[转]re模块正则表达式

      re模块包括操作正则表达式的函数，一些工作中都需要用到，现在说明下使用方法。

使用说明：

一，re模块下的函数：

           函数　　            描述compile(pattern)创建模式对象search(pattern,string)在字符串中寻找模式match(pattern,string)　　在字符串开始处匹配模式split(pattern,string)根据模式分割字符串findall(pattern,string)列表形式返回匹配项sub(pat,repl,string)pat匹配想用repl替换escape(string)特殊字符转义

 

 

 

 

 

 

 

 

 

1，compile：

>>> import re>>> pat=re.compile('A')>>> m=pat.search('CBA')>>> print m<_sre.SRE_Match object at 0x9d690c8>   #匹配到了，返回MatchObject（True）>>> m=pat.search('CBD')>>> print mNone                                   #没有匹配到，返回None（False）#上面的等价于>>> re.search('A','CBA')<_sre.SRE_Match object at 0xb72cd170>#推荐都用第一种方法

说明：将正则表达式转换为模式对象，实现更有效率的匹配，因为其他的函数会在内部进行转换。

2，search：

>>> m = re.search('asd','ASDasd')>>> print m<_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了，返回MatchObject（True）>>> m = re.search('asd','ASDASD')>>> print mNone                                   #没有匹配到，返回None（False）

说明：在给定的字符串中寻找第一个匹配给正则表达式的子字符串，有多个也只返回第一个出现的。

3，match：

>>> m = re.match('a','Aasd')>>> print mNone                                  #没有匹配到，返回None（False>>> m = re.match('a','aASD')>>> print m<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）可以用第一个方法：compile>>> pat=re.compile('a')>>> printpat.match('Aasd')None>>> printpat.match('aASD')<_sre.SRE_Match object at 0xb72cd6e8>

说明：在给定的字符串的开头匹配正则表达式。

上面的函数返回都可以在if条件语句中进行判断：

>>> if pat.search('asd'):...     print 'OK'... OK        #找到返回>>> if re.search('a','ASD'):...     print "OK"...       #没有找到

4，split：

>>> re.split(',','a,s,d,asd')['a', 's', 'd', 'asd']          #返回列表>>> pat = re.compile(',')>>> pat.split('a,s,d,asd')['a', 's', 'd', 'asd']          #返回列表>>> re.split('[, ]+','a ,  s  ,d     ,,,,,asd')   #正则匹配：[, ]+，后面说明['a', 's', 'd', 'asd']>>> re.split('[, ]+','a ,  s  ,d     ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数['a', 's', 'd     ,,,,,asd']>>> pat = re.compile('[, ]+')                     #正则匹配：[, ]+，后面说明>>> pat.split('a ,  s  ,d     ,,,,,asd',maxsplit=2)        # maxsplit 最多分割次数['a', 's', 'd     ,,,,,asd']

说明：根据模式的匹配项来分割字符串，类似字符串的split 的方法，但是字符串的split只能用固定长度的分割符，而re.split允许用任意长度和个数的分割符。

5，findall：

>>> re.findall('a','ASDaDFGAa') ['a', 'a']                           #列表形式返回匹配到的字符串>>> pat = re.compile('a')>>> pat.findall('ASDaDFGAa')['a', 'a']                           #列表形式返回匹配到的字符串>>> pat = re.compile('[A-Z]+')       #正则匹配：'[A-Z]+' 后面有说明>>> pat.findall('ASDcDFGAa')['ASD', 'DFGA']                      #找到匹配到的字符串>>> pat = re.compile('[A-Z]')>>> pat.findall('ASDcDFGAa')         #正则匹配：'[A-Z]+' 后面有说明['A', 'S', 'D', 'D', 'F', 'G', 'A']  #找到匹配到的字符串>>> pat = re.compile('[A-Za-z]')     #正则匹配：'[A-Za-z]+' 匹配所有单词，后面有说明>>> pat.findall('ASDcDFGAa')['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a'] 

说明：列表形式返回给定模式的匹配项。返回所有匹配的字符串。

6，sub：

>>> re.sub('a','A','abcasd')   #找到a用A替换，后面见和group的配合使用'AbcAsd'>>> pat = re.compile('a')>>> pat.sub('A','abcasd')'AbcAsd'#通过组进行更新替换：>>> pat=re.compile(r'www\.(.*)\..{3}') #正则表达式>>> pat.match('www.dxy.com').group(1)'dxy'>>> pat.sub(r'\1','hello,www.dxy.com') #通过正则匹配找到符合规则的”www.dxy.com“ ，取得组1字符串 去替换 整个匹配得到字符串。dxy -> www.dxy.com'hello,dxy'>>> pat=re.compile(r'(\w+) (\w+)')     #正则表达式>>> s='hello world ! hello hz !'>>> pat.findall('hello world ! hello hz !')[('hello', 'world'), ('hello', 'hz')]>>> pat.sub(r'\2 \1',s)                #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。  'world hello!hz hello!'

说明：使用给定的内容替换掉找到的字符串。a->A

>>> dir(m)['__class__', '__copy__', '__deepcopy__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'end', 'endpos', 'expand', 'group', 'groupdict', 'groups', 'lastgroup', 'lastindex', 'pos', 're', 'regs', 'span', 'start', 'string']

7，escape：

>>> re.escape('www.dxy.cn')'www\\.dxy\\.cn'                   #转义

说明：对字符串里面的特殊字符串进行转义。

上面的函数中，只有match、search有group方法，其他的函数没有。

二，函数的方法：

>>> dir(m)['__class__', '__copy__', '__deepcopy__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'end', 'endpos', 'expand', 'group', 'groupdict', 'groups', 'lastgroup', 'lastindex', 'pos', 're', 'regs', 'span', 'start', 'string']

这里介绍几个：

 方法              描述group获取子模式(组)的匹配项start给定组匹配项的开始位置end给定组匹配项的结束位置span给定组匹配项的开始结束位置

 

 

 

 

 

 

>>> pat = re.compile(r'www\.(.*)\.(.*)')       #用()表示一个组，2个组>>> m = pat.match('www.dxy.com')>>> m.group()                                  #默认为0，表示匹配整个字符串   'www.dxy.com'>>> m.group(1)                                 #返回给定组1匹配的子字符串'dxy'>>> m.group(2)'com'>>> m.start(2)                                 #组2开始的索引8>>> m.end(2)                                   #组2结束的索引11>>> m.span(2)                                  #组2开始、结束的索引(8, 11)>>> m1 = pat.search('www.dxy.com')>>> m1.group()'www.dxy.com'>>> m1.group(1)'dxy'>>> m1.group(2)'com'>>> m1.start(2)8

三，正则表达式:

 

1，元字符：

字符         描述.除换行符外的任意字符\　转义字符[...]字符集合\d　数字:[0-9]\D　非数字[^0-9]\s空白字符[\t\r\n\f、空格]\S非空白字符[^\s]\w单词字符[A-Za-z0-9]\W非单词字符[^\w]

 

 

 

 

 

 

 

 

 

 

 

使用：

# "." ：通配符>>> pat=re.compile('.')>>> pat.match('abc')<_sre.SRE_Match object at 0xb72b6170>>>> pat.match('abc').group()'a'                                #匹配到了首个字符>>> pat.search('abc').group() 'a'>>> pat.match('\n').group()        #换行符匹配出错Traceback (most recent call last):  File "<stdin>", line 1, in <module>AttributeError: 'NoneType' object has no attribute 'group'# "\" : 转义符>>> pat=re.compile('\.')>>> pat.search('abc.efg').group()  #匹配到.'.'>>> pat.findall('abc.efg')         #不用group,返回列表['.']# "[...]" : 集合，匹配里面的任意一个元素>>> pat=re.compile('[abc]')>>> pat.match('axbycz').group()'a'>>> pat.search('axbycz').group()'a'>>> pat.findall('axbycz')['a', 'b', 'c']# "\d" : 数字>>> pat=re.compile('\d')           >>> pat.search('ax1by2cz3').group()   #匹配到第一个数字:1，返回'1'>>> pat.match('ax1by2cz3').group()    #匹配不到（首个不是）返回None，报错，match匹配字符串头Traceback (most recent call last):  File "<stdin>", line 1, in <module>AttributeError: 'NoneType' object has no attribute 'group'>>> pat.findall('ax1by2cz3')          #匹配所有的数字，列表返回['1', '2', '3']# "\D" : 非数字>>> pat=re.compile('\D')>>> pat.match('ax1by2cz3').group()'a'>>> pat.search('ax1by2cz3').group()'a'>>> pat.findall('ax1by2cz3')['a', 'x', 'b', 'y', 'c', 'z']# "\s" :空白字符 : \t、\r、\n、空格>>> pat=re.compile('\s')>>> pat.findall('\rax1 \nby2 \tcz3')['\r', ' ', '\n', ' ', '\t']>>> pat.search('\rax1 \nby2 \tcz3').group()'\r'>>> pat.match('\rax1 \nby2 \tcz3').group()'\r'# "\S" :非空白字符>>> pat=re.compile('\S')>>> pat.search('\rax1 \nby2 \tcz3').group()'a'>>> pat.findall('\rax1 \nby2 \tcz3')['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3']# "\w" :单词字符,数字和字母:[A-Za-z0-9]>>> pat=re.compile('\w')>>> pat.search('1a2b3c').group()'1'>>> pat.findall('1a2b3c')['1', 'a', '2', 'b', '3', 'c']>>> pat.match('1a2b3c').group()'1'# "\W":非单词字符,除数字和字母外>>> pat=re.compile('\W')>>> pat.findall('1a2我b3c')['\xe6', '\x88', '\x91']>>> pat.search('1a2我b3c').group()'\xe6'

2，数量词:会出现贪婪模式

数量词              描述*匹配前一个字符0次或则多次+匹配前一个字符1次或则多次？匹配前一个字符0次或则1次{m}匹配前一个字符m次{m,n}匹配前一个字符m次到n次数量词?非贪婪模式

 

 

 

 

 

 

 

 

使用：

# "*" ：0次或则多次>>> pat = re.compile('[abc]*')>>> pat.match('abcabcdefabc').group() 'abcabc'                              #2次>>> pat.search('abcabcdefabc').group()'abcabc'                              #2次>>> pat.findall('abcabcdefabc')['abcabc', '', '', '', 'abc', '']     #2次和1次,因为有0次，所以匹配了''# "+" ：1次或则多次>>> pat = re.compile('[abc]+')>>> pat.match('abcdefabcabc').group()'abc'>>> pat.search('abcdefabcabc').group()'abc'>>> pat.findall('abcdefabcabc')['abc', 'abcabc']# "?" ：0次或则1次，match,search 不会出现none，会出现''>>> pat = re.compile('[abc]?')>>> pat.match('defabc').group()     #0次''>>> pat.match('abcdefabc').group()'a'>>> pat.search('defabc').group()    #0次''>>> pat.findall('defabc')           #0次和1次['', '', '', 'a', 'b', 'c', '']# "{m}" ：匹配字符串出现m次>>> pat = re.compile('[op]{2}')     #o或则p出现2次>>> pat.search('abcooapp').group()  #匹配第一次出现的字符串,o比p先出现'oo'>>> pat.findall('abcooapp')         #匹配出现的所有字符串，列表形式返回['oo', 'pp']# "{m,n}" ：匹配字符串出现m到n次>>> pat = re.compile('[op]{2,4}')     #o或则p出现2到4次>>> pat.match('pppabcooapp').group()  #匹配开头'ppp'>>> pat.search('pppabcooapp').group() #匹配第一次出现'ppp'>>> pat.findall('pppabcooapp')        #匹配所有['ppp', 'oo', 'pp']# "数量词?" ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）>>> pat = re.compile('[abc]+')         #贪婪模式>>> pat.match('abcdefabcabc').group()  #匹配尽可能多的：abc'abc'>>> pat.match('bbabcdefabcabc').group()'bbabc'>>> pat.search('dbbabcdefabcabc').group()'bbabc'>>> pat.findall('abcdefabcabc')['abc', 'abcabc']>>> pat = re.compile('[abc]+?')        #非贪婪模式：+?>>> pat.match('abcdefabcabc').group()  #匹配尽可能少的：a、b、c'a'>>> pat.search('dbbabcdefabcabc').group()'b'>>> pat.findall('abcdefabcabc')['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']

3，边界

边界词          描述     ^匹配字符串开头和行首$匹配字符串结尾和行尾\A匹配字符串开头\Z匹配字符串结尾\b匹配\w 和 \W 之间

 

 

 

 

 

 

 

使用：

# "^" ：匹配字符串开头或则行头>>> pat = re.compile('^[abc]')     #开头是abc>>> pat.search('defabc').group()     >>> pat.match('defabc').group()    #均找不到>>> pat.findall('defabc')[]>>> pat.search('adefabc').group()'a'>>> pat.match('adefabc').group()   #开头是a、b、c中的任意一个'a'>>> pat.findall('adefabc')['a']>>> pat = re.compile('^[abc]+')    #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个>>> pat.findall('cbadefab')['cba']>>> pat = re.compile(r'^[abc]+?')  #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个>>> pat.findall('cbadefab')['c']# "$" ：匹配字符串结尾或则行尾>>> pat = re.compile('[abc]$')>>> pat.match('adefAbc').group()   #match匹配的是字符串开头，所以查找$的时，总是返回None>>> pat.search('adefAbc').group()  #结尾是a、b、c中的任意一个'c'>>> pat.findall('adefAbc')         ['c']>>> pat = re.compile('[abc]+$')>>> pat.search('adefAbc').group()  #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个'bc'>>> pat.findall('adefAbc')['bc']# "\A"：匹配字符串开头>>> pat = re.compile('\A[abc]+')>>> pat.findall('cbadefab')['cba']>>> pat.search('cbadefab').group()'cba'# "\Z"：匹配字符串结尾>>> pat = re.compile('[abc]+\Z')>>> pat.search('cbadefab').group()'ab'>>> pat.findall('cbadefab')['ab']

4，分组：这里有个例子：http://www.cnblogs.com/zhoujinyi/archive/2012/10/29/2745004.html

分组方法描述|左右表达式任意匹配一个，先匹配左边一旦成功则跳过匹配右边，
如果|没有包含在()中,匹配整个正则表达式  (...) 分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词(?P<name>...)除了分组序号外,指定一个 name的别名\<number> 引用编号为<number>的分组匹配到的字符串(?P=name) 引用别名为<name>的分组匹配到的串

 

 

 

 

 

 

 

 

使用：

# "(...)" ：在模式里面用()来表示分组（匿名分组）,适用于提取目标字符串中的某一些部位。>>> pat=re.compile(r'(a)\w(c)')  #\w:单词字符[A-Za-z0-9]>>> pat.match('abcdef').group()'abc'>>> pat=re.compile('(a)b(c)')    #分2组，匿名分组>>> pat.match('abcdef').group()  #默认返回匹配的字符串'abc'>>> pat.match('abcdef').group(1) #取分组1，适用于search'a'>>> pat.match('abcdef').group(2) #取分组2，适用于search'c'>>> pat.match('abcdef').groups() #取所有分组，元组形式返回('a', 'c')

>>> pat=re.compile(r'www\.(.*)\..{3}')>>> pat.match('www.dxy.com').group(1)'dxy'# "(?P<name>...)" ：在模式里面用()来表示分组（命名分组）,适用于提取目标字符串中的某一些部位。>>> pat=re.compile(r'(?P<K>a)\w(c)')    #分2组：命名分组+匿名分组>>> pat.search('abcdef').groups()       #取所有分组，元组形式返回('a', 'c')>>> pat.search('abcdef').group(1)       #取分组1，适用于match'a'>>> pat.search('abcdef').group(2)       #取分组2，适用于match'c'>>> pat.search('abcdef').group()        #默认返回匹配的字符串'abc'>>> pat.search('abcdef').groupdict()    #命名分组可以返回一个字典【专有】，匿名分组也没有{'K': 'a'}# "(?P=name)" ：引用命名分组(别名)匹配：>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)')    #(?P=K)引用分组1的值，就是a>>> pat.search('abcdef').group()              #匹配不到，因为完整'a\wca',模式的第4位是aTraceback (most recent call last):  File "<stdin>", line 1, in <module>AttributeError: 'NoneType' object has no attribute 'group'>>> pat.search('abcadef').group()             #匹配到，模式的第4位和组1一样,值是c'abca'>>> pat.search('abcadef').groups()('a', 'c')>>> pat.search('abcadef').group(1)'a'>>> pat.search('abcadef').group(2)'c# "\<number>" ：引用分组编号匹配：>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)\2')  #\2引用分组2的值，就是c>>> pat.findall('Aabcadef')                   #匹配不到，因为完整'a\wcac',模式的第5位是c[]>>> pat.findall('Aabcacdef')                  #匹配到，模式的第5位和组2一样,值是c[('a', 'c')]>>> pat.search('Aabcacdef').groups()('a', 'c')>>> pat.search('Aabcacdef').group()'abcac'>>> pat.search('Aabcacdef').group(1)'a'>>> pat.search('Aabcacdef').group(2)'c'

5，特殊构造

方法描述(?:...)(...)不分组版本,用于使用 | 或者后接数量词(?iLmsux)iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个(?#...) #号后的内容将作为注释(?=...) 之后的字符串内容需要匹配表达式才能成功匹配(?!...) 之后的字符串不匹配表达式才能成功(?<=...) 之前的字符串需要匹配表达式才能成功(?<!...) 之前的字符串需要不匹配表达式才能成功(?(id/name) yes |no)如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

 

 

 

 

 

 

 

 

 

 

 

使用：

# "(?:...)" ：()里面有?:表示该()不是分组>>> pat=re.compile(r'a(?:bc)')>>> pat.findall('abc')['abc']>>> pat.match('abc').groups()      #显示不出分组()# "(?=...)"：匹配...表达式，返回。对后进行匹配，总是对后面进行匹配>>> pat=re.compile(r'\w(?=\d)')    #匹配表达式\d，返回数字的前一位，\w：单词字符[A-Za-z0-9]>>> pat.findall('abc1 def1 xyz1')['c', 'f', 'z']>>> pat.findall('zhoujy20130628hangzhou')  #匹配数字的前一位，列表返回['y', '2', '0', '1', '3', '0', '6', '2']>>> pat=re.compile(r'\w+(?=\d)')>>> pat.findall('abc1,def1,xyz1')          #匹配最末数字的前字符串，列表返回['abc', 'def', 'xyz']>>> pat.findall('abc21,def31,xyz41')['abc2', 'def3', 'xyz4']>>> pat.findall('zhoujy20130628hangzhou')['zhoujy2013062']>>> pat=re.compile(r'[A-Za-z]+(?=\d)')       #[A-Za-z],匹配字母,可以用其他的正则方法>>> pat.findall('zhoujy20130628hangzhou123') #匹配后面带有数字的字符串，列表返回['zhoujy', 'hangzhou']>>> pat.findall('abc21,def31,xyz41')['abc', 'def', 'xyz']# "(?!...)" 不匹配...表达式，返回。对后进行匹配>>> pat=re.compile(r'[A-Za-z]+(?!\d)')       #[A-Za-z],匹配字母,可以用其他的正则方法>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')  #匹配后面不是数字的字符串，列表返回['zhouj', 'hangzho', 'binjian']>>> pat.findall('abc21,def31,xyz41')['ab', 'de', 'xy']# "(?<=...)"：匹配...表达式，返回。对前进行匹配,总是对前面进行匹配>>> pat=re.compile(r'(?<=\d)[A-Za-z]+')      #匹配前面是数字的字母>>> pat.findall('abc21,def31,xyz41')[]>>> pat.findall('1abc21,2def31,3xyz41')['abc', 'def', 'xyz']>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')['hangzhou']# "(?<!...)"：不匹配...表达式，返回。对前进行匹配,总是对前面进行匹配>>> pat=re.compile(r'(?<!\d)[A-Za-z]+')      #匹配前面不是数字的字母>>> pat.findall('abc21,def31,xyz41')['abc', 'def', 'xyz']>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')['zhoujy', 'angzhou', 'binjiang']#"(?(id/name) yes |no)": 组是否匹配，匹配返回>>> pat=re.compile(r'a(\d)?bc(?(1)\d)')   #no省略了，完整的是a\dbc\d ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字>>> pat.findall('abc9')                   #返回组1，但第2位（组1）没有，即返回了''['']>>> pat.findall('a8bc9')                  #完整的模式，返回组1['8']>>> pat.match('a8bc9').group()'a8bc9'>>> pat.match('a8bc9').group(1)'8'>>> pat.findall('a8bc')                   #第5位不存在，则没有匹配到[]#"(?iLmsux)":这里就介绍下i参数：大小写区分匹配>>> pat=re.compile(r'abc')>>> pat.findall('abc')['abc']>>> pat.findall('ABC')[]>>> pat=re.compile(r'(?i)abc')            #(?i) 不区分大小写>>> pat.findall('ABC')['ABC']>>> pat.findall('abc')['abc']>>> pat.findall('aBc')['aBc']>>> pat.findall('aBC')['aBC']>>> pat=re.compile(r'abc',re.I)           #re.I 作为参数使用，推荐>>> pat.findall('aBC')['aBC']>>> pat.findall('abc')['abc']>>> pat.findall('ABC')['ABC']