re Python正则

cjcmay

　　re.compile() 生成正则对象效率最高
　　# encoding: 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()
　　### 输出 ###
　　# hello
　　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'|'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（参见上图）
  
• 　　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：
  

　　1
　　2
　　3
　　4
　　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的功能。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。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为：
　　1
　　2
　　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*/+/?等之前加上转义符再返回，在需要大量匹配元字符时有那么一点用。
2.2. Match
　　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：

• 　　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的字典，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<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>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\g<1>0。
  

　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　20
　　21
　　22
　　23
　　24
　　25
　　26
　　27
　　28
　　29
　　30
　　31
　　32
　　import re
　　m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')
　　print &quot;m.string:&quot;, m.string
　　print &quot;m.re:&quot;, m.re
　　print &quot;m.pos:&quot;, m.pos
　　print &quot;m.endpos:&quot;, m.endpos
　　print &quot;m.lastindex:&quot;, m.lastindex
　　print &quot;m.lastgroup:&quot;, m.lastgroup
　　print &quot;m.group(1,2):&quot;, m.group(1, 2)
　　print &quot;m.groups():&quot;, m.groups()
　　print &quot;m.groupdict():&quot;, m.groupdict()
　　print &quot;m.start(2):&quot;, m.start(2)
　　print &quot;m.end(2):&quot;, m.end(2)
　　print &quot;m.span(2):&quot;, m.span(2)
　　print r&quot;m.expand(r'\2 \1\3'):&quot;, m.expand(r'\2 \1\3')
　　### output ###
　　# m.string: hello world!
　　# m.re: <_sre.SRE_Pattern object at 0x016E1A38>
　　# 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!
2.3. Pattern
　　Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。
　　Pattern不能直接实例化，必须使用re.compile()进行构造。
　　Pattern提供了几个可读属性用于获取表达式的相关信息：

• 　　pattern: 编译时用的表达式字符串。
  
• 　　flags: 编译时用的匹配模式。数字形式。
  
• 　　groups: 表达式中分组的数量。
  
• 　　groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。
  

　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　import re
　　p = re.compile(r'(\w+) (\w+)(?P<sign>.*)', re.DOTALL)
　　print &quot;p.pattern:&quot;, p.pattern
　　print &quot;p.flags:&quot;, p.flags
　　print &quot;p.groups:&quot;, p.groups
　　print &quot;p.groupindex:&quot;, p.groupindex
　　### output ###
　　# p.pattern: (\w+) (\w+)(?P<sign>.*)
　　# p.flags: 16
　　# p.groups: 3
　　# p.groupindex: {'sign': 3}
　　实例方法[ | re模块方法]：
　　match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):

• 　　这个方法将从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；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'$'。
  　　示例参见2.1小节。
  

　　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flags用于编译pattern时指定匹配模式。

• 　　# encoding: UTF-8
  　　1. import re
  　　2.
  　　3. # 将正则表达式编译成Pattern对象
  　　4. pattern = re.compile(r'world')
  　　5.
  　　6. # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None
  　　7. # 这个例子中使用match()无法成功匹配
  　　8. match = pattern.search('hello world!')
  　　9.
  　　10. if match:
  　　11.     # 使用Match获得分组信息
  　　12.     print match.group()
  　　13.
  　　14. ### 输出 ###
  　　15. # world
  

　　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
  　　1.
  　　2. p = re.compile(r'\d+')
  　　3. print p.split('one1two2three3four4')
  　　4.
  　　5. ### output ###
  　　6. # ['one', 'two', 'three', 'four', '']
  

　　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。

• 　　1. import re
  　　2.
  　　3. p = re.compile(r'\d+')
  　　4. print p.findall('one1two2three3four4')
  　　5.
  　　6. ### output ###
  　　7. # ['1', '2', '3', '4'
  

　　finditer(string[, pos[, endpos]]) | 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。
　　import re
　　p = re.compile(r'\d+')
　　for m in p.finditer('one1two2three3four4'):
　　print m.group(),
　　### output ###
　　# 1 2 3 4
　　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<id>、\g<name>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（返回的字符串中不能再引用分组）。
　　count用于指定最多替换次数，不指定时全部替换。
　　1.import re
　　2. p = re.compile(r'(\w+) (\w+)')
　　3. s = 'i say, hello world!'
　　4.
　　5. print p.sub(r'\2 \1', s)
　　6.
　　7. def func(m):
　　8.     return m.group(1).title() + ' ' + m.group(2).title()
　　9.
　　10. print p.sub(func, s)
　　11.
　　12. ### output ###
　　13. # say i, world hello!
　　14. # I Say, Hello World!
　　subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
　　返回 (sub(repl, string[, count]), 替换次数)。
　　import re
　　p = re.compile(r'(\w+) (\w+)')
　　s = 'i say, hello world!'
　　print p.subn(r'\2 \1', s)
　　def func(m):
　　return m.group(1).title() + ' ' + m.group(2).title()
　　print p.subn(func, s)
　　### output ###
　　# ('say i, world hello!', 2)
　　# ('I Say, Hello World!', 2