python-re模块

浏览数：24 / 时间：2015年06月08日

python re模块中的用法：

1，compile: re.compile(strPattern[, flag])

pattern=re.compile(r"<div.*?>(.*?)</div>")

得到的是一个pattern对象，属性有：

pattern: 编译时用的表达式字符串。
flags: 编译时用的匹配模式。数字形式。
groups: 表达式中分组的数量。
groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

 1 #! /usr/bin/env python
 2 #coding=utf-8
 3 import re
 4 pattern=re.compile(r‘(\w+) (\w+)(?P<sign>.*)‘,re.I|re.M)
 5 print pattern.pattern
 6 print pattern.flags
 7 print pattern.groups
 8 print pattern.groupindex
 9 "(\w+) (\w+)(?P<sign>.*)
10 10
11 3
12 {‘sign‘: 3}"

2，match:match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])：

如：matchObj = re.match( r‘(.*) are (.*?) .*‘, string, re.M|re.I)

或

pattern=re.compile("hello",re.S)

matchObj=pattern.match("hello world!")

这个方法将从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；

如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。

pos和endpos的默认值分别为0和len(string)；

re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

注意：这个方法并不是完全匹配。

当pattern结束时若string还有剩余字符，仍然视为成功。

想要完全匹配，可以在表达式末尾加上边界匹配符‘$‘。

得到的是Match对象，属性有：

string: 匹配时使用的文本。
re: 匹配时使用的Pattern对象。
pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法：

group([group1, …])：
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])：
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。
start([group])：
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
end([group])：
返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
span([group])：
返回(start(group), end(group))。
expand(template)：
将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符‘0‘，只能使用\g<1>0。

 1 #! /usr/bin/env python
 2 #coding=utf-8
 3 import re
 4 pattern=re.compile(r‘<p.*?>#(\d*)(\w+) (\w+)(?P<sign>.*)#.*?‘,re.I|re.M)
 5 str="<p style=‘font-family:arial;color:red;font-size:20px;‘>#6748hello word!#6748</p>"
 6 Match=pattern.match(str)
 7 print "Match.string:", Match.string
 8 print "Match.re:", Match.re
 9 print "Match.pos:", Match.pos
10 print "Match.endpos:",  Match.endpos
11 print "Match.lastindex:", Match.lastindex
12 print "Match.lastgroup:", Match.lastgroup
13 
14 print "Match.group():", Match.group()  
15 print "Match.group(1,2):", Match.group(1, 2)  
16 print "Match.groups():", Match.groups()  
17 print "Match.groupdict():", Match.groupdict()  
18 print "Match.start(2):", Match.start(2)  
19 print "Match.end(2):", Match.end(2)  
20 print "Match.span(2):", Match.span(2)  
21 print r"Match.expand(r‘\g<2> \g<3> \g<4> \g<1>‘):", Match.expand(r‘\2 \3 \4 \1‘) 
22 
23 ‘‘‘
24 atch.string: <p style=‘font-family:arial;color:red;font-size:20px;‘>#6748hello word!#6748</p>
25 Match.re: <_sre.SRE_Pattern object at 0x0263D600>
26 Match.pos: 0
27 Match.endpos: 80
28 Match.lastindex: 4
29 Match.lastgroup: sign
30 Match.group(): <p style=‘font-family:arial;color:red;font-size:20px;‘>#6748hello word!#
31 Match.group(1,2): (‘6748‘, ‘hello‘)
32 Match.groups(): (‘6748‘, ‘hello‘, ‘word‘, ‘!‘)
33 Match.groupdict(): {‘sign‘: ‘!‘}
34 Match.start(2): 60
35 Match.end(2): 65
36 Match.span(2): (60, 65)
37 Match.expand(r‘\g<2> \g<3> \g<4> \g<1>‘): hello word ! 6748
38 
39 ‘‘‘

3，search
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
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。

pos和endpos的默认值分别为0和len(string))；

re.search()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

那么它和match有什么区别呢？

match()函数只检测re是不是在string的开始位置匹配，

search()会扫描整个string查找匹配，

,match（）只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回none
例如：
print(re.match(‘super’, ‘superstition’).span())

会返回(0, 5)

print(re.match(‘super’, ‘insuperable’))

则返回None

search()会扫描整个字符串并返回第一个成功的匹配
例如：

print(re.search(‘super’, ‘superstition’).span())

返回(0, 5)
print(re.search(‘super’, ‘insuperable’).span())

返回(2, 7)

4，split

split(string[, maxsplit]) | re.split(pattern, 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。

[python] view plain copy print ?

import re
p = re.compile(r‘\d+‘)
print p.split(‘one1two2three3four4‘)
### output ###
# [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘‘]

5.findall

findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜索string，以列表形式返回全部能匹配的子串。

[python] view plain copy print ?

import re
p = re.compile(r‘\d+‘)
print p.findall(‘one1two2three3four4‘)
### output ###
# [‘1‘, ‘2‘, ‘3‘, ‘4‘]

6，finditer

finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
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+‘)
for m in p.finditer(‘one1two2three3four4‘):
print m.group(),
### output ###
# 1 2 3 4

7，sub

sub(repl, string[, count]) | re.sub(pattern, 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。,

[python] view plain copy print ?