python正则表达式学习

python正则表达式学习

1. re模块

python通过re模块提供对正则表达式的支持。使用re模块的一般步骤是现将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

# -*- coding:utf-8 -*-
import re
#将正则表达式编译成Pattern对象
pattern=re.compile(r'hello')
#使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match=pattern.match('hello world')
if match:
    #使用Match获得分组信息
    print(match.group())

1. re.compile( strPattern[ , flag ] ):

   这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern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 ‘|’ 。可选的值有：

   • re.I(re.IGNORECASE):忽略大小写

   • 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。下面两个正则表达式是等价的：

     a=re.compile(r"""\d +  #the integral part
                   \.    #the decimal point
                   \d * #some fractional digits""",re.X)
     b=re.compile(r"\d+\.\d*")

   re提供了众多模块方法用于完成正则表达式功能。这些方法可以使用Pattern实例的相应方法替代，唯一的好处是少写一行re.compile()代码，但同时也无法复用编译后的Pattern对象。

   m=re.match(r'hello','hello world')
   print(m.group())

   re模块还提供了一个方法escape(string),用于将string中的正则表达式元字符如 */+/?等之前加上转义字符再返回，在需要大量匹配元字符时有那么一点用。

2. Match

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

   属性：

   • string：匹配时使用的文本。
   • re:匹配时使用的Pattern对象。
   • 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。
   • 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。
   • 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。
   • 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：

   • 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。

   • 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。

   • 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得字典，没有别名的组不包含在内。default含义同上。

   • 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。

   • 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.

   • span ( [ group ] ):

     返回(start(group),end(group))。

   • 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\

2. 实例方法[ | re模块方法 ]：

1. match(string[ ,pos[ ,endpos] ]) | re.match(pattern,string[ ,flags ] ) :

   *　这个方法将从string的pos下标处开始尝试匹配pattern；如果pattern结束时仍可匹配，则返回一个Match对象；如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。
   *　pos和endpos的默认值分别为0和len(string)；re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

   注意： 这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符’$’。

2. search(string[ , pos[, endpos ] ] ) | re.search(pattern,string[,flags ] ):

   • 这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；若无法匹配，则将pos加1后重新尝试匹配；直到pos==endpos时仍无法匹配则返回None。
   • pos和endpos的默认值分别为0和len(string)；re.search()无法指定这两个参数，参数flag用于编译pattern时指定匹配模式。

   import re
   pattern=re.compile(r'world')
   
   #使用search()查找匹配的子串，不存在能匹配的子串时将返回None
   
   
   #这个例子中使用match()无法成功匹配
   
   match=pattern.search('hello world')
   if match:
      #使用Match获得分组信息
      print(match.group())         # world

3. split(string[ , maxsplit ] ]) | 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。

   import re
   p=re.compile(r'\d+')
   print(p.split('one1two2three3four4'))    #['one', 'two', 'three', 'four', '']

4. findall(string[ , pos[ , endpos ] ] ) | re.findall(pattern,string[ , flags]) :

   搜索string，以列表形式返回全部能匹配的子串。

   import re
   p=re.compile(r'\d+')
   print(p.findall('one1two2three3four4')) #['1', '2', '3', '4']

5. finditer(string[ , pos[, endpos] ]) | re.finditer(pattern,string[ , flags ] ):

   搜索string，返回一个顺序访问的每一个匹配结果(Match对象)的迭代器。

   import re
   p=re.compile(r'\d+')
   for m in p.finditer('one1two2three3four4'):
      print(m.group())         //1 2 3 4

6. sub( repl , string[ , count] ) | re.sub(pattern,repl,string[ , count ] ) :

   使用repl替换string中每一个匹配的子串，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\

3. 正则表达式元字符和语法

转载地址：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html