python-re模块

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：

1. pattern: 编译时用的表达式字符串。
2. flags: 编译时用的匹配模式。数字形式。
3. groups: 表达式中分组的数量。
4. 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：

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<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。

#! /usr/bin/env python
#coding=utf-8
import re
pattern=re.compile(r'<p.*?>#(d*)(w+) (w+)(?P<sign>.*)#.*?',re.I|re.M)
str="<p style='font-family:arial;color:red;font-size:20px;'>#6748hello word!#6748</p>"
Match=pattern.match(str)
print "Match.string:", Match.string
print "Match.re:", Match.re
print "Match.pos:", Match.pos
print "Match.endpos:",  Match.endpos
print "Match.lastindex:", Match.lastindex
print "Match.lastgroup:", Match.lastgroup

print "Match.group():", Match.group()  
print "Match.group(1,2):", Match.group(1, 2)  
print "Match.groups():", Match.groups()  
print "Match.groupdict():", Match.groupdict()  
print "Match.start(2):", Match.start(2)  
print "Match.end(2):", Match.end(2)  
print "Match.span(2):", Match.span(2)  
print r"Match.expand(r'g<2> g<3> g<4> g<1>'):", Match.expand(r'2 3 4 1') 

'''
atch.string: <p style='font-family:arial;color:red;font-size:20px;'>#6748hello word!#6748</p>
Match.re: <_sre.SRE_Pattern object at 0x0263D600>
Match.pos: 0
Match.endpos: 80
Match.lastindex: 4
Match.lastgroup: sign
Match.group(): <p style='font-family:arial;color:red;font-size:20px;'>#6748hello word!#
Match.group(1,2): ('6748', 'hello')
Match.groups(): ('6748', 'hello', 'word', '!')
Match.groupdict(): {'sign': '!'}
Match.start(2): 60
Match.end(2): 65
Match.span(2): (60, 65)
Match.expand(r'g<2> g<3> g<4> g<1>'): hello word ! 6748

'''

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。

  

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 plaincopyprint?

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。,

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!

8，subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。

import re

p = re.compile(r'(w+) (w+)')
s = 'i say, hello world!'

print p.subn(r'2 1', s)

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

print p.subn(func, s)

### output ###
# ('say i, world hello!', 2)
# ('I Say, Hello World!', 2)

 

 转自： http://blog.csdn.net/pleasecallmewhy/article/details/8929576