正则表达式(RE)是一种小型的、高度专业化的编程语言，在python中，它内嵌在python中，并通过re模块实现。
字符匹配：
普通字符，大多数字母和字符一般都会和自身匹配，比如正则表达式test会和字符串"test"完全匹配
元字符， . ^ $ + ? {} [] \ | ()
.,表任意字符
*?, +?, ?? 符合条件的情况下，匹配的尽可能少//限制*,+,?匹配的贪婪性
[],常用来指定一个字符集：[abc]; [a-z];元字符在字符集中不起作用：[akm$];补集匹配不在区间范围内的字符：[^5]
^,匹配行首
$,匹配行尾
1 |
#!/usr/bin/python |
2 |
import re |
3 |
s = r"abc" |
4 |
re.findall(s,"abcsssssabcss")//返回['abc','abc'] |
\,转义字符，用于取消所有的元字符
/d [0-9]
/D 非 /d，任何十进制数
/s 表示空白字符，[\t\n\r\f\v]
/S 非空白字符，[^\t\n\r\f\v]
/w [a-zA-Z0-9_]，任何字母数字
/W 非 /w
*，表示匹配0次或更多次
+，表示匹配一次或更多次
?，表示匹配零次或一次，即可选
{m,n}，m和n为十进制数，表示至少重复m次，至多重复n次。忽略m则下界为0，忽略上界为无穷大
{0,}等同*；{1,}等同+；{0,1}等同?。{m} 表示重复m次
dir(模块名) 列出该模块的方法和属性。再利用help(方法名或属性)查看具体含义。
一、RE的方法：
1)re.match
re.match 尝试从字符串的开始位置匹配一个模式，没有匹配到返回None，成功匹配返回一个MatchObject,使用group()方法将MathOject转换为匹配的字符串。如：下面的例子匹配第一个单词。
1 |
#!/usr/bin/python |
2 |
import re |
3 |
text = "JGood is a handsome boy, he is cool, clever, and so on..." |
4 |
m = re.match(r"(\w+)\s", text) |
5 |
if m: |
6 |
print m.group(0), '\n', m.group(1) |
7 |
else: |
8 |
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。
2)re.search
re.search函数会在字符串内查找模式匹配,只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。
1 |
<strong>import re |
2 |
text = "JGood is a handsome boy, he is cool, clever, and so on..." |
3 |
m = re.search(r'\shan(ds)ome\s', text) |
4 |
if m: |
5 |
print m.group(0), m.group(1) |
6 |
else: |
7 |
print 'not search' </strong> |
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。
3)re.sub
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 '-' :
1 |
import re |
2 |
text = "JGood is a handsome boy, he is cool, clever, and so on..." |
3 |
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'[ ]'。
4)re.split
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。
5)re.findall
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。
6)re.finditer
re.finditer可以获取字符串中所有匹配的字符串，并将匹配结果
一个迭代器
作为返回。显示匹配使用iter.next()
7)re.
compile(pattern, [flags])
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。
根据正则表达式字符串 pattern 和可选的flags 生成正则表达式 对象,其中flags有下面的定义：
I 表示大小写忽略
L 使一些特殊字符集，依赖于当前环境
M 多行模式 使 ^ $ 匹配除了string开始结束外，还匹配一行的开始和结束
S “.“ 匹配包括‘/n’在内的任意字符，否则 . 不包括‘/n’
U Make /w, /W, /b, /B, /d, /D, /s and /S dependent on the Unicode character properties database
X 这个主要是表示，为了写正则表达式，会忽略一些空格、\n和#后面的注释
其中S比较常用， 应用形式如下：
import re
re.compile(……,re.S)
1 |
import re |
2 |
text = "JGood is a handsome boy, he is cool, clever, and so on..." |
3 |
regex = re.compile(r'\w*oo\w*') |
4 |
print regex.findall(text) #查找所有包含'oo'的单词 |
5 |
print regex.sub(lambda m: '[' + m.group(0) + ']', text) #将字符串中含有'oo'的单词用[]括起来。<span></span> |
二、正则表达式对象 （Regular Expression Objects ）
产生方式：通过 re.compile(pattern，[flags])回
match( string[, pos[, endpos]]) ；返回string[pos,endpos]匹配
pattern的MatchObject（见三）
split( string[, maxsplit = 0])
findall( string[, pos[, endpos]])
sub( repl, string[, count = 0])
这几个函数和re模块内的相同，只不过是调用形式有点差别
re.几个函数和 正则表达式对象的几个函数，功能相同，但同一程序如果
多次用的这些函数功能，正则表达式对象的几个函数效率高些
三、matchobject
通过 re.match(……) 和 re.compile(……).match返回
该对象有如下方法和属性：
方法：
group( [group1, ...])
groups( [default])
groupdict( [default])
start( [group])
end( [group])
说明这几个函数的最好方法，就是举个例子
01 |
matchObj = re.compile(r"(?P<int>/d+)/.(/d*)") |
02 |
m = matchObj.match('3.14sss') |
03 |
#m = re.match(r"(?P<int>/d+)/.(/d*)", '3.14sss') |
04 |
05 |
print m.group() |
06 |
print m.group(0) |
07 |
print m.group(1) |
08 |
print m.group(2) |
09 |
print m.group(1,2) |
10 |
11 |
print m.group(0,1,2) |
12 |
print m.groups() |
13 |
print m.groupdict() |
14 |
15 |
print m.start(2) |
16 |
print m.string |
输出如下：
3.14
3.14
3
14
('3', '14')
('3.14', '3', '14')
('3', '14')
{'int': '3'}
2
3.14sss
所以group() 和group(0)返回，匹配的整个表达式的字符串。另外group(i)就是正则表达式中用第i个“（）” 括起来的匹配内容，('3.14', '3', '14')最能说明问题了。