importre（Python的re模块）

转自&＃xff1a;http://www.python8.org/a/fenleiwenzhang/yuyanjichu/2009/0901/150.html

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&＃xff0c;不作过多解释&＃xff0c;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&＃xff0c;而 search() 则是扫描整个字符串。

match() 只报告一次成功的匹配&＃xff0c;它将从 0 处开始&＃xff1b;如果匹配不是从 0 开始的&＃xff0c;match() 将不会报告它。

search() 将扫描整个字符串&＃xff0c;并报告它找到的第一个匹配。

match()、seerch&＃xff08;&＃xff09;、finditer&＃xff08;&＃xff09;如果匹配成功则返回一个Match Object对象&＃xff0c;该对象有以下属性、方法&＃xff1a;

group() 返回re整体匹配的字符串&＃xff0c;可以一次输入多个组号&＃xff0c;对应组号匹配的字符串。

1. group&＃xff08;&＃xff09;返回re整体匹配的字符串&＃xff0c;

2. group (n,m) 返回组号为n&＃xff0c;m所匹配的字符串&＃xff0c;如果组号不存在&＃xff0c;则返回indexError异常

#!python

>>> p &＃61; re.compile(&＃39;(a(b)c)d&＃39;)

>>> m &＃61; p.match(&＃39;abcd&＃39;)

>>> m.group(0)

&＃39;abcd&＃39;

>>> m.group(1)

&＃39;abc&＃39;

>>> m.group(2)

&＃39;b&＃39;

#!python

>>> p &＃61; re.compile(&＃39;(a(b)c)d&＃39;)

>>> m &＃61; p.match(&＃39;abcd&＃39;)

>>> m.groups()

(&＃39;abc&＃39;, &＃39;b&＃39;)

使用索引取得相应的组内容&＃xff0c;例如&＃xff1a;m.groups()[0]

p2&＃61;re.compile(r&＃39;&＃39;&＃39;(\d)&＃43;\w&＃39;&＃39;&＃39;,re.X)  

>>> p2.match(&＃39;123a b12123c&＃39;).group()   # re正则表达式 &＃39;(\d)&＃43;\w匹配的字符串

&＃39;123a&＃39;

>>> p2.match(&＃39;123a b12123c&＃39;).group(0)

&＃39;123a&＃39;

>>> p2.match(&＃39;123a b12123c&＃39;).group(1)  #返回正则表达式中第一个小组即&＃xff08;\d&＃xff09;所匹配的字符串

&＃39;3&＃39;

>>> p2.match(&＃39;123a b12 123c&＃39;).groups() 
(&＃39;3&＃39;,)

re.match &＃xff0c;从字符串开头匹配&＃xff0c;返回一个Match Object&＃xff0c;或None

　　re.match 尝试从字符串的开始匹配一个模式&＃xff0c;如&＃xff1a;下面的例子匹配第一个单词。

re.match的函数原型为&＃xff1a;re.match(pattern, string, flags)

第一个参数是正则表达式&＃xff0c;这里为"(\w&＃43;)\s"&＃xff0c;如果匹配成功&＃xff0c;则返回一个Match&＃xff0c;否则返回一个None&＃xff1b;

第二个参数表示要匹配的字符串&＃xff1b;

第三个参数是标致位&＃xff0c;用于控制正则表达式的匹配方式&＃xff0c;如&＃xff1a;是否区分大小写&＃xff0c;多行匹配等等。

re.search  在字符串内查找匹配&＃xff0c;找到第一个匹配&＃xff0c;返回Match Object&＃xff0c;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&＃xff0c;如果字符串没有匹配&＃xff0c;则返回None。

re.search的函数原型为&＃xff1a; 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&＃xff1a;re.match只匹配字符串的开始&＃xff0c;如果字符串开始不符合正则表达式&＃xff0c;则匹配失败&＃xff0c;函数返回None&＃xff1b;而re.search匹配整个字符串&＃xff0c;直到找到一个匹配。

re.sub   替换所有的匹配项&＃xff0c;返回一个替换后的字符串&＃xff0c;如果匹配失败&＃xff0c;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 &＃39; &＃39; 替换成 &＃39;-&＃39; : 

 re.sub的函数原型为&＃xff1a;re.sub(pattern, repl, string, count)

其中第二个函数是替换后的字符串&＃xff1b;本例中为&＃39;-&＃39;

第四个参数指替换个数。默认为0&＃xff0c;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&＃xff1a;re.sub(r&＃39;\s&＃39;, lambda m: &＃39;[&＃39; &＃43; m.group(0) &＃43; &＃39;]&＃39;, text, 0)&＃xff1b;将字符串中的空格&＃39; &＃39;替换为&＃39;[ ]&＃39;。

sub() 方法提供一个替换值&＃xff0c;可以是字符串或一个函数&＃xff0c;和一个要被处理的字符串

当使用模块级的 re.sub() 函数时&＃xff0c;模式作为第一个参数。模式也许是一个字符串或一个 &＃96;RegexObject&＃96;&＃xff1b;如果你需要指定正则表达式标志&＃xff0c;你必须要么使用 &＃96;RegexObject&＃96; 做第一个参数&＃xff0c;或用使用模式内嵌修正器&＃xff0c;如 sub("(?i)b&＃43;", "x", "bbbb BBBB") returns &＃39;x x&＃39;。 

import re

def hexrepl( match ):
     "Return the hex string for a decimal number"
     value &＃61; int( match.group() )
     return hex(value)

p &＃61; re.compile(r&＃39;\d&＃43;&＃39;)

print p.sub(hexrepl, &＃39;Call 65490 for printing, 49152 for user code.&＃39;)
#Call 0xffd2 for printing, 0xc000 for user code.

import re

text &＃61; "JGood is a handsome boy, he is cool, clever, and so on..."

print re.sub(r&＃39;\s&＃43;&＃39;, &＃39;-&＃39;, text)
#JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

print re.sub(r&＃39;\s&＃39;, lambda m: &＃39;[&＃39; &＃43; m.group(0) &＃43; &＃39;]&＃39;, text)
#JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

print re.sub(r&＃39;a&＃39;, lambda m: &＃39;[&＃39; &＃43; m.group(0) &＃43; &＃39;]&＃39;, text) #在a的两边加[ ]&＃xff0c;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&＃xff0c;但返回新的字符串和替换次数

print re.subn(&＃39;i&＃39;,&＃39;I&＃39;,&＃39;Paris in the the spring&＃39;)  # (&＃39;ParIs In the the sprIng&＃39;, 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 &＃61; re.compile(&＃39;x*&＃39;)

>>> p.sub(&＃39;-&＃39;, &＃39;abxd&＃39;)

&＃39;-a-b-d-&＃39;

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&＃xff0c;如&＃xff1a;re.split(r&＃39;\s&＃43;&＃39;, text)&＃xff1b;将字符串按空格分割成一个单词列表。

split(string [, maxsplit &＃61; 0])

你可以通过设置 maxsplit 值来限制分片数。当 maxsplit 非零时&＃xff0c;最多只能有 maxsplit 个分片&＃xff0c;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&＃xff0c;定界符可以是非数字字母字符的任意序列。

#!python

>>> p &＃61; re.compile(r&＃39;\W&＃43;&＃39;)

>>> p.split(&＃39;This is a test, short and sweet, of split().&＃39;)

[&＃39;This&＃39;, &＃39;is&＃39;, &＃39;a&＃39;, &＃39;test&＃39;, &＃39;short&＃39;, &＃39;and&＃39;, &＃39;sweet&＃39;, &＃39;of&＃39;, &＃39;split&＃39;, &＃39;&＃39;]

>>> p.split(&＃39;This is a test, short and sweet, of split().&＃39;, 3)

[&＃39;This&＃39;, &＃39;is&＃39;, &＃39;a&＃39;, &＃39;test, short and sweet, of split().&＃39;]

有时&＃xff0c;你不仅对定界符之间的文本感兴趣&＃xff0c;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 &＃xff0c;如果捕获括号在 RE中使用&＃xff0c;那么它们&＃xff08;定界符&＃xff09;的值也会当作列表的一部分返回。比较下面的调用&＃xff1a;

re.split("([ab])","carbs")  #   [&＃39;c&＃39;, &＃39;a&＃39;, &＃39;r&＃39;, &＃39;b&＃39;, &＃39;s&＃39;]     定界符是a或b&＃xff0c;结果返回界定符a、b。

re.split("([ab]#)", "carbs")  #  [&＃39;carbs&＃39;]   定界符是a#或b#&＃xff0c;结果 [&＃39;carbs&＃39;] 

#!python

>>> p &＃61; re.compile(r&＃39;\W&＃43;&＃39;)

>>> p2 &＃61; re.compile(r&＃39;(\W&＃43;)&＃39;)

>>> p.split(&＃39;This... is a test.&＃39;)

[&＃39;This&＃39;, &＃39;is&＃39;, &＃39;a&＃39;, &＃39;test&＃39;, &＃39;&＃39;]

>>> p2.split(&＃39;This... is a test.&＃39;)

[&＃39;This&＃39;, &＃39;... &＃39;, &＃39;is&＃39;, &＃39; &＃39;, &＃39;a&＃39;, &＃39; &＃39;, &＃39;test&＃39;, &＃39;.&＃39;, &＃39;&＃39;]

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&＃xff1a;re.findall(r&＃39;\w*oo\w*&＃39;, text)&＃xff1b;获取字符串中&＃xff0c;包含&＃39;oo&＃39;的所有单词。

         (pattern) 匹配 pattern并获取这一匹配

       import re

       text &＃61; "JGood is a  handsome boy,he is handsome and cool,clever,and so on ...."

        print re.findall(r&＃39;\w*oo\w*&＃39;,text) #结果&＃xff1a;[&＃39;JGood&＃39;, &＃39;cool&＃39;]

       print re.findall(r&＃39;(\w)*oo(\w)*&＃39;,text) # ()表示子表达式 结果&＃xff1a;[(&＃39;G&＃39;, &＃39;d&＃39;), (&＃39;c&＃39;, &＃39;l&＃39;)]

在 Python 2.2中&＃xff0c;也可以用 finditer() 方法。

#!python
>>> iterator &＃61; p.finditer(&＃39;12 drummers drumming, 11 ... 10 ...&＃39;)
>>> iterator

>>> 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&＃xff0c;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&＃xff1a;