PYTHON--re模块与正则表达式

正则表达式

1. 通配符

点号可以匹配除了换行符外的任何单个字符。
特殊字符要转义
前面加\

2. 字符集

用中括号括住字符串来创建字符集。字符集能匹配它包括的所有字符。只能匹配一个字符。

'[^abc]'     # 可以匹配除了abc之外的字符

3. 选择符和子模式

'p(ython|erl)'  # 匹配两个字符串

4. 可选项和重复子模式

在子模式后面加上问号，就变成可选项。

r'(http://)?(www\.)?python\.org'

能匹配到下列字符串而没有其他模式：

'http://www.python.org'
'http://python.org'
'www.python.org'
'python.org'

• 可选子模式互相独立。
  每个可选子模式都用圆括号括起来。
  使用原始字符串减少反斜线的数量。
  对点好做了转义，防止它成为通配符使用。

• 以下运算符可以允许子模式重复多次：

(pattern)*:重复零次以上
(pattern){m,n}:重复m-n次
(pattern)+:重复一次以上
'^ht+p'只在字符串开头而不是其他位置匹配
$字符串结尾用$标记

• 常见正则：
  \W 匹配任意不是字母，数字，下划线，汉字的字符
  \S 匹配任意不是空白符的字符
  \D 匹配任意非数字的字符
  \B 匹配不是单词开头或结束的位置
  [^x] 匹配除了x以外的任意字符

re模块内容

1.compile

re.compile(pattern[,flags])
将含正则表达式的字符串的转换为模式对象。

第二个参数flag是匹配模式，取值可以使用按位或运算符’|’表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile(‘pattern’, re.I | re.M)与re.compile(‘(?im)pattern’)是等价的。
可选值有：

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
M(MULTILINE): 多行模式，改变’^’和’$’的行为
S(DOTALL): 点任意匹配模式，改变’.’的行为
L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
U(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
X(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。以下两个正则表达式是等价的：

2.search

search(pattern,string[,flags])
在给定字符串中寻找第一个匹配的子串，一旦给定，就返回MatchObject(真值),否则返回false。函数在字符串内查找模式，直到找到第一个就退出，查找不到返回None，其参数和re.match一致。而与match的区别在于，match只是匹配字符串的开始，而search匹配整个字符串

3.match

match(pattern,string[,flags])
re.match从字符串的开始匹配一个模式，第一个参数是正则表达式，第二个字符串是要匹配的字符串，第三个参数是标志位，缺省为0；如果可以查找到则返回一个match对象，否则返回None。

>>> import re
>>> re.match("c","cdkfje")
<_sre.SRE_Match object at 0x00000000027D2D30>
>>> re.search("c","abcdef")
<_sre.SRE_Match object at 0x00000000027D2B28>

4.findall

re.findall(pattern,string)
可以获取所有匹配的字符串，并且以list形式返回。

5.split

re.split(pattern,string[,count=0])
会根据模式匹配分割字符串

6.escape

escape(string)
字符串的正则式：前面加r
例如查找标点符号：

>>> text = '"hm...err -- are you suere ? "he said ,sountg ing.'
>>> import re
>>> pat = r'[.?/,"]+'
>>> re.findall(pat,text)
['"', '...', '?', '"', ',', '.']

7.分组

re模块中能够匹配时，会返回MatchObject对象。他们还包含匹配了子字符串哪部分的信息。称为group。
简单说，group就是圆括号内的子模式。group的序号取决于它左侧的括号数。小组是从左向右计数的，从1开始。组可以被嵌套。计数的数值可以能过从左到右计算打开的括号数来确定。

>>>p=re.compile('(a(b)c)d')
>>> m = p.match('abcd')
>>> m.group(0)
 'abcd'
>>> m.group(1)
 'abc'
>>> m.group(2)
 'b'

• 对MatchObject类的方法有：
  group ([序号]) 获取给定组的匹配项
  start()默认0是整个组，从1开始索引
  end()
  span()返回一个组的开始和结束位置

8.sub

作为替换组号和函数
re.sub()
sub(replacement, string[, count = 0])
对于输入的一个字符串，利用正则表达式（的强大的字符串处理功能），去实现（相对复杂的）字符串替换处理，然后返回被替换后的字符串