Python正则表达式re模块简明笔记

Python正则表达式re模块简明笔记要注意的是，正则表达式并不是一个程序，而是用于处理字符串的一种模式，如果你想用它来处理字符串，就必须使用支持正则表达式的工具，比如Linux中的awk,sed,grep，或者编程语言Perl,Python,Java等等。作者：FunHacks来源：FunHacks|2016-12-2811:20收藏分享简介正则表达式（regularexpression）是可以匹配文本片段的模式。最简单的正则表达式就是普通字符串，可以匹配其自身。比如，正则表达式‘hello’可以匹配字符串‘hello’。要注意的是，正则表达式并不是一个程序，而是用于处理字符串的一种模式，如果你想用它来处理字符串，就必须使用支持正则表达式的工具，比如Linux中的awk,sed,grep，或者编程语言Perl,Python,Java等等。正则表达式有多种不同的风格，下表列出了适用于Python或Perl等编程语言的部分元字符以及说明：re模块在Python中，我们可以使用内置的re模块来使用正则表达式。有一点需要特别注意的是，正则表达式使用\对特殊字符进行转义，比如，为了匹配字符串‘python.org’，我们需要使用正则表达式'python\.org'，而Python的字符串本身也用\转义，所以上面的正则表达式在Python中应该写成'python\\.org'，这会很容易陷入\的困扰中，因此，我们建议使用Python的原始字符串，只需加一个r前缀，上面的正则表达式可以写成：r'python\.org're模块提供了不少有用的函数，用以匹配字符串，比如：compile函数match函数search函数findall函数finditer函数split函数sub函数subn函数re模块的一般使用步骤如下：使用compile函数将正则表达式的字符串形式编译为一个Pattern对象通过Pattern对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个Match对象）最后使用Match对象提供的属性和方法获得信息，根据需要进行其他的操作compile函数compile函数用于编译正则表达式，生成一个Pattern对象，它的一般使用形式如下：re.compile(pattern[,flag])其中，pattern是一个字符串形式的正则表达式，flag是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等。下面，让我们看看例子。importre#将正则表达式编译成Pattern对象pattern=re.compile(r'\d+')在上面，我们已将一个正则表达式编译成Pattern对象，接下来，我们就可以利用pattern的一系列方法对文本进行匹配查找了。Pattern对象的一些常用方法主要有：match方法search方法findall方法finditer方法split方法sub方法subn方法match方法match方法用于查找字符串的头部（也可以指定起始位置），它是一次匹配，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果。它的一般使用形式如下：match(string[,pos[,endpos]])其中，string是待匹配的字符串，pos和endpos是可选参数，指定字符串的起始和终点位置，默认值分别是0和len(字符串长度)。因此，当你不指定pos和endpos时，match方法默认匹配字符串的头部。当匹配成功时，返回一个Match对象，如果没有匹配上，则返回None。看看例子。importrepattern=re.compile(r'\d+')#用于匹配至少一个数字m=pattern.match('one12twothree34four')#查找头部，没有匹配printmNonem=pattern.match('one12twothree34four',2,10)#从'e'的位置开始匹配，没有匹配printmNonem=pattern.match('one12twothree34four',3,10)#从'1'的位置开始匹配，正好匹配printm#返回一个Match对象_sre.SRE_Matchobjectat0x10a42aac0m.group(0)#可省略0'12'm.start(0)#可省略03m.end(0)#可省略05m.span(0)#可省略0(3,5)在上面，当匹配成功时返回一个Match对象，其中：group([group1,…])方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用group()或group(0)；start([group])方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为0；end([group])方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为0；span([group])方法返回(start(group),end(group))。再看看一个例子：importrepattern=re.compile(r'([a-z]+)([a-z]+)',re.I)#re.I表示忽略大小写m=pattern.match('HelloWorldWideWeb')printm#匹配成功，返回一个Match对象_sre.SRE_Matchobjectat0x10bea83e8m.group(0)#返回匹配成功的整个子串'HelloWorld'm.span(0)#返回匹配成功的整个子串的索引(0,11)m.group(1)#返回第一个分组匹配成功的子串'Hello'm.span(1)#返回第一个分组匹配成功的子串的索引(0,5)m.group(2)#返回第二个分组匹配成功的子串'World'm.span(2)#返回第二个分组匹配成功的子串(6,11)m.groups()#等价于(m.group(1),m.group(2),...)('Hello','World')m.group(3)#不存在第三个分组Traceback(mostrecentcalllast):Filestdin,line1,inmoduleIndexError:nosuchgroupsearch方法search方法用于查找字符串的任何位置，它也是一次匹配，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果，它的一般使用形式如下：search(string[,pos[,endpos]])其中，string是待匹配的字符串，pos和endpos是可选参数，指定字符串的起始和终点位置，默认值分别是0和len(字符串长度)。当匹配成功时，返回一个Match对象，如果没有匹配上，则返回None。让我们看看例子：importrepattern=re.compile('\d+')m=pattern.search('one12twothree34four')#这里如果使用match方法则不匹配m_sre.SRE_Matchobjectat0x10cc03ac0m.group()'12'm=pattern.search('one12twothree34four',10,30)#指定字符串区间m_sre.SRE_Matchobjectat0x10cc03b28m.group()'34'm.span()(13,15)再来看一个例子：#-*-coding:utf-8-*-importre#将正则表达式编译成Pattern对象pattern=re.compile(r'\d+')#使用search()查找匹配的子串，不存在匹配的子串时将返回None#这里使用match()无法成功匹配m=pattern.search('hello123456789')ifm:#使用Match获得分组信息print'matchingstring:',m.group()print'position:',m.span()执行结果：matchingstring:123456position:(6,12)findall方法上面的match和search方法都是一次匹配，只要找到了一个匹配的结果就返回。然而，在大多数时候，我们需要搜索整个字符串，获得所有匹配的结果。findall方法的使用形式如下：findall(string[,pos[,endpos]])其中，string是待匹配的字符串，pos和endpos是可选参数，指定字符串的起始和终点位置，默认值分别是0和len(字符串长度)。findall以列表形式返回全部能匹配的子串，如果没有匹配，则返回一个空列表。看看例子：importrepattern=re.compile(r'\d+')#查找数字result1=pattern.findall('hello123456789')result2=pattern.findall('one1two2three3four4',0,10)printresult1printresult2执行结果：['123456','789']['1','2']finditer方法finditer方法的行为跟findall的行为类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果（Match对象）的迭代器。看看例子：#-*-coding:utf-8-*-importrepattern=re.compile(r'\d+')result_iter1=pattern.finditer('hello123456789')result_iter2=pattern.finditer('one1two2three3four4',0,10)printtype(result_iter1)printtype(result_iter2)print'result1...'form1inresult_iter1:#m1是Match对象print'matchingstring:{},position:{}'.format(m1.group(),m1.span())print'result2...'form2inresult_iter2:print'matchingstring:{},position:{}'.format(m2.group(),m2.span())执行结果：type'callable-iterator'type'callable-iterator'result1...matchingstring:123456,position:(6,12)matchingstring:789,position:(13,16)result2...matchingstring:1,position:(3,4)matchingstring:2,position:(7,8)split方法split方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：split(string[,maxsplit])其中，maxsplit用于指定最大分割次数，不指定将全部分割。看看例子：importrep=re.compile(r'[\s\,\;]+')printp.split('a,b;;cd')执行结果：['a','b','c','d']sub方法sub方法用于替换。它的使用形式如下：sub(repl,string[,count])其中，repl可以是字符串也可以是一个函数：如果repl是字符串，则会使用repl去替换字符串每一个匹配的子串，并返回替换后的字符串，另外，repl还可以使用\id的形式来引用分组，但不能使用编号0；如果repl是函数，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