python的re模块

短命女 2022-09-21 14:23 204阅读 0赞

**转自：[http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html][http_www.cnblogs.com_huxi_archive_2010_07_04_1771073.html]**

**正则表达式30分钟入门教程：[http://deerchao.net/tutorials/regex/regex.htm\#mission][http_deerchao.net_tutorials_regex_regex.htm_mission]**

**python re模块官方文档：[http://python.usyiyi.cn/python\_278/library/re.html][http_python.usyiyi.cn_python_278_library_re.html]**

### 一、正则表达式 ###

正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。

*下图列出了Python支持的正则表达式元字符和语法：*

![正则表达式][20160622230946080]

### 二、re模块 ###

#### 1、re.compile ####

> 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，改变’^’和’$’的行为（参见上图）
 *  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
 *  re.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。

#### 2、re.match ####

> 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’$’。**

属性：

*  string: 匹配时使用的文本。
 *  re: 匹配时使用的Pattern对象。
 *  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。
 *  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。
 *  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。
 *  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：

*  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。
 *  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。
 *  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。
 *  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。
 *  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。
 *  span(\[group\]):  
    返回(start(group), end(group))。
 *  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。

import re
    m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')
    
    print "m.string:", m.string
    print "m.re:", m.re
    print "m.pos:", m.pos
    print "m.endpos:", m.endpos
    print "m.lastindex:", m.lastindex
    print "m.lastgroup:", m.lastgroup
    
    print "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')
    
    ### output ###
    # 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 ####

> 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 
    
    # 将正则表达式编译成Pattern对象 
    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()无法成功匹配 
    match = pattern.search('hello world!') 
    
    if match: 
        # 使用Match获得分组信息 
        print match.group() 
    
    ### 输出 ### 
    # world

#### 4、re.sub ####

> 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。

import re
    
    p = re.compile(r'(\w+) (\w+)')
    s = 'i say, hello world!'
    
    print p.sub(r'\2 \1', s)
    
    def func(m):
        return m.group(1).title() + ' ' + m.group(2).title()
    
    print p.sub(func, s)
    
    ### output ###
    # say i, world hello!
    # I Say, Hello World!

#### 5、re.subn ####

> subn(repl, string\[, count\]) |re.sub(pattern, repl, string\[, count\])

返回 (sub(repl, string\[, count\]), 替换次数)。

import re
    
    p = re.compile(r'(\w+) (\w+)')
    s = 'i say, hello world!'
    
    print p.subn(r'\2 \1', s)
    
    def func(m):
        return m.group(1).title() + ' ' + m.group(2).title()
    
    print p.subn(func, s)
    
    ### output ###
    # ('say i, world hello!', 2)
    # ('I Say, Hello World!', 2)

#### 6、re.split ####

> 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。

import re
    
    p = re.compile(r'\d+')
    print p.split('one1two2three3four4')
    
    ### output ###
    # ['one', 'two', 'three', 'four', '']

#### 7、re.findall ####

> 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。

import re
    
    p = re.compile(r'\d+')
    print p.findall('one1two2three3four4')
    
    ### output ###
    # ['1', '2', '3', '4']

#### 8、re.finditer ####

> 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。

import re
    
    p = re.compile(r'\d+')
    for m in p.finditer('one1two2three3four4'):
        print m.group(),
    
    ### output ###
    # 1 2 3 4

[http_www.cnblogs.com_huxi_archive_2010_07_04_1771073.html]: http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
[http_deerchao.net_tutorials_regex_regex.htm_mission]: http://deerchao.net/tutorials/regex/regex.htm#mission
[http_python.usyiyi.cn_python_278_library_re.html]: http://python.usyiyi.cn/python_278/library/re.html
[20160622230946080]: /images/20220721/374a18e564e341eaa9c0fb658f39f6a4.png