Python re正则表达式

参考：

博客园《Python正則表達式指南》

博客园《Python之re模块》

在此感谢博主的无私奉献，本文主要介绍python中re模块的几个简单使用方法。具体的使用方法请參考博客园的这两篇博文

python在文本处理方面是非常强大的，得益于有re这样强大的模块。re模块是用于处理文本的超级强大的工具。当然了。其它语言可能也提供了正則表達式的模块。可是个人感觉python的re模块做的是非常好的

当然了，外行会问了，正則表達式是做什么的呀？听起来玄乎其神的。说白了就是，给你一个非常大的文本文件，让你在里面找符合一定规律的语句，你怎么找呢？比方让你找一个这种语句：ABCDabcd，你或许会说直接用str类的查找就好了。好，那我问你假设让你查找一个这种呢ABCD???

abcd，当中的问号表示随意的一个数字，也就是（ABCD三个数字abcd）这种形式呢？难倒你了吧。哈哈哈，如今使用正則表達式处理这种问题就妥妥的啦

简介一下，使用正則表達式的流程：

A。 初始化一个正則表達式引擎

B， 使用这个引擎在给定的文本里面查找符合条件的结果

先来看一下re模块的语法吧，见下图：

re中的函数：

re.compile(pattern, flags=0)

返回一个正則表達式对象。以下两种写法的作用是等价的：

写法1：

prog = re.compile(pattern)

result = prog.match(string)

写法2：

result = re.match(pattern, string)

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

从string的开头进行匹配，假设开头没有匹配成功。则返回None，假设匹配成功，返回且只返回第一个match object（一会再介绍match object的使用方法）

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

扫描整个string，假设没有匹配，返回None，否则只返回第一个成功匹配的matchobject

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

通过正則表達式将字符串分离。假设用括号将正則表達式括起来，那么匹配的字符串也会被列入到list中返回。maxsplit是分离的次数。maxsplit=1分离一次，默觉得0，不限制次数。

演示样例：

>>> re.split(‘\W+’, ‘Words, words, words.’)

[‘Words’, ‘words’, ‘words’, ”]

>>> re.split(‘(\W+)’, ‘Words, words, words.’)

[‘Words’, ‘, ‘, ‘words’, ‘, ‘, ‘words’, ‘.’, ”]

>>> re.split(‘\W+’, ‘Words, words, words.’, 1)

[‘Words’, ‘words, words.’]

>>> re.split(‘[a-f]+’, ‘0a3B9’, flags=re.IGNORECASE)

[‘0’, ‘3’, ‘9’]

或许你可能看起来比較吃力，提示一下：\W表示非单词字符，+号表示匹配前一个字符1次或多次，这样理解起来就easy一些了吧。还有，假设在字符串的開始或结尾就匹配，返回的list将会以空串開始或结尾，假设字符串不能匹配，将会返回整个字符串的list。

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

找到RE 匹配的全部子串，并把它们作为一个列表返回。这个匹配是从左到右有序地返回。

假设无匹配。返回空列表（个人认为这个函数是最经常使用的）

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

搜索string。返回一个顺序訪问每一个匹配结果（matchobject）的迭代器

演示样例：

import re

p = re.compile(r’\d+’)

for m in p.finditer(‘one1two2three3four4’):

print(m.group(),end=’’)

### output ###

# 1 2 3 4

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

使用repl替换string中每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，能够使用\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。这种方法应当仅仅接受一个參数（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，不指定时所有替换。

re.subn(pattern, repl, string, count=0, flags=0)

实现的功能跟sub()函数是一样的，可是返回的结果是(new_string,number_of_subs_made)

match object：

匹配对象，这个是match()。search()，finditer()函数返回的值。

属性：

string: 匹配时使用的文本。

re: 匹配时使用的Pattern对象。

pos: 文本中正則表達式開始搜索的索引。

值与Pattern.match()和Pattern.seach()方法的同名參数同样。

endpos: 文本中正則表達式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名參数同样。

lastindex: 最后一个被捕获的分组在文本中的索引。假设没有被捕获的分组，将为None。

lastgroup: 最后一个被捕获的分组的别名。假设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。指定多个參数时将以元组形式返回。group1能够使用编号也能够使用别名；编号0代表整个匹配的子串；不填写參数时，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]):

以元组形式返回所有分组截获的字符串。

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，默觉得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。没有别名的组不包括在内。

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中能够使用\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将被觉得是第10个分组，假设你想表达\1之后是字符’0’，仅仅能使用\g<1>0。