25. Python 正则（2）

1. re的matche方法和search方法

match 方法

match(string[, pos[, endpos]])

string:匹配使用的文本，

pos: 文本中正则表达式开始搜索的索引。及开始搜索string的下标

endpos: 文本中正则表达式结束搜索的索引。

如果不指定pos，默认是从开头开始匹配，如果匹配不到，直接返回None

举例：

import re
reg = re.compile(r'(asdf.*)(fasd.*)')
a = 'asdfas fasdfds'
result = reg.match(a)
print result
print result.groups()

b = 'cc' + a
result2 = reg.match(b)
print result2

结果：

('asdfas ', 'fasdfds')

None       ##从最开头开始匹配，cc不能被正则匹配到，所以返回None

解释：如果不指定pos的话，默认是从字符串开始位置匹配，匹配不到就返回None，以上所有的 reg 都是一个match对象。

Search 方法

search(string[, pos[, endpos]])

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。

举例（继match的例子）：

result3 = reg.search(b)
print result3.groups()

结果

('asdfas ', 'fasdfds')   #匹配成功

match和search的区别：

search有个开始值和一个结束值，但是match也有开始值和结束值，match默认是从开始的位置，如果找不到直接返回None；

search默认也是从开始位置匹配，如果刚开始匹配不到，则将pos的下标加1，重新匹配，如果还是匹配不到，继续加1，

直到pos=endpos为止，返回None

推荐用 match 匹配，精准，匹配到，搜一遍；

用 search 则会匹配很多遍，全部字符串都要搜一遍。

2.re的split, findall, finditer方法

(1) split(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'))

结果：

['one', 'two', 'three', 'four', '']

解释：直接把p的正则当成是分隔符，然后把最后的字符串用p进行分割，然后返回回去。

（2）findall(string[, pos[, endpos]]) 

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(findall('one1two2three3four4'))

结果：

['1', '2', '3', '4']

解释：findall是把匹配到的字符串以列表的形式返回回去。

（3）finditer(string[, pos[, endpos]])

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+')
print(type(p.finditer('one1two2three3four4')))
for m in p.finditer('one1two2three3four4'):
print(type(m))
print(m.group())

结果：

<type 'callable-iterator'>

<type '_sre.SRE_Match'>

1

<type '_sre.SRE_Match'>

2

<type '_sre.SRE_Match'>

3

<type '_sre.SRE_Match'>

4

解释：

p.finditer('one1two2three3four4')是一个迭代器，而返回的每个m都是match对象，group方法也会在下节进行详细介绍。

（4）sub(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<id>、\g<name>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))

结果：

say i, world hello!

I Say, Hello World!

解释：

\(id)就是匹配的括号的内容，id从默认从1开始计数

m.group(1)是一个字符串，调用字符串的title()方法，所有单词的首字母大写。

3.re的matche对象

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。上面的过程中多次使用了match对象，调用了他的group()和groups()等方法。

例子：

import re
prog = re.compile(r'(?P<tagname>abc)(.*)(?P=tagname)')
result1 = prog.match('abclfjlad234sjldabc')
print(result1)
print(result1.groups())
print result1.group('tagname')
print(result1.group(2))
print(result1.groupdict())

结果：

<_sre.SRE_Match object at 0x0000000002176E88>

('abc', 'lfjlad234sjld')

abc

lfjlad234sjld

{'tagname': 'abc'}

解释：

1，我们可以看到result1已经由字符串转换成了一个正则对象。

2，resule.groups()可以查看出来所有匹配到的数据，每个()是一个元素，最终返回一个tuple

3，group()既可以通过下标（从1开始）的方式访问，也可以通过分组名进行访问。

4，groupdict只能显示有分组名的数据

group([group1, …]) 用法：

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]) 用法：

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。