python的re模块

lbdbzj110

　　from:http://hi.baidu.com/gwt632/blog/item/5290288d ecc694e3f01f3694.html 正则表达式中特殊的符号：
　　"." 表任意字符
　　"^ " 表string起始
　　"$" 表string 结束
　　"*" "+" "?" 跟在字符后面表示，0个--多个， 1个--多个， 0个或者1个
　　*?, +?, ?? 符合条件的情况下，匹配的尽可能少//限制*,+,?匹配的贪婪性
　　{m} 匹配此前的字符，重复m次
　　{m,n} m到n次，m，n可以省略
　　举个例子 'a.*b' 表示a开始，b结束的任意字符串
　　a{5} 匹配连续5个a
　　[] 表一系列字符 [abcd] 表a，b，c，d [^a] 表示非a
　　| A|B 表示A或者B , AB为任意的正则表达式 另外|是非贪婪的如果A匹配，则不找B
　　(…) 这个括号的作用要结合实例才能理解， 用于提取信息
　　\d [0-9]
　　\D 非 \d
　　\s 表示空字符
　　\S 非空字符
　　\w [a-zA-Z0-9_]
　　\W 非 \w
　　一：re的几个函数
　　1： compile(pattern, [flags])  
　　根据正则表达式字符串 pattern 和可选的flags 生成正则表达式 对象
　　生成正则表达式 对象（见二）
　　其中flags有下面的定义：
　　I 表示大小写忽略
　　L 使一些特殊字符集，依赖于当前环境  
　　M 多行模式使 ^ $ 匹配除了string开始结束外，还匹配一行的开始和结束
　　S "." 匹配包括'\n'在内的任意字符，否则 . 不包括'\n'  
　　U Make \w, \W, \b, \B, \d, \D, \s and \S dependent on the Unicode character properties database  
　　X 这个主要是表示，为了写正则表达式，更可毒，会忽略一些空格和#后面的注释
　　其中S比较常用，
　　应用形式如下
　　import re
　　re.compile(……,re.S)
　　2： match(pattern,string,[,flags])
　　让string匹配，pattern，后面分flag同compile的参数一样
　　返回MatchObject 对象（见三）
　　3： split( pattern, string[, maxsplit = 0])  
　　用pattern 把string 分开
　　>>> re.split('\W+', 'Words, words, words.')
　　['Words', 'words', 'words', '']
　　括号'（）'在pattern内有特殊作用，请查手册
　　4：findall( pattern, string[, flags])  
　　比较常用，
　　从string内查找不重叠的符合pattern的表达式，然后返回list列表
　　5：sub( pattern, repl, string[, count])  
　　repl可以时候字符串，也可以式函数
　　当repl是字符串的时候，
　　就是把string 内符合pattern的子串，用repl替换了
　　当repl是函数的时候，对每一个在string内的，不重叠的，匹配pattern
　　的子串，调用repl（substring），然后用返回值替换substring
　　>>> re.sub(r'def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\): ',
　　... r'static PyObject*\npy_\1(void)\n{',
　　... 'def myfunc():')
　　'static PyObject*\npy_myfunc(void)\n{'
　　>>> def dashrepl(matchobj):
　　... if matchobj.group(0) == '-': return ' '
　　... else: return '-'
　　>>> re.sub('-{1,2}', dashrepl, 'pro----gram-files')
　　'pro--gram files'
　　二：正则表达式对象 （Regular Expression Objects ）
　　产生方式：通过 re.compile(pattern，[flags])回
　　match( string[, pos[, endpos]]) ；返回string[pos,endpos]匹配
　　pattern的MatchObject（见三）
　　split( string[, maxsplit = 0])  
　　findall( string[, pos[, endpos]])  
　　sub( repl, string[, count = 0])  
　　这几个函数和re模块内的相同，只不过是调用形式有点差别
　　re.几个函数和 正则表达式对象的几个函数，功能相同，但同一程序如果
　　多次用的这些函数功能，正则表达式对象的几个函数效率高些
　　三：matchobject
　　通过 re.match(……) 和 re.compile(……).match返回
　　该对象有如下方法和属性：
　　方法：
　　group( [group1, ...])  
　　groups( [default])  
　　groupdict( [default])  
　　start( [group])  
　　end( [group])  
　　说明这几个函数的最好方法，就是举个例子
　　matchObj = re.compile(r"(?P\d+)\.(\d*)")
　　m = matchObj.match('3.14sss')
　　#m = re.match(r"(?P\d+)\.(\d*)", '3.14sss')
　　print m.group()
　　print m.group(0)
　　print m.group(1)
　　print m.group(2)
　　print m.group(1,2)
　　print m.group(0,1,2)
　　print m.groups()
　　print m.groupdict()
　　print m.start(2)  
　　print m.string
　　输出如下：  
　　3.14  
　　3.14  
　　3  
　　14  
　　('3', '14')  
　　('3.14', '3', '14')
　　('3', '14')  
　　{'int': '3'}  
　　2  
　　3.14sss
　　所以group() 和group(0)返回，匹配的整个表达式的字符串
　　另外group(i) 就是正则表达式中用第i个"（）" 括起来的匹配内容
　　('3.14', '3', '14')最能说明问题了