Python正则表达式（四）

搜索泥称

　　3 更深入的了解re的组与对象
　　前面对Python正则式的组进行了一些简单的介绍，由于还没有介绍到match对象，而组又是和match对象密切相关的，所以必须将它们结合起来介绍才能充分地说明它们的用途。
　　不过再详细介绍它们之前，我觉得有必要先介绍一下将规则编译后的生成的patter对象
　　3.1编译后的Pattern对象
　　将一个正则式，使用compile函数编译，不仅是为了提高匹配的速度，同时还能使用一些附加的功能。编译后的结果生成一个Pattern对象，这个对象里面有很多函数，他们看起来和re模块的函数非常象，它同样有findall , match , search ,finditer , sub , subn , split 这些函数，只不过它们的参数有些小小的不同。一般说来，re模块函数的第一个参数，即正则规则不再需要了，应为规则就包含在Pattern对象中了，编译选项也不再需要了，因为已经被编译过了。因此re模块中函数的这两个参数的位置，就被后面的参数取代了。
　　findall , match , search 和finditer这几个函数的参数是一样的，除了少了规则和选项两个参数外，它们又加入了另外两个参数，它们是：查找开始位置和查找结束位置，也就是说，现在你可以指定查找的区间，除去你不感兴趣的区间。它们现在的参数形式是：
　　findall ( targetString [, startPos [,endPos] ] )
　　finditer ( targetString [, startPos [,endPos] ] )
　　match ( targetString [, startPos [,endPos] ] )
　　search ( targetString [, startPos [,endPos] ] )
　　这些函数的使用和re模块的同名函数使用完全一样。所以就不多介绍了。
　　除了和re模块的函数同样的函数外，Pattern对象还多了些东西，它们是：
　　flags 查询编译时的选项
　　pattern 查询编译时的规则
　　groupindex 规则里的组
　　这几个不是函数，而是一个值。它们提供你一些规则的信息。比如下面这个例子
　　>>> p=re.compile( r'(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)' , re.I )
　　>>> p.flags
　　2
　　>>> p.pattern
　　'(?P<word>//b[a-z]+//b)|(?P<num>//b//d+//b)|(?P<id>//b[a-z_]+//w*//b)'
　　>>> p.groupindex
　　{'num': 2, 'word': 1, 'id': 3}
　　我们来分析一下这个例子：这个正则式是匹配单词、或数字、或一个由字母或’_’开头，后面接字母或数字的一个ID。我们给这三种情况的规则都包入了一个命名组，分别命名为’word’ , ‘num’ 和 ‘id’。我们规定大小写不敏感，所以使用了编译选项 ‘I’。
　　编译以后返回的对象为p，通过p.flag我们可以查看编译时的选项，不过它显示的不是’I’，而是一个数值2 。其实re.I是一个整数，2就是它的值。我们可以查看一下：
　　>>> re.I
　　2
　　>>> re.L
　　4
　　>>> re.M
　　8
　　…
　　每个选项都是一个数值。
　　通过p.pattern可以查看被编译的规则是什么。使用print的话会更好看一些
　　>>> print p.pattern
　　(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)
　　看，和我们输入的一样。
　　接下来的p.groupindex则是一个字典，它包含了规则中的所有命名组。字典的key是名字，values是组的序号。由于字典是以名字作为key，所以一个无命名的组不会出现在这里。
　　3.2 组与Match对象
　　组与Match对象是Python正则式的重点。只有掌握了组和Match对象的使用，才算是真正学会了Python正则式。
　　3.2.1 组的名字与序号
　　正则式中的每个组都有一个序号，它是按定义时从左到右的顺序从1开始编号的。其实，re的正则式还有一个0号组，它就是整个正则式本身。
　　我们来看个例子
　　>>> p=re.compile( r’(?P<name>[a-z]+)/s+(?P<age>/d+)/s+(?P<tel>/d+).*’ , re.I )
　　>>> p.groupindex
　　{'age': 2, 'tel': 3, 'name': 1}
　　>>> s=’Tom 24 88888888 <=’
　　>>> m=p.search(s)
　　>>> m.groups() # 看看匹配的各组的情况
　　('Tom', '24', '8888888')
　　>>> m.group(‘name’) # 使用组名获取匹配的字符串
　　‘Tom’
　　>>> m.group( 1 ) # 使用组序号获取匹配的字符串，同使用组名的效果一样
　　>>> m.group(0) # 0 组里面是什么呢？
　　'Tom 24 88888888 <='
　　原来0组就是整个正则式,包括没有被包围到组里面的内容。当获取0组的时候，你可以不写这个参数。m.group(0)和m.group()的效果是一样的：
　　>>> m.group()
　　'Tom 24 88888888 <='
　　接下来看看更多的Match对象的方法，看看我们能做些什么。
　　3.2.2 Match对象的方法
　　group([index|id]) 获取匹配的组，缺省返回组0,也就是全部值
　　groups() 返回全部的组
　　groupdict() 返回以组名为key，匹配的内容为values的字典
　　接上例：
　　>>> m.groupindex()
　　{'age': '24', 'tel': '88888888', 'name': 'Tom'}
　　start( [group] ) 获取匹配的组的开始位置
　　end( [group] ) 获取匹配的组的结束位置
　　span( [group] ) 获取匹配的组的（开始，结束）位置
　　expand( template ) 根据一个模版用找到的内容替换模版里的相应位置
　　这个功能比较有趣，它根据一个模版来用匹配到的内容替换模版中的相应位置，组成一个新的字符串返回。它使用/g<index|name>或 /index 来指示一个组。
　　接上例
　　>>> m.expand(r'name is /g<1> , age is /g<age> , tel is /3')
　　'name is Tom , age is 24 , tel is 88888888'
　　除了以上这些函数外，Match对象还有些属性
　　pos 搜索开始的位置参数
　　endpos 搜索结束的位置参数
　　这两个是使用findall或match等函数时，传入的参数。在上面这个例子里，我们没有指定开始和结束位置，那么缺省的开始位置就是0,结束位置就是最后。
　　>>> m.pos
　　0
　　>>> m.endpos
　　19
　　lastindex 最后匹配的组的序号
　　>>> m.lastindex
　　3
　　lastgroup 最后匹配的组名
　　>>> m.lastgroup
　　'tel'
　　re 产生这个匹配的Pattern对象，可以认为是个逆引用
　　>>> m.re.pattern
　　'(?P<name>[a-z]+)//s+(?P<age>//d+)//s+(?P<tel>//d+).*'
　　得到了产生这个匹配的规则
　　string 匹配的目标字符串
　　>>> m.string
　　'Tom 24 88888888 <='