python正則表達式

                       python正則表達式

1、re模塊

   python中處理正則表達式的一個模塊，經過re模塊的方法，把正則表達式pattern編譯成正則

對象，以便使用正則對象的方法

1.compile加速

re.compile(pattern[, flags])

說明：將正則規則編譯成一個Pattern對象，以供接下來使用；第一個參數是規則式，第二個參數是規則選項；返回一個Pattern對象

1）參數flag是匹配模式，取值可使用按位或運算符「|」表示同時生效，好比：re.I | re.M

2）flag的可選值：

re.I (re.IGNORECASE)： 忽略大小寫（括號內是完整寫法，下同）

M (MULTILINE)：      多行模式，改變'^'和'$'的行爲

S (DOTALL)：        點任意匹配模式，改變'.'的行爲

L (LOCALE)：        使預約字符類 \w \W \b \B \s \S 取決於當前區域設定

U (UNICODE)：        使預約字符類 \w \W \b \B \s \S \d \D 取決於unicode定義的字符屬性

X (VERBOSE)：        詳細模式，正則表達式能夠多行，忽略空白字符，能夠加入註釋

例子：

a和b等價

a = re.compile(r"""\d +  # the integral part

         \.    # the decimal point

         \d *  # some fractional digits""", re.X)

b = re.compile(r"\d+\.\d*")

2.正則原生符r

   表示這個字符串中間的特殊字符不用轉義，好比要表示‘\n’,能夠這樣：r'\n'，或者不用原生字符，而是用字符串：‘\\n

例子：

a = r"\n"

b =  "\n"

c = "\\n"

print a

print b

print c

結果：

\n

\n

3.re模塊compile後，patten對象經常使用方法

3.1.match()方法----匹配開始

格式：match(string[, pos[, endpos]])

參數：

1）string：    匹配使用的字符串

2）pos：       開始搜索的索引（即開始搜索string的下標）默認從開頭匹配，如沒有返回None

3）endpos：    結束搜索的索引

例子

import re

pattern = re.compile(r"\w*(hello.*)(world.*)")

result = pattern.match("aahello world huang")

print(result.groups())

結果：

('hello ', 'world huang')

3.2.search()方法----匹配任意位置

   從string的pos下標處起嘗試匹配pattern，若是pattern結束時仍可匹配，則返回一個Match對象；若沒法匹配，則將pos加1後從新嘗試匹配；直到pos=endpos時仍沒法匹配則返回None

格式： search(string[, pos[, endpos]])

例子：

import re

pattern = re.compile(r"\w*(hello.*)(world.*)")

result = pattern.search("aahello world huang")

print(result.groups())

結果：

('hello ', 'world huang')

3.3.findall()方法----匹配全部對象

返回匹配到的所有子串，列表形式

格式：

findall(string[, pos[, endpos]]) 

例子：

import re

pattern = re.compile(r"\d+")

result = pattern.findall("one1two2three3four")

print result

結果：

['1', '2', '3']

3.4.finditer()方法

按順序返回匹配結果（Match對象）的迭代器

格式：finditer(string[, pos[, endpos]])

例子：

import re

pattern = re.compile(r"\d+")

result = pattern.finditer("one1two2three3four")

print type(result)

for m in result:

   print type(m)

   print (m.group())

結果：

<type 'callable-iterator'>

<type '_sre.SRE_Match'>

1

<type '_sre.SRE_Match'>

2

<type '_sre.SRE_Match'>

3

# 3.5.split()方法

以匹配到的子串做爲分隔符，返回列表

格式：split(string[, maxsplit])

參數：

maxsplit：用於指定最大分割次數，不指定將所有分割

例子：

import re

pattern = re.compile(r"\d+")

result = pattern.split("one1two2three3four")

print result

結果：

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

# 3.6.sub()方法

替換匹配結果的字符串

格式：sub(repl, string[, count]) 

參數：

1）使用repl替換string中每個匹配的子串後返回替換後的字符串：

當repl是一個字符串時，可使用\id或\g<id>、\g<name>引用分組，但不能使用編號0；

當repl是一個方法時，這個方法應當只接受一個參數（Match對象），並返回一個字符串用於替換（返回的字符串中不能再引用分組）

2）count用於指定最多替換次數，不指定時所有替換

例子：

import re

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

s = 'i say, hello world!'

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

結果：

say i, world hello!

4.re模塊方法

說明：用法同compile後，patten經常使用方法同樣

4.1.match()和serch()函數

格式：

match( rule , targetString [,flag] )   # 從開始位置開始匹配，若是開頭沒有，則返回無

search( rule , targetString [,flag] )  # 搜索整個字符串

參數：

第一個是正則規則；第二個是目標字符串；第三個是選項（同compile函數的選項）

返回：

若成功，則返回一個Match對象；若失敗，則無返回

4.2.findall()和finditer()函數

格式：

findall( rule , targetString [,flag] )  # 返回全部匹配的字符串，並存爲一個列表

finditer( rule , target [,flag] )             # 返回一個匹配的字符串迭代器

4.3.split()函數

切片，返回一個被切完的子字符串的列表

格式：

split( rule , target [,maxsplit] )

4.4.sub()函數

替換字符串

格式：

sub ( rule , replace , target [,count] )   # 返回一個被替換的字符串

subn(rule , replace , target [,count] )   # 返回一個元組，第一個元素是被替換的字符串，第二個次數

5.match對象和group

每一個組都有一個序號，按定義時從左到右的順序從1開始編號，0表示整個正則表達式自己

group([index|id])   # 獲取匹配的組號，缺省返回組0，表示所有值

groups()         # 返回所有的組

groupdict()       # 返回以組名爲key，匹配的內容爲values的字典

1）經過數字分組

2）經過別名分組

例子：

import re

prog = re.compile(r'(?P<tagname>abc)(.*)(?P=tagname)')

result = prog.match('abc1234567890abc')

print "## groups() ############"

print(result.groups())

print ""

print "## group('tagname') ############"

print result.group('tagname')

print ""

print "## group(1) ############"

print(result.group(1))

print ""

print "## group(2) ############"

print(result.group(2))

print ""

print "## groupdict() ############"

print(result.groupdict())

結果：

## groups() ############

('abc', '1234567890')

## group('tagname') ############

abc

## group(1) ############

abc

## group(2) ############

1234567890

## groupdict() ############

{'tagname': 'abc'}

2、正則表達式分組

  分組就是用一對圓括號「()」括起來的正則表達式，匹配出的內容就表示一個分組。從正則表達式的左邊開始看，看到的第一個左括號「(」表示第一個分組，第二個表示第二個分組，依次類推，須要注意的是，有一個隱含的全局分組（就是0），就是整個正則表達式。

分完組之後，要想得到某個分組的內容，直接使用group(num)和groups()函數去直接提取就行

1.命名分組

  命名分組就是給具備默認分組編號的組另外再給一個別名。命名分組的語法格式以下：

  (?P<name>正則表達式)   #name是一個合法的標識符

 

2.後向引用

   當用」()」定義了一個正則表達式組後，正則引擎則會把被匹配的組按照順序編號，存入緩存。這樣咱們想在後面對已經匹配過的內容進行引用時，就能夠用」\數字」的方式或者是經過命名分組進行」(?P=name)「進行引用。\1表示引用第一個分組，\2引用第二個分組，以此類推，\n引用第n個組。而\0則引用整個被匹配的正則表達式自己