re模块

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先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。

import re

#查看re里的函数

dir(re)

#正则u开头是unicode格式的，r是纯文本格式的，ur纯文本与unicode格式都可以

match = re.compile(ur"(g)(h?)").search(u"gisdog")

#查看match里的函数

dir(match)

print match.group()

print match.group(1)

print match.group(2)

gg

#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:

print match.group()

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

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:

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

print m.group()

hello

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，可使用Match提供的可读属性或方法获取这些信息

1.string: 匹配时使用的文本。2.re: 匹配时使用的Pattern对象。 3.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。 4.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。 5.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。 6.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：

①group([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。 ②groups([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。 ③groupdict([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。 ④start([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。 ⑤end([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。 ⑥span([group]): 返回(start(group), end(group))。 ⑦expand(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、\g引用分组，但不能使用编号0。\id与\g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

m = re.match(r'(\w+)(\w+)(?P.*)','hello world!')

print("m.string:", m.string)

('m.string:','helloworld!')

print("m.re:", m.re)

('m.re:', <_sre.sre_patternobjectat0x7f6fcfdf1a80>)

print("m.pos", m.pos)

('m.pos',0)

print("m.endpos", m.endpos)

('m.endpos',12)

print("m.lastindex:", m.lastindex)

('m.lastindex:',3)

print("m.group(1,2):", m.group(1,2,3))

('m.group(1,2):',('hell','o', ' world!'))

print("m.lastgroup:", m.lastgroup)

('m.lastgroup:','sign')

print("m.groupdict:", m.groupdict())

('m.groupdict:', {'sign':' world!'})

print(r"m.expand(r'\3\1\2'):", m.expand(r'\3\1\2'))

("m.expand(r'\\3\\1\\2'):",' world!hello')

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：

1.pattern: 编译时用的表达式字符串。

2.flags: 编译时用的匹配模式。数字形式。

3.groups: 表达式中分组的数量。

4.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。

实例：[|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'$'。

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flags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()无法匹配成功

match = pattern.search('hello world!')

if match:

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。

p = re.compile(r'\d+')

printp.split('one1two22three3')

['one', 'two', 'three', '']

printp.split('one1two22three3',2)

['one', 'two', 'three3']

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。

p = re.compile(r'\d+')

print p.findall('one1two2three33')

['1', '2', '33']

5.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。

p = re.compile(r'\d+')

for m in p.finditer('one1two2three33'):

print m.group()

1233

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、\g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。

p =  re.compile(r'(\w+) (\w+)')s ='i say, hello world!'

printp.sub(r'\2 \1', s)

sayi, world hello!

def f(match):

return  match.group(2) +'gg'+ match.group(1)

printp.sub(f, s)

sayggi,worldgghello!

def fun(m):

return m.group(2).title()+" "+ m.group(1).title()

print p.sub(fun,s)

SayI,WorldHello!

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

返回 (sub(repl, string[, count]), 替换次数)

p = re.compile(r'(\w+) (\w+)')

s ='i say, hello world!'

print p.subn(r'\2 \1', s)

('sayi, world hello!',2)

def func(m):

return m.group(1).title() +' '+ m.group(2).title()

print p.subn(func, s)

('ISay, Hello World!',2)