python正则表达式 学习记要

正则表达式

正则表达式的作用无非就是两个，一个是找到你想要的字符串，一个就是对字符串操作。对字符串操作的前提就是找到字符串，所以正则表达式的重点在于如何找到你想要的字符串。
所以学习正则表达式的一大部分是学习对“你想要的字符串”进行描述，为了让计算机能知道。等你描述完毕，计算机（正则表达式引擎）就可以去为你服务了。再扔给它一大长串字符串，让它找出你想要的信息吧。
那么，如何描述你想要的字符串（为了让引擎能懂）就是一个重点。描述方法如下：
字符有： . \d(digtal) \D \s(space) \S \w(word) \W
字符集有： [ abxy] [a-c] [ ^ab ]
描述数量： * 任意次 + 正数次 ？最多1次 {m,n} m-n次
描述位置： ^ 开头 $ 末尾 \A 字符串开头 \Z 字符串末尾
逻辑关系： | ()
分组匹配： () ()\1 用数字指定分组 ( ?P<> )给分组起名字 ()( ?=id ) 以分组的形式引用分组
若想了解详情，再附一张详情表：

Python实现方式

正则表达式只是一种算法级的产品，到了各个语言里，语言要自己实现。下面简介python的实现方法。
- re模块，相当于正则表达式引擎，里面有各种组件
- 对于用户的描述信息，有pattern类，可以通过re的compile方法得到实例
- parttern包含如下信息：pattern：你的字符串描述，groups：表达式中的分组数量；
- 有了描述信息，就可以查找了，配有match类用来查找
* match类有如下信息：string：你扔给它的文本，re：你的pattern对象，pos，endpos：你希望在文本的位置中查找，lastindex，lastgroup：你找的字符串的位置或别名，可能为None。
* match有如下方法用于处理上述信息：
* match方法
* match是re的方法，要带上pattern；
* match也是pattern的方法

import re
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
print "m.endpos:", m.endpos
print "m.lastindex:", m.lastindex
print "m.lastgroup:", m.lastgroup

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'\2 \1\3'):", m.expand(r'\2 \1\3')

### output ###
# m.string: hello world!
# m.re: <_sre.SRE_Pattern object at 0x016E1A38>
# 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!

• search方法
• search是re的方法，要带上pattern；
• search也是pattern的方法
• search返回的结果是bool
• search用于查找信息很方便
• 代码如下

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

• sub函数
• re有一个，pattern有一个
• 给它一个repl字符串，将所有想要的替换的位置换成repl

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!

martch和search的区别
match是从字符串的起点开始做匹配，而search是从字符串做任意匹配。
注意：当正则表达式是’ ^ ‘开头时，match与search是相同的。match只有当且仅当被匹配的字符串开头就能匹配 或 从pos参数的位置开始就能匹配 时才会成功。