Python re（正则表达式）模块

re模块

  Python可以通过re模块来实现使用正则表达式匹配字符串，我们可以通过查看~/installs/python/lib/python2.7/re.py 文件查看re提供的方法，主要使用的下面的几个接口：

l  def match(pattern, string, flags=0):

    """Try toapply the pattern at the start of the string, returning

    a match object, or None ifno match was found."""

    return _compile(pattern,flags).match(string)

re.match从字符串的开始匹配一个模式，第一个参数是正则表达式，第二个字符串是要匹配的字符串，第三个参数是标志位，缺省为0；如果可以查找到则返回一个match对象，否则返回None。

l  def search(pattern, string, flags=0):

   """Scan through string looking for a match to thepattern, returning

    amatch object, or None if no match was found."""

return_compile(pattern, flags).search(string)

       re.search函数在字符串内查找模式，直到找到第一个就退出，查找不到返回None，其参数和re.match一致。而与match的区别在于，match只是匹配字符串的开始，而search匹配整个字符串。

l  def findall(pattern, string, flags=0):

   """Return a list of all non-overlapping matches in thestring.

   If one or more groups are present in the pattern, return a

   list of groups; this will be a list of tuples if the pattern

   has more than one group.

   Empty matches are included in the result."""

return_compile(pattern, flags).findall(string)

       re.findall可以获取所有匹配的字符串，并且以list形式返回。

l  def compile(pattern, flags=0):

   "Compile a regular expression pattern, returning a patternobject."

return_compile(pattern, flags)

       re.compile可以将一个正则表达式编译成一个正则表达式对象，可以把经常用的正则表达式编译成正则表达式对象，从而提升匹配的效率。

上面提到search()和match()方法返回match object，下面介绍下match object的属性和方法。

Matchobject

属性：

1. string: 传给search()或者match()用于匹配的文本。
2. re: search()或者match()时使用的Pattern对象。
3. pos: 文本中正则表达式开始搜索的索引。对于match()和seach()函数默认值是0,。
4. endpos: 文本中正则表达式结束搜索的索引。对于match()与search()函数默认值是len(string)。
5. lastindex: 最后一个被捕获的分组的索引。如果没有被捕获的分组，则为None。
6. lastgroup: 最后一个被捕获的分组的名称。如果这个分组没有别名或者没有被捕获的分组，则为None。

方法：

1. 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。 一个适度复杂的例子如下：

m = re.match(r"(?P<int>\d+)\.(\d*)",‘3.14‘)

      执行这个匹配后，m.group(0)是3.14，m.group(1)是‘3’，m.group(2)是14。

2. 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。
3. 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。
4. 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。
5. 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。
6. span([group]):
   返回(start(group), end(group))。
7. expand(template):
   将匹配到的分组代入template中然后返回。

上述属性和方法的输出，group方法最常使用。

使用示例

下面就上面的一些接口进行代码测试：

Import re

for name inre.findall("name=\((.*?)\)", "phone=124567 name=(john)phone=2345678 name=(tom)"):

    print "got match name %s" % name

注意这里面使用()作为分组的标识，由于要匹配的数据里面也有()并且我们需要的是里面的数据，所以需要对()进行转义，为了限制python中的贪婪匹配使用*?，保证每次尽可能匹配小的文本。

k=re.search("tm=\((.*?)\)","tt=123 tm=(abc) vm=test tm=(cba)")

if k:

    print "match tm is  %s, %s, %d, %d, %s, %s" % (k.group(0),k.group(1), k.pos, k.endpos, k.string, k.re.pattern)

输出：

match tmis  tm=(abc), abc, 0, 32, tt=123 tm=(abc)vm=test tm=(cba), tm=\((.*?)\)

text ="JGood is abc handsome boy he is cool, clever, and so on..."

#指定一个额外的分组

m =re.search(r"\s(?P<sign1>\w+)\s(?P<sign2>\w+)\s", text)

if m:

    print m.group(0), ‘\t‘, m.group(1), ‘\t‘,m.group(2)

    print "groups %s, %s, %s, %s, %s,%s" %(m.groups(), m.lastindex, m.lastgroup,

                                       m.groupdict().keys(), m.groupdict().values(),m.string[m.start(2):m.end(2)])

    print "string span is %s, %s"%(m.span(2)) #返回(start(group), end(group))。

使用?p<>表达式指定了自定义的分组名，所以可以看到m.groupdict的结果。

输出：

is abc         is     abc

groups (‘is‘,‘abc‘), 2, sign2, [‘sign1‘, ‘sign2‘], [‘is‘, ‘abc‘], abc

string span is9, 12s

参考链接：