python 正则表达式

.      匹配任意除换行符"\n"外的字符。在DOTALL模式中也能匹配换行符

\b    匹配\w和\W之间

\B     [^\b]

非贪婪模式：

*?   重复任意次，但尽可能少重复

+?  重复1次或者更多次，但尽可能少重复

??  重复0次或1次，但尽可能少重复

{n,m}?  重复n次到m次，但尽可能少重复

{n,}?  重复n次以上但尽可能少重复

(?P<name>..) 分组，除了原有的编号外再指定一个额外的别名

\number   引用编号为number的分组匹配到的字符串

(?P=name)  引用别名为name的分组匹配到的字符串

(?:...) 不分组版本

(?=...)

(?!...)

(?<=...)

(?<!....)

Pattern对象：

import re

pattern = re.compile(r'\d+')

Pattern对象的方法有:

match(string) 或者re.match(pattern, string)

search(string) 或者 re.match(pattern, string)

上面两个方法返回Match对象。

split(string) | re.split(pattern, string)

findall(string) | re.findall(pattern, string)

finditer(string) | re.finditer(pattern, string) 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

sub(repl, string) | re.sub(pattern, repl, string)

Match对象：

方法有：

group()

groups()

groupdict()

    re.findall(r'^.*(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #['ing']
    re.findall(r'^.*(?:ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #['precessing']
    re.findall(r'^(.*)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'precessing') #[('precess', 'ing')]
    re.findall(r'^(.*)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'processes') # [('processe', 's')] *是贪婪的 贪婪模式
    re.findall(r'^(.*?)(ing|ly|ed|ious|ies|ive|es|s|ment)$', 'processes') # [('process', 'es')] 使用非贪婪的*操作符 *?

很多单词里包含hi这两个连续的字符。比如him，history，high等等，用hi来查找的话，这里边的hi也会被找出来。如果要精确地查找hi这个单词的话，我们应该使用

\bhi\b

\b是正则表达式规定的一个特殊代码，代表着单词的开头或结尾。虽然通常英文的单词是由空格，标点符号或者换行来分割，但是\b并不匹配这些单词分隔符中的任何一个，它只匹配一个位置。

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

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。

# 匹配如下内容：单词+空格+单词+任意字符
m = re.match(r'(\w+) (\w+)(?P.*)', 'hello world!')
 
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():", m.group()
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'\g \g\g'):", m.expand(r'\2 \1\3')
 
### output ###
# m.string: hello world!
# m.re: 
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): ('hello', 'world')
# m.groups(): ('hello', 'world', '!')
# m.groupdict(): {'sign': '!'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r'\2 \1\3'): world hello!

search方法与match()方法极其类似，区别在于match()函数只检测re是不是在string的开始位置匹配，search()会扫描整个string查找，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。

pattern = re.compile(r'world')
match = re.search(pattern, 'hello world!')
if match:
    print match.group()

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

pattern = re.compile(r'\d+')
print re.split(pattern, 'one1two2three3four4')

re.findall(pattern, string[,flags]) 搜索string，以列表形式返回全部能匹配的子串。

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。

for m in re.finditer(pattern, 'one1two2three3four4'):
    print m.group()

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（返回的字符串不能再引用分组）

print re.sub(pattern, r'\2 \1', s)
def func(m):
    return m.group(1).title() + ' '+m.group(2).title()
print re.sub(pattern, func, s)

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

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

print re.subn(pattern, r'\2 \1', s)
def func(m):
    return m.group(1).title() + ' '+m.group(2).title()
print re.subn(pattern, func, s)