Python标准库笔记(2) — re模块
目录[-]
re模块提供了一系列功能强大的正则表达式(regular expression)工具，它们允许你快速检查给定字符串是否与给定的模式匹配(match函数), 或者包含这个模式(search函数)。正则表达式是以紧凑(也很神秘)的语法写出的字符串模式。
1. 常用方法
常用方法 | 描述 |
|---|---|
match(pattern, string, flags=0) | 如果字符串string的开头和正则表达式pattern匹配返回相应的MatchObject的实例，否则返回None |
search(pattern, string, flags=0) | 扫描string，如果有个位置可以匹配正则表达式pattern，就返回一个MatchObject的实例，否则返回None |
sub(pattern, repl, string, count=0, flags=0) | 将string里匹配pattern的部分，用repl替换掉，最多替换count次 |
subn(pattern, repl, string, count=0, flags=0) | 和sub类似，subn返回的是一个替换后的字符串和匹配次数组成的元组 |
split(pattern, string, maxsplit=0, flags=0) | 用pattern匹配到的字符串来分割string |
findall(pattern, string, flags=0) | 以列表的形式返回string里匹配pattern的字符串 |
compile(pattern, flags=0)compile(pattern, flags=0) | 把一个正则表达式pattern编译成正则对象，以便可以用正则对象的match和search方法 |
purge() | Clear the regular expression cache |
escape(string) | 把string中除了字母和数字以外的字符，都加上反斜杆 |
2. 特殊匹配符
语法 | 说明 |
|---|---|
. | 匹配除了换行符外的任何字符 |
^ | 头匹配 |
$ | 尾匹配 |
* | 匹配前一个字符0次或多次 |
+ | 匹配前一个字符1次或多次 |
? | 匹配前一个字符0次或一次 |
{m,n} | 匹配前一个字符m至n次 |
\ | 对任一特殊字符进行转义 |
[] | 用来表示一个字符集合 |
\ |
3. 模块方法
re.match(pattern, string, flags=0)
从字符串的开始匹配，如果pattern匹配到就返回一个Match对象实例(Match对象在后面描述)，否则放回None。flags为匹配模式(会在下面描述)，用于控制正则表达式的匹配方式。
import re
a = 'abcdefg'
print re.match(r'abc', a) # 匹配成功
print re.match(r'abc', a).group()
print re.match(r'cde', a) # 匹配失败
>>><_sre.SRE_Match object at 0x0000000001D94578>
>>>abc
>>>Nonesearch(pattern, string, flags=0)
用于查找字符串中可以匹配成功的子串，如果找到就返回一个Match对象实例,否则返回None。
import re
a = 'abcdefg'
print re.search(r'bc', a)
print re.search(r'bc', a).group()
print re.search(r'123', a)
>>><_sre.SRE_Match object at 0x0000000001D94578>
>>>bc
>>>Nonesub(pattern, repl, string, count=0, flags=0)
替换，将string里匹配pattern的部分，用repl替换掉，最多替换count次（剩余的匹配将不做处理），然后返回替换后的字符串。
import re
a = 'a1b2c3'
print re.sub(r'\d+', '0', a) # 将数字替换成'0'
print re.sub(r'\s+', '0', a) # 将空白字符替换成'0'
>>>a0b0c0
>>>a1b2c3subn(pattern, repl, string, count=0, flags=0)
跟sub()函数一样，只是它返回的是一个元组，包含新字符串和匹配到的次数
import re
a = 'a1b2c3'
print re.subn(r'\d+', '0', a) # 将数字替换成'0'
>>>('a0b0c0', 3)split(pattern, string, maxsplit=0, flags=0)
正则版的split(),用匹配pattern的子串来分割string，如果pattern里使用了圆括号，那么被pattern匹配到的串也将作为返回值列表的一部分,maxsplit为最多被分割的字符串。
import re
a = 'a1b1c'
print re.split(r'\d', a)
print re.split(r'(\d)', a)
>>>['a', 'b', 'c']
>>>['a', '1', 'b', '1', 'c']findall(pattern, string, flags=0)
以列表的形式返回string里匹配pattern的不重叠的子串。
import re
a = 'a1b2c3d4'
print re.findall('\d', a)
>>>['1', '2', '3', '4']4. Match对象
re.match()、re.search()成功匹配的话都会返回一个Match对象，它包含了很多此次匹配的信息，可以使用Match提供的属性或方法来获取这些信息。例如：
>>>import re
>>>str = 'he has 2 books and 1 pen'
>>>ob = re.search('(\d+)', str)
>>>print ob.string # 匹配时使用的文本
he has 2 books and 1 pen
>>>print ob.re # 匹配时使用的Pattern对象
re.compile(r'(\d+)')
>>>print ob.group() # 获得一个或多个分组截获的字符串
2
>>>print ob.groups() # 以元组形式返回全部分组截获的字符串
('2',)5.Pattern对象
Pattern对象对象由re.compile()返回，它带有许多re模块的同名方法，而且方法作用类似一样的。例如:
>>>import re
>>>pa = re.compile('(d\+)')
>>>print pa.split('he has 2 books and 1 pen')
['he has ', '2', ' books and ', '1', ' pen']
>>>print pa.findall('he has 2 books and 1 pen')
['2', '1']
>>>print pa.sub('much', 'he has 2 books and 1 pen')
he has much books and much pen6.匹配模式
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, 下面是常见的一些flag。
- re.I(re.IGNORECASE): 忽略大小写
>>>pa = re.compile('abc', re.I)
>>>pa.findall('AbCdEfG')
>>>['AbC']- re.L(re.LOCALE)：字符集本地化
这个功能是为了支持多语言版本的字符集使用环境的，比如在转义符\w，在英文环境下，它代表[a-zA-Z0-9]，即所以英文字符和数字。如果在一个法语环境下使用，有些法语字符串便匹配不上。加上这L选项和就可以匹配了。不过这个对于中文环境似乎没有什么用，它仍然不能匹配中文字符。
- re.M(re.MULTILINE): 多行模式，改变'^'和'$'的行为
>>>pa = re.compile('^\d+')
>>>pa.findall('123 456\n789 012\n345 678')
>>>['123']
>>>pa_m = re.compile('^\d+', re.M)
>>>pa_m.findall('123 456\n789 012\n345 678')
>>>['123', '789', '345']- re.S(re.DOTALL): 点任意匹配模式，改变'.'的行为
.号将匹配所有的字符。缺省情况下.匹配除换行符\n外的所有字符，使用这一选项以后，点号就能匹配包括换行符的任何字符。
- re.U(re.UNICODE): 根据Unicode字符集解析字符
- re.X(re.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。以下两个正则表达式是等价的
a = re.compile(r"""\d + # the integral part
\. # the decimal point
\d * # some fractional digits""", re.X)
b = re.compile(r"\d+\.\d*")
# 但是在这个模式下，如果你想匹配一个空格，你必须用'/ '的形式（'/'后面跟一个空格）