Python re模块

re模块共有7种方法：

# -*- coding:UTF-8 -*-

import re

'''
re.compile(string[, flags])
re.match(pattern, string[, flags])
re.search(pattern, string[, flags])
re.split(pattern, string[, maxsplit])
re.findall(pattern, string[, flags])
re.finditer(pattern, string[, flags])
re.sub(pattern, repl, string[, count])
re.subn(pattern, repl, string[, count])
'''

# ----------------------------------------------------------------------
# 1、re.compile()
# 将正则表达式编译成Pattern对象，注意hello前面的r的意思是“原生字符串”
pattern = re.compile(r'hello')
'''
分析：
    pattern对象是一个匹配模式，利用pattern可以进一步的匹配。
'''

# ----------------------------------------------------------------------
'''
分析：
    参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，如re.I|re.M

    re.I:忽略大小写
    re.M:多行模式，改变'^'和'$'的行为
    re.S:点任意模式
    re.L:使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
    re.U:使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
    re.X:详细模式
'''

# ----------------------------------------------------------------------
# 2、re.match(pattern, string[, flags])
'''
    如果遇到无法匹配的字符，立即返回None，如果匹配未结束已经到达string的末尾，也会返回None。
两个结果均表示匹配失败，否则匹配pattern成功，同时匹配终止，不再对string向后匹配
'''
result1 = re.match(pattern, 'hello')
result2 = re.match(pattern, 'helloo cioc')
result3 = re.match(pattern, 'helo cioc')
result4 = re.match(pattern, 'hello cioc')
# 如果1匹配成功
if result1:
    # 使用Match获得分组信息
    print result1.group()
else:
    print '1匹配失败！'

# 如果2匹配成功
if result2:
    # 使用Match获得分组信息
    print result2.group()
else:
    print '2匹配失败！'

# 如果3匹配成功
if result3:
    # 使用Match获得分组信息
    print result3.group()
else:
    print '3匹配失败！'

# 如果4匹配成功
if result4:
    # 使用Match获得分组信息
    print result4.group()
else:
    print '4匹配失败！'

'''
分析：
    只要匹配成功，就不再匹配了。
    1.第一个匹配，pattern正则表达式为’hello’，我们匹配的目标字符串string也为hello，从头至尾完全匹配，匹配成功。

    2.第二个匹配，string为helloo cioc，从string头开始匹配pattern完全可以匹配，pattern匹配结束，同时匹配终止，后面的不再匹配，返回匹配成功的信息。

    3.第三个匹配，string为helo cioc，从string头开始匹配pattern，发现到 ‘o’ 时无法完成匹配，匹配终止，返回None

    4.第四个匹配，同第二个匹配原理，即使遇到了空格符也不会受影响
'''

'''
分析：
    属性：
    1.string: 匹配时使用的文本。
    2.re: 匹配时使用的Pattern对象。
    3.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。
    4.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。
    5.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。
    6.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：
    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。

    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。template中可以使用\id或\g、\g引用分组，但不能使用编号0。\id与\g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\g0。
'''

# 一个简单的match实例

# 匹配如下内容：单词+空格+单词+任意字符
m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')

print "m.string:", m.string
print "m.re:", m.re
print "m.pos:", m.pos  # 匹配初始位置
print "m.endpos:", m.endpos  # 匹配结束位置
print "m.lastindex:", m.lastindex
print "m.lastgroup:", m.lastgroup
print "m.group():", m.group()
print "m.group(1,2):", m.group(1, 2)
print "m.groups():", m.groups()
print "m.groupdict():", m.groupdict()
print "m.start(2):", m.start(2)
print "m.end(2):", m.end(2)
print "m.span(2):", m.span(2)
print r"m.expand(r'\g \g\g'):", m.expand(r'\2 \1\3')

# output #
# m.string: hello world!
# m.re:
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): ('hello', 'world')
# m.groups(): ('hello', 'world', '!')
# m.groupdict(): {'sign': '!'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r'\2 \1\3'): world hello!

# ----------------------------------------------------------------------
# 3、re.search(pattern, string[, flags])
'''
分析：
    match()是从string的开始位置进行匹配，而search()会扫描整个string中进行查找匹配
'''
pattern = re.compile(r'world!')
match = re.search(pattern, 'hello world!')  # search()查找匹配的字符串
if match:
    print match.group()
else:
    print '匹配失败！'

# ----------------------------------------------------------------------
# 4、re.split(pattern, string[, maxsplit])
'''
分析：
    按照能够匹配的子串将string分割，并返回列表(注意，返回的是列表形式)
    maxsplit指定最大分割次数，不指定就全部分割
'''
pattern = re.compile(r'\d+')
print re.split(pattern, 'one1two2three3forth4five5')

# out:
# ['one', 'two', 'three', 'forth', 'five', '']

# ----------------------------------------------------------------------
# 5、re.findall(pattern, string[, flags])
pattern = re.compile(r'\d+')
print re.findall(pattern, 'one1two2three3forth4five5')

# out:
# ['1', '2', '3', '4', '5']

# ----------------------------------------------------------------------
# 6、re.finditer(pattern, string[, flags])
'''
分析：
    搜索string，返回一个顺序访问每一个匹配结果的迭代器
'''
pattern = re.compile(r'\d+')
for m in re.finditer(pattern, 'one1two2three3forth4five5'):
    print m.group()

# out:
# 1 2 3 4 5

# ----------------------------------------------------------------------
# 7、re.sub(pattern, repl, string[, count])
pattern = re.compile(r'(\w+)(\w+)')
s = 'i say, hello world'
print re.sub(pattern, r'\2\1', s)


def func(m):
    return m.group(1).title() + '' + m.group(2).title()


print re.sub(pattern, func, s)

# ----------------------------------------------------------------------
# 8、re.subn(pattern, repl, string[, count])
pattern = re.compile(r'(\w+)(\w+)')
s = 'i say , hello world!'
print re.subn(pattern, r'\2\1', s)


def func(m):
    return m.group(1).title() + m.group(2).title()


print re.subn(pattern, func, s)