正则表达式就是用事先定义好的字符及其组合,组成一个“规则字符串”,然后用它去过滤或匹配字符串。首先给出正则表达式的语法规则:
re模块
python自带re模块,提供对正则表达式的支持,下面分别介绍re支持的方法。
re.compile
利用re.compile生成一个pattern对象,pattern 可以理解为一个匹配模式,基于这个对象可以进行下一步的匹配,其语法为:
re.compile(string[,flag])
下面的几个方法都是基于parrern模型来进行匹配的。
1.re.match(pattern, string[, flags])
此方法从字符创开头进行匹配,返回匹配成功的字符内容,如匹配不成功,则返回None,下面的例子,我们尝试匹配以“python开头的字符串”,match匹配的结果可以通过group方法查看:
>>> import re
>>> pattern=re.compile(r'python')
>>> result1=re.match(pattern,'python')
>>> result2=re.match(pattern,'pythonooo')
>>> result3=re.match(pattern,'pythoooo')
>>> result1.group()
'python'
>>> result2.group()
'python'
>>> result3.group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
下面是match属性和方法的详细介绍:
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))。
7.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、\g引用分组,但不能使用编号0。\id与\g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\g0。
2.re.search(pattern, string[, flags])
serach与match方法的区别在于,match是从头开始匹配,serach则会扫描整个字符串,返回匹配成功的内容。
>>> pattern=re.compile(r'hello')
>>> result=re.search(pattern,'hello,marry')
>>> result1=re.search(pattern,'marry,hello')
>>> result.group()
'hello'
>>> result1.group()
'hello'
如果我们想不区分大小写进行匹配,该怎么做呢,可以添加参数re.I
>>> s1=re.match(r'[abcd]+','abcd',re.I)
>>> s2=re.match(r'[abcd]+','Abcd',re.I)
>>> s3=re.match(r'[abcd]+','abMd',re.I)
>>> ls=[s1,s2,s3]
>>> for s in ls:
... if s:
... print s.group()
... else:
... print 'sorry,failed!'
...
abcd
Abcd
ab
3.re.findall(pattern, string[, flags])
findall方法返回所有匹配成功的字符串,结果以列表的形式呈现:
>>> result=re.findall(r'\D+','good3better2ok1')
>>> result
['good', 'better', 'ok']
4.re.finditer(pattern, string[, flags])
返回一个迭代器
>>> results=re.finditer(r'\D+','good3better2ok1')
>>> for result in results:
... print result.group()
...
good
better
ok
5.re.split(pattern, string[, maxsplit])
根据匹配的字符串对文档进行分割,结果以列表的形式呈现:
>>> a=re.split(r':|,| ','name:Bob,marry Tom')
>>> a
['name', 'Bob', 'marry', 'Tom']
6.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)。
a=re.sub(r'1000','1001','salary:1000')
a
如果不管后面的数字是是多少,我们都要对其加1,就需要定义一个函数:
>>> def add(match):
... a=match.group()
... b=int(a)
... b+=1
... return str(b)
...
>>> c=re.sub(r'\d+',add,'salary:1000')
>>> c
'salary:1001'