python re正则表达式模块

模块的的作用主要是用于字符串和文本处理，查找，搜索，替换等

复习一下基本的正则表达式吧

.：匹配除了换行符以为的任意单个字符

*：匹配任意字符，一个，零个，多个都能匹配得到俗称贪婪模式

+：匹配位于+之前的一个或者多个字符

|：匹配位于|之前或者之后的字符

^：匹配行首

$：匹配行尾

?：匹配位于？之前的零个或者一个字符，不匹配多个字符

：表示之后的为转义字符

[]：匹配[]之中的任意单个字符,[0-9]表示匹配0到9任意一个数字

()：将位于()之内的的内容当作一个整体

{}：按{}中的次数进行匹配，100[0-9]{3}表示在100之后任意匹配一个3位数（100-999）

python中以开头的元字符：


转义字符	含义
	匹配单词头或者单词尾
B	和含义相反
d	匹配任何数字
D	和d含义相反，匹配任何非数字
s	匹配任何空白字符
S	和s含义相反，匹配任何非空白字符
w	匹配任何字母，数字，下划线
W	匹配任何非字母，数字，下划线

匹配的标志和含义

标志	含义
re.I	忽略大小写
re.L	根据本地设置而更改w,W,,B,s,S的匹配内容
re.M	多行匹配模式
re.S	使“.”元字符匹配换行符
re.U	匹配Unicode字符
re.X	忽略需要匹配模式中的空格，并且可以使用"#"号注释

文本内容（提取ｌｉｎｕｘ下的ｐａｓｓｗｄ文件）

1 man:x:6:12:man:/var/cache/man:/bin/nologin

View Code

re模块中有３个搜索函数，每个函数都接受３个参数(匹配模式，要匹配的字符串，进行匹配的标志)，如果匹配到了就返回一个对象实例，么有就返会Ｎone．

findall():用于在字符串中查找符合正则表达式的字符串，并返回这些字符串的列表

search():搜索整个字符串，返回对象实例

match():只从第一个字符开始匹配，后面的不再匹配，返回对象实例

 1 lovelinux@LoveLinux:~/py/boke$ cat text 
 2 man:x:6:12:man:/var/cache/man:/bin/sh
 3 lovelinux@LoveLinux:~/py/boke$ cat test.py
 4 #/usr/bin/env python
 5 #coding:utf-8
 6 import re
 7 with open('text','r') as txt:
 8     f = txt.read()
 9     print re.match('bin',f)
10     print re.search('bin',f).end()    
11 lovelinux@LoveLinux:~/py/boke$ python test.py 
12 None
13 34
14 lovelinux@LoveLinux:~/py/boke$ vim test.py
15 lovelinux@LoveLinux:~/py/boke$ python test.py 
16 None
17 <_sre.SRE_Match object at 0x7f12fc9f9ed0>

View Code

search()返回是对象实例有２个方法，

start()：返回记录匹配到字符的开始索引　

end()：返回记录匹配到字符的结束索引

 1 lovelinux@LoveLinux:~/py/boke$ python test.py 
 2 None
 3 31
 4 34
 5 lovelinux@LoveLinux:~/py/boke$ cat test.py 
 6 #/usr/bin/env python
 7 #coding:utf-8
 8 import re
 9 with open('text','r') as txt:
10     f = txt.read()
11     print re.match('bin',f)
12     print re.search('bin',f).start()
13     print re.search('bin',f).end()

View Code

findall():用于找找匹配的字符，把匹配到的字符作为数组返回

1 #!/usr/bin/env python 
2 #coding:utf-8
3 import re
4 a = " man x 6 12 man / var /cache/man /bin/nologin"
5 print re.findall('[a-z]{3}s', a)
6 
7 输出结果：
8 ['man ', 'man ', 'var ', 'man ']

View Code

sub():用于替换,接受四个参数,sub(匹配模式,要替换成的内容,进行替换的字符串,最大的替换次数)最后一个为可选参数.返回替换后的字符串

把只有3个字母组成的单词替换成heihei,只替换前3个

1 #!/usr/bin/env python 
2 #coding:utf-8
3 import re
4 a = " man x 6 12 man / var /cache/man /bin/nologin"
5 print re.sub('[a-z]{3}s', 'heihei',a,3)
6 
7 输出结果：
8 heiheix 6 12 heihei/ heihei/cache/man /bin/nologin

View Code

split():用于分割字符串,接受3个参数re.split(匹配模式,要分割的字符串,最大的分割次数),最后一个为可选参数,返回分割后的字符串列表

1 #!/usr/bin/env python 
2 #coding:utf-8
3 import re
4 a = " man x 6 12 man / var /cache/man /bin/nologin"
5 print re.split('a', a)
6 
7 输出结果：
8 [' m', 'n x 6 12 m', 'n / v', 'r /c', 'che/m', 'n /bin/nologin']

View Code

编译正则表达式
compile():编译正则表达式,返回一个正则对象实例,然后通过返回的对象实例对字符串进行查找替换,接受2个参数compile(正则表达式,匹配标志)
例子搜索web日志里面的IP

1 #!/usr/bin/env python 
2 #coding:utf-8
3 import re
4 logstr = '192.168.1.56 - - [14/Apr/2014:01:33:06 -0400] "GET /favicon.ico HTTP/1.1" 404 571 "-" "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36"'
5 r = re.compile(r'd{1,3}.d{1,3}.d{1,3}.d{1,3}')
6 print r.findall(logstr)
7 
8 输出结果：
9 ['192.168.1.56']

View Code