python笔记---正则表达式

一、Python正则表达式

1.Python支持的正则表达式元字符及语法：

见文末

2.数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的，总是尝试匹配尽可能多的字符；非贪婪 的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式”ab*”如果用于查找”abbbc”，将找到”abbb”。而如果使用非贪婪的数量 词”ab*?”，将找到”a”。

3.反斜杠

正则表达式里使用”\”作为转义字符，这可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\”：前两个和后两个分 别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的 正则表达式可以使用r”\”表示。同样，匹配一个数字的”\d”可以写成r”\d”。有了原生字符串，就不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

4.匹配模式

正则表达式提供了一些可用的匹配模式，比如忽略大小写、多行匹配等，下面将会介绍。

二、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。

# -*- coding: utf-8 -*-# flake8: noqaimport 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Nonematch = re.match(pattern,'hello world!')if match:    # 使用Match获得分组信息    print match.group()### 输出 #### hello

compile(pattern, flags=0):

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）
• re.M(MULTILINE): 多行模式(匹配文本是多行的时候)，改变’^’和’$’的行为
• re.S(DOTALL): 点任意匹配模式，改变’.’的行为
• re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
• re.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()

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。

编译正则 re.compile()

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。

# -*- coding: utf-8 -*-# flake8: noqaimport rep = re.compile(r'(\w+) (\w+)(?P<sign>.*)', re.DOTALL)print "p.pattern:", p.patternprint "p.flags:", p.flagsprint "p.groups:", p.groupsprint "p.groupindex:", p.groupindex### 输出 #### p.pattern: (\w+) (\w+)(?P<sign>.*)# p.flags: 16# p.groups: 3# p.groupindex: {'sign': 3}

三.常用re函数

1. re.findall()
2. re.match()
3. re.search()
4. re.split()
5. re.sub()

1. re.findall

说明：
搜索string，以列表形式返回全部能匹配的子串。

函数语法：

findall(pattern, string, flags=0)

事例：

# -*- coding: utf-8 -*-# flake8: noqaimport rep = re.compile(r'\d+')print p.findall('one1two2three3four4')### 输出 #### ['1', '2', '3', '4']

2. re.match

说明：

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

函数语法：

re.match(pattern, string, flags=0)

函数参数说明：

参数 描述 pattern 匹配的正则表达式 string 要匹配的字符串。 flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

匹配成功re.match方法返回一个匹配的对象，否则返回None。

import reprint re.match(r'abc','abcdef',re.I)      #开头匹配'abc'返回一个对象<_sre.SRE_Match object at 0x7ff3e113f100>print re.match(r'123','abcdef')      #不匹配，所以返回NoneNone

一般使用if来判断是否匹配。

if re.match(r'123','abcdef'):    do something

可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法 描述 group(num=0) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。 groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

属性：

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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. span([group]):
   返回(start(group), end(group))。
7. 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、 \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。

事例：

# -*- coding: utf-8 -*-# flake8: noqaimport rem = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')print "m.string:", m.stringprint "m.re:", m.reprint "m.pos:", m.posprint "m.endpos:", m.endposprint "m.lastindex:", m.lastindexprint "m.lastgroup:", m.lastgroupprint "m.group(1,2):", m.group(1, 2)print "m.groups():", m.groups()print "m.groupdict():", m.groupdict()print "m.start(2):", m.start(2)print "m.end(2):", m.end(2)print "m.span(2):", m.span(2)print r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3')### 输出 #### 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!

3. re.search

说明：
re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法：

re.search(pattern, string, flags=0)

函数参数说明：
同上文re.match()

匹配成功re.search方法返回一个匹配的对象，否则返回None。

实例：

# -*- coding: utf-8 -*-# flake8: noqaimport reline = "Cats are smarter than dogs";searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)if searchObj:   print "searchObj.group() : ", searchObj.group()   print "searchObj.group(1) : ", searchObj.group(1)   print "searchObj.group(2) : ", searchObj.group(2)else:   print "Nothing found!!"### 输出 #### searchObj.group() :  Cats are smarter than dogs# searchObj.group(1) :  Cats# searchObj.group(2) :  smarter

4.re.split

说明：
分割字符串

函数语法：

split(pattern, string, maxsplit=0, flags=0)

事例：

# -*- coding: utf-8 -*-# flake8: noqaimport re#不限分割次数print re.split(r'\d+','one1two2three3four')#仅做一次分割print re.split(r'\d+','one1two2three3four',1)### 输出 #### ['one', 'two', 'three', 'four']# ['one', 'two2three3four4']

5. re.sub

说明：
替换匹配的字符
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。

函数语法：

sub(pattern, repl, string, count=0, flags=0)

函数参数说明：
pattern：匹配的正则表达式
repl：
string：要匹配的字符串
count：指定最多替换次数，默认全部替换。

如果模式没有发现，字符将被没有改变地返回。

事例：

# -*- coding: utf-8 -*-# flake8: noqaimport rephone = "400-123-456 # This is Phone Number"# Delete Python-style commentsnum = re.sub(r'#.*$', "", phone)print "Phone Num : ", num# Remove anything other than digitsnum = re.sub(r'\D', "", phone)    print "Phone Num : ", num### 输出 #### Phone Num :  400-123-456 # Phone Num :  40012345

四.正则表达式语法