import re （Python的re模块）

今天学习了Python中有关正则表达式的知识。关于正则表达式的语法，不作过多解释，网上有许多学习的资料。这里主要介绍Python中常用的正则表达式处理函数。

match() 函数只检查 RE 是否在字符串开始处匹配，而 search() 则是扫描整个字符串。

match() 只报告一次成功的匹配，它将从 0 处开始；如果匹配不是从 0 开始的，match() 将不会报告它。

search() 将扫描整个字符串，并报告它找到的第一个匹配。

match()、seerch（）、finditer（）如果匹配成功则返回一个Match Object对象，该对象有以下属性、方法：

group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。

1. group（）返回re整体匹配的字符串，

2. group (n,m) 返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常

#!python

>>> p = re.compile('(a(b)c)d')

>>> m = p.match('abcd')

>>> m.group(0)

'abcd'

>>> m.group(1)

'abc'

>>> m.group(2)

'b'

groups() 方法返回一个包含 正则表达式中所有小组 字符串的元组，从 1 到 所含的小组号， 通常groups（）不需要参数，返回一个元组，元组中的元就是正则表达式中定义的组。

#!python

>>> p = re.compile('(a(b)c)d')

>>> m = p.match('abcd')

>>> m.groups()

('abc', 'b')

使用索引取得相应的组内容，例如：m.groups()[0]

p2=re.compile(r'''(\d)+\w''',re.X)  

>>> p2.match('123a b12123c').group()   # re正则表达式 '(\d)+\w匹配的字符串

'123a'

>>> p2.match('123a b12123c').group(0)

'123a'

>>> p2.match('123a b12123c').group(1)  #返回正则表达式中第一个小组即（\d）所匹配的字符串

'3'

>>> p2.match('123a b12 123c').groups()
('3',)

re.match ，从字符串开头匹配，返回一个Match Object，或None

re.match 尝试从字符串的开始匹配一个模式，如：下面的例子匹配第一个单词。

import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
m = re.match(r"(\w+)\s", text)
if m:
print m.group(0), '\n', m.group(1)
else:
print 'not match'

re.match的函数原型为：re.match(pattern, string, flags)

第一个参数是正则表达式，这里为"(\w+)\s"，如果匹配成功，则返回一个Match，否则返回一个None；

第二个参数表示要匹配的字符串；

第三个参数是标致位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

re.search  在字符串内查找匹配，找到第一个匹配，返回Match Object，或None

re.search函数会在字符串内查找模式匹配,直到找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
m = re.search(r'\shan(ds)ome\s', text)
if m:
print m.group(0), m.group(1)
else:
print 'not search'

re.search的函数原型为： re.search(pattern, string, flags)

每个参数的含意与re.match一样。

re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

re.sub   替换所有的匹配项，返回一个替换后的字符串，如果匹配失败，返回原字符串

re.sub用于替换字符串中的匹配项。下面一个例子将字符串中的空格 ' ' 替换成 '-' :

import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.sub(r'\s+', '-', text)

re.sub的函数原型为：re.sub(pattern, repl, string, count)

其中第二个函数是替换后的字符串；本例中为'-'

第四个参数指替换个数。默认为0，表示每个匹配项都替换。

re.sub还允许使用函数对匹配项的替换进行复杂的处理。如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；将字符串中的空格' '替换为'[ ]'。

sub() 方法提供一个替换值，可以是字符串或一个函数，和一个要被处理的字符串

当使用模块级的 re.sub() 函数时，模式作为第一个参数。模式也许是一个字符串或一个 `RegexObject`；如果你需要指定正则表达式标志，你必须要么使用 `RegexObject` 做第一个参数，或用使用模式内嵌修正器，如 sub("(?i)b+", "x", "bbbb BBBB") returns 'x x'。

import re

def hexrepl( match ):
"Return the hex string for a decimal number"
value = int( match.group() )
return hex(value)

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

print p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
#Call 0xffd2 for printing, 0xc000 for user code.

import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."

print re.sub(r'\s+', '-', text)
#JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

print re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text)
#JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

print re.sub(r'a', lambda m: '[' + m.group(0) + ']', text) #在a的两边加[ ]，也可以用string.replace()

#JGood is [a] h[a]ndsome boy, he is cool, clever, [a]nd so on...

subn ( )  与 sub( ) 相同，但返回新的字符串和替换次数

print re.subn('i','I','Paris in the the spring')  # ('ParIs In the the sprIng', 3)

空匹配只有在它们没有紧挨着前一个匹配时才会被替换掉。

#!python

>>> p = re.compile('x*')

>>> p.sub('-', 'abxd')

'-a-b-d-'

re.split     以列表形式返回分割的字符串

可以使用re.split来分割字符串，如：re.split(r'\s+', text)；将字符串按空格分割成一个单词列表。

split(string [, maxsplit = 0])

你可以通过设置 maxsplit 值来限制分片数。当 maxsplit 非零时，最多只能有 maxsplit 个分片，字符串的其余部分被做为列表的最后部分返回。在下面的例子中，定界符可以是非数字字母字符的任意序列。

#!python

>>> p = re.compile(r'\W+')

>>> p.split('This is a test, short and sweet, of split().')

['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']

>>> p.split('This is a test, short and sweet, of split().', 3)

['This', 'is', 'a', 'test, short and sweet, of split().']

有时，你不仅对定界符之间的文本感兴趣，也需要知道定界符是什么。定界符可以是非数字字母字符的任意序列 ，如果捕获括号在 RE中使用，那么它们（定界符）的值也会当作列表的一部分返回。比较下面的调用：

re.split("([ab])","carbs")  #   ['c', 'a', 'r', 'b', 's']     定界符是a或b，结果返回界定符a、b。

re.split("([ab]#)", "carbs")  #  ['carbs']   定界符是a#或b#，结果 ['carbs'] 

#!python

>>> p = re.compile(r'\W+')

>>> p2 = re.compile(r'(\W+)')

>>> p.split('This... is a test.')

['This', 'is', 'a', 'test', '']

>>> p2.split('This... is a test.')

['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']

re.findall  以列表形式返回所有匹配的字符串

re.findall可以获取字符串中所有匹配的字符串。如：re.findall(r'\w*oo\w*', text)；获取字符串中，包含'oo'的所有单词。

         (pattern) 匹配 pattern并获取这一匹配

import re

text = "JGood is a  handsome boy,he is handsome and cool,clever,and so on ...."

print re.findall(r'\w*oo\w*',text) #结果：['JGood', 'cool']

print re.findall(r'(\w)*oo(\w)*',text) # ()表示子表达式 结果：[('G', 'd'), ('c', 'l')]

在 Python 2.2中，也可以用 finditer() 方法。

#!python
>>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...')
>>> iterator
<callable-iterator object at 0x401833ac>
>>> for match in iterator:
...     print match.group() , match.span()
...     
12 (0, 2)
11 (22, 24)
10 (29, 31)

re.compile

可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。下面是一个正则表达式对象的一个例子：