Python标准库 - re

dongfangho

　　编写代码时, 经常要匹配特定字符串, 或某个模式的字符串, 一般会借助字符串函数, 或正则表达式完成.
　　对于正则表达式, 有些字符具有特殊含义, 需使用反斜杠字符'\'转义, 使其表示本身含义. 如想匹配字符'\', 却要写成'\\\\', 很是困扰. Python中Raw string解决了该问题, 只需给'\'加上前缀'r'即可, 如r'\n', 表示'\'和'n'两个普通字符, 而不是原来的换行. 前缀'r'类似于sed命令的-r(use extended regular expressions)参数.
　　正则表达式可包括两部分, 一是正常字符, 表本身含义; 二是特殊字符, 表一类正常字符, 或字符数量...
　　re模块提供了诸多方法进行正则匹配.
　　match    Match a regular expression pattern to the beginning of a string.
　　search   Search a string for the presence of a pattern.
　　sub      Substitute occurrences of a pattern found in a string.
　　subn     Same as sub, but also return the number of substitutions made.
　　split    Split a string by the occurrences of a pattern.
　　findall  Find all occurrences of a pattern in a string.
　　finditer Return an iterator yielding a match object for each match.
　　purge    Clear the regular expression cache.
　　escape   Backslash all non-alphanumerics in a string.
　　还有compile函数, 其较特殊, 将匹配模式编译为一个正则表达式对象(RegexObject, _sre.SRE_Pattern), 并返回, 该对象仍然可以使用上述这些函数. 这也从侧面说明了, 对于re模块, 有非编译和编译两种使用方式, 如下所示.
　　1.
　　result = re.match(pattern, string)
　　2.
　　prog = re.compile(pattern)
　　result = prog.match(string)
　　它们达到的效果是相同的, 只是后者暂存了正则表达式对象, 对于某块代码中频繁使用该正则表达式的情形, 后者性能一般会高于前者.
　　对于match()和search()匹配成功, 会返回一个匹配对象(Match Object, _sre.SRE_Match), 其也有若干方法, 下面几个较常用.
　　group
　　group([group1, ...]) -> str or tuple.
　　Return subgroup(s) of the match by indices or names.
　　For 0 returns the entire match.
　　groups(...)
　　groups([default=None]) -> tuple.
　　Return a tuple containing all the subgroups of the match, from 1.
　　The default argument is used for groups
　　that did not participate in the match
　　end(...)
　　end([group=0]) -> int.
　　Return index of the end of the substring matched by group.
　　start(...)
　　start([group=0]) -> int.
　　Return index of the start of the substring matched by group.
　　至此对re模块框架性梳理就这样了, 给出些例子, 对上面的内容总结下.
　　1.
　　In [23]: text = "He was carefully disguised but captured quickly by police."
　　In [24]: re.findall(r"\w+ly", text)
　　Out[24]: ['carefully', 'quickly']
　　2.
　　In [25]: m = re.match(r"(\w+) (\w+)", "Isaac Newton, physicist")
　　In [26]: m.group(0)
　　Out[26]: 'Isaac Newton'
　　In [27]: m.group(1)
　　Out[27]: 'Isaac'
　　In [28]: m.group(2)
　　Out[28]: 'Newton'
　　In [29]: m.group(1, 2)
　　Out[29]: ('Isaac', 'Newton')
　　3.
　　In [31]: account = "abcxyz_"
　　In [32]: replace_regex = re.compile(r'_$')
　　In [33]: replace_regex.sub(account[0], account)
　　Out[33]: 'abcxyza'
　　正则表达式使用中的细节还有很多, 这里无法尽数, 实践过程中慢慢体会和总结吧.