正则表达式基础（python快速入门精华切记04）

  一 总览

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：

1.先将正则表达式的字符串形式编译为Pattern实例：re.compile(strPattern[, flag])

2.使用Pattern实例处理文本并获得匹配结果即一个Match实例：re.match(pattern, string, flags=0)

3.最后使用Match实例获得信息，便于进行其他的操作：group（）等

如：

import re
s1="hello World!"
s2="helloWorld!"
s3="hello World"
s4="hello 猪八戒！"
r=re.compile(r"hello\s(\w)+\!",re.I)
print r,'\n\n',r.match(s1),'\n'
print r.match(s1).group(),'\n'
print r.match(s2),r.match(s3),r.match(s4),'\n'

运行结果：

<_sre.SRE_Pattern object at 0x000000000AAB1D50> 

<_sre.SRE_Match object at 0x000000000AD2BA80> 

hello World! 

None None None 

二 元字符

元字符是一个或一组代替一个或多个字符的字符

注意：正则表达式里使用"\"作为转义字符，要匹配原字符"\"，将要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里的原生字符串能在正则表达式中用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。

三 正则表达式修饰符

四 Pattern对象

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使用re.compile()进行构造，不能直接实例化。

属性：

1. pattern: 编译时用的表达式字符串。 

2. flags: 编译时用的匹配模式。数字形式。 

3. groups: 表达式中分组的数量。 

4. 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。

如：

p=re.compile(r"(hello)\s(\w+)(?P<last>\!)",re.S)
print "p.pattern:", p.pattern
print "p.flags:", p.flags
print "p.groups:", p.groups
print "p.groupindex:", p.groupindex

结果：

p.pattern: (hello)\s(\w+)(?P<last>\!)
p.flags: 16
p.groups: 3
p.groupindex: {'last': 3}

方法：

可使用 findall、finditer、match、search、split、sub、subn 等函数
如：

s='''kobe star
lebron star
paul star'''
print re.match('k\w+',s)
print re.search('k\w+',s)
print re.search('k\w+',s).group(),'\n'

p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'

print p.match(s).group(1)
print p.match(s).group(2)

print p.sub(r'\2 \1', s,1)

def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
print p.sub(func, s)

结果：

<_sre.SRE_Match object at 0x000000000AC41E68>
<_sre.SRE_Match object at 0x000000000AC41E68>
kobe 


i
say
say i, hello world!
I Say, Hello World!

五 Match对象

属性：

1. string: 匹配时使用的文本。2. re: 匹配时使用的Pattern对象。
3. 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。
4. 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。 
5. 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。
6. 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：

1. 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。 
2.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。 
3.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。 
4.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。 
5.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。 
6.span([group]): 返回(start(group), end(group))。 

如：

m=re.match(r"(hello)\s(\w+)(?P<last>\!)","hello World!")
print m.group()
print "m.string:", m.string
print "m.re:", m.re
print "m.pos:", m.pos
print "m.endpos:", m.endpos
print "m.lastindex:", m.lastindex
print "m.lastgroup:", m.lastgroup
print "m.group(1,2):", m.group(1, 2)
print "m.groups():", m.groups()
print "m.groupdict():", m.groupdict()
print "m.start(2):", m.start(2)
print "m.end(2):", m.end(2)
print "m.span(2):", m.span(2)
print r"m.expand(r'\2 \1 \3'):", m.expand(r"\2 \1 \3"),'\n'

输出：

hello World!
m.string: hello World!
m.re: <_sre.SRE_Pattern object at 0x000000000AC3F148>
m.pos: 0
m.endpos: 12
m.lastindex: 3
m.lastgroup: last
m.group(1,2): ('hello', 'World')
m.groups(): ('hello', 'World', '!')
m.groupdict(): {'last': '!'}
m.start(2): 6
m.end(2): 11
m.span(2): (6, 11)
m.expand(r'\2 \1 \3'): World hello !