python 的正则表达式

在python中，对正则表达式的支持是通过re模块来支持的。使用re的步骤是先把表达式字符串编译成pattern实例，然后在使用pattern去匹配文本获取结果。

其实也有另外一种方式，就是直接使用re模块的方法，但是这样就不能使用编译后的pattern实例了。

实例：

#!/usr/bin/python
# -*- coding: utf-8 -*-
 
import re
 
pat = re.compile(r'hello')
 
match = pat.match('hello world!')
 
if match:
    print match.group()
 
match1 = re.match(r'hello','hello world!')
 
if match1:
    print match1.group()
 
    print match1.pos

返回的结果相同，都是 hello

关于Pattern 对象：

它是由re.complie函数来构造的，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。

关于 re.compile方法

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

1.关于 match方法：

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，可以使用Match提供的可读属性或方法来获取这些信息。

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<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>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。

请看例子：

#!/usr/bin/python
# -*- coding: utf-8 -*-
 
import re
 
m = re.match(r'(\w+)\s(\w+)','aaa bbb ccc')
 
print m.string
 
print m.re
 
print m.pos
 
print m.endpos
 
print m.lastindex
 
print m.lastgroup
 
print m.group()
 
print m.start()
 
print m.end()
 
print m.span()
 
print m.expand(r'\2 \1')

结果为：

aaa bbb ccc
<_sre.SRE_Pattern object at 0x10dbfda08>
0
11
2
None
aaa bbb
0
7
(0, 7)
bbb aaa

2.关于search方法：

　　查找可以匹配的子串，和match 不同的是他不是从开始处开始匹配的。如果没有匹配上，则返回None

上面的例子中，将match 换成search返回的结果一样

请看：

#!/usr/bin/python
# -*- coding: utf-8 -*-
 
import re
 
pat = re.compile(r'hello')
 
match = pat.match('shello world!')
 
if match:
    print match.group()
else:
    print 'not match!'
 
match1 = re.search(r'hello','shello world!')
 
if match1:
    print match1.group()

结果为：

not match!
hello

这2个函数，没有其他区别，就是一个是从开始匹配的，另外一个不是开始的

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。

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。

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。

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<id>、\g<name>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。

7.subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]): 
返回 (sub(repl, string[, count]), 替换次数)。

例子为：

#!/usr/bin/python
# -*- coding: utf-8 -*-
 
import re
 
p =re.compile(r'\d+')
 
print p.split('aa1bb2cc3dd4ee5ff6')
 
print p.findall('aa1bb2cc3dd4ee5ff6')
 
for m in p.finditer('aa1bb2cc3dd4ee5ff6'):
    print m.group(),
 
print '\nsub test'
p1 =re.compile(r'(\w+)\s+(\w+)')
 
s = 'i am ok'
 
print p1.sub(r'\2 \1',s)
print p1.subn(r'\2 \1',s)

结果：

['aa', 'bb', 'cc', 'dd', 'ee', 'ff', '']
['1', '2', '3', '4', '5', '6']
1 2 3 4 5 6
sub test
am i ok
('am i ok', 1)

---end---