模块支持正则表达式（RE）。

2，正则表达式语法

下面是Python中正则表达式的一些匹配规则：（来源于Python核心编程）

2.1 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"。

2.2  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。

3，re模块

Python的re模块：核心函数和方法

模块的函数：

compile(pattern,flag=0) ：对正则表达式模式pattern进行编译，flag是可选标识符，并返回一个regex对象

可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。

re模块的函数和regex对象的方法：

match(pattern,string,flag=0)：尝试用正则表达式模式pattern匹配字符串string，flag是可选标识符，如果匹配成功，则返回一个匹配对象，否则返回None

search(pattern,string,flag=0)：在字符串string中搜索正则表达式模式pattern的第一次出现，flag是可选标识符，如果匹配成功。则返回一个匹配对象，否则返回None

findall(pattern,string[,flags])：在字符串string中搜索正则表达式模式pattern的所有（非重复）出现：返回一个匹配对象的列表

finditer(pattern,string[,flags])：和findall()相同，但是返回的不是列表而是迭代器，对于每一个匹配，该迭代器返回一个匹配对象

split(pattern,string,max=0)：更加正则表达式pattern中的分隔符吧字符string分割成为一个列表，返回成功匹配的列表，最多分割max次（默认是分割所有匹配的地方）

sub(pattern,repl,string,max=0)：把字符串string中所有匹配正则表达式pattern的地方替换成字符串repl，如果max的值有给出，则对所有匹配的地方进行替换

匹配对象的方法：
group(num=0)：返回全部匹配对象（或者指定编号是num的子组）

groups()：返回一个包含全部匹配的子组的元组（如果没有成功匹配，就返回一个空元组）

<span style="font-size:18px;">import re

pattern = re.compile(r'foo')
m = re.match(pattern,'foohelloworldpython')
if m is not None:
	m.group()
else:
	print 'None'
'foo'

m = re.search(pattern,'hellopythonfoo')
if m is not None:
	m.group()
else:
	print 'None'

'foo'

re.findall(pattern,'foo findfooitem food')
['foo','foo','foo']

re.sub('X','Mr.Smith','attn:X\n\nDear X,\n')
'attn:Mr.Smith\012\012Dear Mr.Smith,\012'

re.split(':','str1:str2:str3')
['str1','str2','str3']</span>