python中的正则表达式

反斜杠的问题

python中使用正则表达式作为转义字符，这就可能造成反斜杠困扰。假如你在文本中匹配字符'\'，那么正则表达式中则需要为'\\\\'，前两个和后两个都是用于将反斜杠转义成反斜杠，然后反斜杠再将反斜杠转义成字符串中的反斜杠。

In [38]: r'\\'
Out[38]: '\\\\'

正则表达式用到的主要方法

#返回pattern对象
re.compile(string[,flag]) 
#以下为匹配所用函数
re.match(pattern, string[, flags])
re.search(pattern, string[, flags])
re.split(pattern, string[, maxsplit])
re.findall(pattern, string[, flags])
re.finditer(pattern, string[, flags])
re.sub(pattern, repl, string[, count])
re.subn(pattern, repl, string[, count])

首先需要了解的是正则表达式的含义: 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

pattern是一个模式匹配，就是上文所说的"规则字符串"，可以通过re.compile()来获得。还有就是flags参数

• ? re.I(全拼：IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• ? re.M(全拼：MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
• ? re.S(全拼：DOTALL): 点任意匹配模式，改变'.'的行为
• ? re.L(全拼：LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
• ? re.U(全拼：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(全拼：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。

re.match(pattern, string[, flags])

这个方法将会从string（我们要匹配的字符串）的开头开始，尝试匹配pattern，如果匹配不会，则返回为None

In [43]: import re

In [44]: pattern=re.compile(r"hello")

In [45]: re.match(pattern,r'hee hello')

In [46]: re.match(pattern,r'helloiii')
Out[46]: <_sre.SRE_Match object; span=(0, 5), match='hello'>

re.search(pattern, string[, flags])

search方法与match方法极其类似，区别在于match()函数只检测pattern是不是在string的开始位置匹配，search()会扫描整个string查找匹配，match（）只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回None。

In [47]: re.search(pattern,r'hee hello')
Out[47]: <_sre.SRE_Match object; span=(4, 9), match='hello'>

In [48]: re.search(pattern,r'helloiii')
Out[48]: <_sre.SRE_Match object; span=(0, 5), match='hello'>

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。

In [42]: re.split(r'[\s|\\]',r'坑底Z蛙 胡大海\日了狗人了')
Out[42]: ['坑底Z蛙', '胡大海', '日了狗人了']

re.findall(pattern, string[, flags]) 

搜索string，以列表形式返回全部能匹配的子串。

In [50]: pattern = re.compile(r'\d+')

In [51]: re.findall(pattern,'one1two2three3four4')
Out[51]: ['1', '2', '3', '4']

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。

In [52]: for m in re.finditer(pattern,'one1one2one3one4'):
    ...:     print(m.group())
    ...:
1
2
3
4

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、\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。

In [55]: re.sub(pattern,r'\2 \1', s)
Out[55]: 'say i, world hello!'

In [56]: def func(m):
    ...:     return m.group(1).title() + ' ' + m.group(2).title()
    ...:

In [57]: re.sub(pattern,func, s)
Out[57]: 'I Say, Hello World!'

re.subn(pattern, repl, string[, count])

返回 (sub(repl, string[, count]), 替换次数)。

In [58]: re.subn(pattern,func, s)
Out[58]: ('I Say, Hello World!', 2)

In [111]: re.match(r'(a)(?(1)b|c)','ab')
Out[111]: <_sre.SRE_Match object; span=(0, 2), match='ab'>

In [117]: re.match(r'(a)?(?(1)b|c)','ab')
Out[117]: <_sre.SRE_Match object; span=(0, 2), match='ab'>

In [115]: re.match(r'(a)?(?(1)b|c)','c')
Out[115]: <_sre.SRE_Match object; span=(0, 1), match='c'>