标签：
正则表达式引擎编译正则表达式文本得到正则表达式对象，然后正则表达式对象与要匹配的文本匹配，得到匹配结果，如匹配得到的文本，分组以及在文本中索引。
正则表达式通常用于查找文本中要匹配的字符串。python正则表达式中的的数量词默认情况下是贪婪的（少数语言中是非贪婪的），总是尝试匹配尽可能多的字符，非贪婪则相反，总是尝试匹配尽可能少的字符。例如:正则表达式‘ab*‘匹配‘abbbbc‘匹配到的字符串为‘abbbb‘,如果正则表达式为‘ab*?‘,则在匹配‘abbbbc‘时，匹配到到的内容为‘a‘（因为‘*+？‘）正则表达式变为非贪婪模式。
与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
Pythont通过re模块提供对正则表达式的支持。使用re的一般步骤是现将正字表达式的文本编译成Patten实例，然后使用Patten实例处理文本并获得匹配结果（一个Math实例），最后使用Math实例活的信息，并进行其他操作。
# encoding: UTF-8 import re # 将正则表达式编译成Pattern对象 pattern = re.compile(r‘hello‘) # 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None match = pattern.match(‘hello world!‘) if match: # 使用Match获得分组信息 print match.group() ### 输出 ### # hello
这个方法称之为Patten类的工厂方法，用于将字符串形式的正则表达式编译为patten对象。第二个参数flag为匹配模式，可以使用按位或运算符‘|’表示式同时生效，比如re.M|re.I。re.compile(‘patten‘,re.M|re.I)与re.compile(‘(?im)patten‘)效果相同。
常见的匹配模式有：
re.I:忽略大小写
re.M:多行模式匹配
Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。
属性：
方法：
import re m = re.match(r‘(\w+) (\w+)(?P<sign>.*)‘, ‘hello world!‘) print(m.string) print(m.group(1,2)) print(m.groups()) print(m.groupdict()) print(m.start(1)) print(m.end(2)) print(m.span(3)) print(m.expand(r‘\2 \3\g<1>0000000 ‘)) #返回如下： ‘‘‘ hello world! (‘hello‘, ‘world‘) (‘hello‘, ‘world‘, ‘!‘) {‘sign‘: ‘!‘} 0 11 (11, 12) world !hello0000000 ‘‘‘
patten对象是一个编译好的正则表达式，通过pattern提供的一系列方法可以对文本进行匹配查找。
pattern不能直接实例化，只能通过re.compile()进行构造。
pattern 提供的几个可读属性用户获取表达式的相关信息。
1、pattern：编译时的表达式字符串。
2、flags：编译时使用的匹配模式，数字形式。
3、groups:表达式中的分组数量。
4、groupindex:以表达式中有别名的组的别名为键，以改组对应的编号为值的字典，没有别名的组不包含在内。
import re p=re.compile(r‘(\w+)(\w+)(?P<id>.*)‘,re.DOTALL) print(p.pattern) print(p.flags) print(p.groups) print(p.groupindex) #返回如下： ‘‘‘ (\w+)(\w+)(?P<id>.*) 48 3 {‘id‘: 3 ‘‘‘
pattern的方法：
# encoding: UTF-8 import re # 将正则表达式编译成Pattern对象 pattern = re.compile(r‘world‘) # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None # 这个例子中使用match()无法成功匹配 match = pattern.search(‘hello world!‘) if match: # 使用Match获得分组信息 print match.group() ### 输出 ### # world
3、split(string[,maxsplit])|re.split(pattern,string[,maxsplit])
将pattern作为分隔符，分割string，分割后返回列表
import re p = re.compile(r‘\d+‘) print p.split(‘one1two2three3four4‘) ### output ### # [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘‘]
4、findall,找到所有的匹配对象，返回一个列表
import re p = re.compile(r‘\d+‘) print p.findall(‘one1two2three3four4‘) ### output ### # [‘1‘, ‘2‘, ‘3‘, ‘4‘]
5、finditer,找到所有匹配对象，按顺序返回一个所有匹配对象的迭代器
import re p = re.compile(r‘\d+‘) for m in p.finditer(‘one1two2three3four4‘): print m.group(), ### output ### # 1 2 3 4
6、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。
import re p = re.compile(r‘(\w+) (\w+)‘) s = ‘i say, hello world!‘ print p.sub(r‘\2 \1‘, s) def func(m): return m.group(1).title() + ‘ ‘ + m.group(2).title() print p.sub(func, s) ### output ### # say i, world hello! # I Say, Hello World!
7.subn(repl,string[,count])|subn(pattern,repl,string[,count])
返回（sub(repl,string[,count])|re.sub(pattern,repl,string[,count])）替换次数
标签：
原文地址：http://www.cnblogs.com/weiqiangwang/p/5176612.html
