Python正则表达式详解

1、compile()

编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）

格式：

re.compile(pattern,flags=0)

pattern: 编译时用的表达式字符串。

flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的flags有：

标志	含义
re.S(DOTALL)	使.匹配包括换行在内的所有字符
re.I（IGNORECASE）	使匹配对大小写不敏感
re.L（LOCALE）	做本地化识别（locale-aware)匹配，法语等
re.M(MULTILINE)	多行匹配，影响^和$
re.X(VERBOSE)	该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U	根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B

2、match()

决定RE是否在字符串刚开始的位置匹配。//注：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'$'

格式：

re.match(pattern, string, flags=0)

[python]  view plain  copy

1. print(re.match('com','comwww.runcomoob').group())  
2. print(re.match('com','Comwww.runcomoob',re.I).group())  
3. 执行结果如下：  
4. com  
5. com  

3、search()

 格式：

re.search(pattern, string, flags=0)

re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

[python]  view plain  copy

1. print(re.search('\dcom','www.4comrunoob.5com').group())  
2. 执行结果如下：  
3. 4com  

*注：match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：

• group() 返回被 RE 匹配的字符串
• start() 返回匹配开始的位置
• end() 返回匹配结束的位置
• span() 返回一个元组包含匹配 (开始,结束) 的位置
• group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。

a. group（）返回re整体匹配的字符串，
b. group (n,m) 返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常
c.groups（）groups() 方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups()不需要参数，返回一个元组，元组中的元就是正则表达式中定义的组。

[python]  view plain  copy

1. import re  
2. a = "123abc456"  
3.  print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0))   #123abc456,返回整体  
4.  print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1))   #123  
5.  print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2))   #abc  
6.  print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3))   #456  
7. ###group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。###  

4、findall()

re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。

 格式：

re.findall(pattern, string, flags=0)

[python]  view plain  copy

1. import re  
2. tt = "Tina is a good girl, she is cool, clever, and so on..."  
3. rr = re.compile(r'\w*oo\w*')  
4. print(rr.findall(tt))  
5. print(re.findall(r'(\w)*oo(\w)',tt))#()表示子表达式   
6. 执行结果如下：  
7. ['good', 'cool']  
8. [('g', 'd'), ('c', 'l')]  

5、finditer()

 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。找到 RE 匹配的所有子串，并把它们作为一个迭代器返回。

格式：

re.finditer(pattern, string, flags=0)

[python]  view plain  copy

1. iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')  
2. for i in iter:  
3.     print(i)  
4.     print(i.group())  
5.     print(i.span())  
6. 执行结果如下：  
7. <_sre.SRE_Match object; span=(0, 2), match='12'>  
8. 12  
9. (0, 2)  
10. <_sre.SRE_Match object; span=(8, 10), match='44'>  
11. 44  
12. (8, 10)  
13. <_sre.SRE_Match object; span=(24, 26), match='11'>  
14. 11  
15. (24, 26)  
16. <_sre.SRE_Match object; span=(31, 33), match='10'>  
17. 10  
18. (31, 33)  

6、split()

按照能够匹配的子串将string分割后返回列表。

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。

格式：

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

maxsplit用于指定最大分割次数，不指定将全部分割。

[python]  view plain  copy

1. print(re.split('\d+','one1two2three3four4five5'))  
2. 执行结果如下：  
3. ['one', 'two', 'three', 'four', 'five', '']  

7、sub()

使用re替换string中每一个匹配的子串后返回替换后的字符串。

格式：

re.sub(pattern, repl, string, count)

[python]  view plain  copy

1. import re  
2. text = "JGood is a handsome boy, he is cool, clever, and so on..."  
3. print(re.sub(r'\s+', '-', text))  
4. 执行结果如下：  
5. JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...  
6. 其中第二个函数是替换后的字符串；本例中为'-'  
7.   
8. 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。

[python]  view plain  copy

1. import re  
2. text = "JGood is a handsome boy, he is cool, clever, and so on..."  
3. print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0))  
4. 执行结果如下：  
5. JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...  

8、subn()

 返回替换次数

格式：

subn(pattern, repl, string, count=0, flags=0)

[python]  view plain  copy

1. print(re.subn('[1-2]','A','123456abcdef'))  
2. print(re.sub("g.t","have",'I get A,  I got B ,I gut C'))  
3. print(re.subn("g.t","have",'I get A,  I got B ,I gut C'))  
4. 执行结果如下：  
5. ('AA3456abcdef', 2)  
6. I have A,  I have B ,I have C  
7. ('I have A,  I have B ,I have C', 3)