re Python正則

re.compile() 生成正則對象效率最高

# encoding: UTF-8

import re

 

# 將正則表達式編譯成Pattern對象

pattern = re.compile(r'hello')

 

# 使用Pattern匹配文本，獲得匹配結果，無法匹配時將返回None

match = pattern.match('hello world!')

 

if match:

    # 使用Match獲得分組信息

    print match.group()

 

### 輸出 ###

# hello

re.compile(strPattern[, flag]):

這個方法是Pattern類的工廠方法，用於將字符串形式的正則表達式編譯爲Pattern對象。 第二個參數flag是匹配模式，取值可以使用按位或運算符'|'表示同時生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。

可選值有：

• re.I(re.IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）

• M(MULTILINE): 多行模式，改變'^'和'$'的行爲（參見上圖）

• S(DOTALL): 點任意匹配模式，改變'.'的行爲

• L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決於當前區域設定

• U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決於unicode定義的字符屬性

• X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，並可以加入註釋。以下兩個正則表達式是等價的：

1 2 3 4

a = re.compile(r"""\d +  # the integral part                    \.    # the decimal point                    \d *  # some fractional digits""", re.X) b = re.compile(r"\d+\.\d*")

re提供了衆多模塊方法用於完成正則表達式的功能。這些方法可以使用Pattern實例的相應方法替代，唯一的好處是少寫一行re.compile()代碼，但同時也無法複用編譯後的Pattern對象。這些方法將在Pattern類的實例方法部分一起介紹。如上面這個例子可以簡寫爲：

1 2	m = re.match(r'hello', 'hello world!') print m.group()

re模塊還提供了一個方法escape(string)，用於將string中的正則表達式元字符如*/+/?等之前加上轉義符再返回，在需要大量匹配元字符時有那麼一點用。

2.2. Match

Match對象是一次匹配的結果，包含了很多關於此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。

屬性：

1. string: 匹配時使用的文本。

2. re: 匹配時使用的Pattern對象。

3. pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

4. endpos: 文本中正則表達式結束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

5. lastindex: 最後一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組，將爲None。

6. lastgroup: 最後一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將爲None。

方法：

1. group([group1, …]):
   獲得一個或多個分組截獲的字符串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，返回group(0)；沒有截獲字符串的組返回None；截獲了多次的組返回最後一次截獲的子串。

2. groups([default]):
   以元組形式返回全部分組截獲的字符串。相當於調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認爲None。

3. groupdict([default]):
   返回以有別名的組的別名爲鍵、以該組截獲的子串爲值的字典，沒有別名的組不包含在內。default含義同上。

4. start([group]):
   返回指定的組截獲的子串在string中的起始索引（子串第一個字符的索引）。group默認值爲0。

5. end([group]):
   返回指定的組截獲的子串在string中的結束索引（子串最後一個字符的索引+1）。group默認值爲0。

6. span([group]):
   返回(start(group), end(group))。

7. expand(template):
   將匹配到的分組代入template中然後返回。template中可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。\id與\g<id>是等價的；但\10將被認爲是第10個分組，如果你想表達\1之後是字符'0'，只能使用\g<1>0。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

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!

2.3. Pattern

Pattern對象是一個編譯好的正則表達式，通過Pattern提供的一系列方法可以對文本進行匹配查找。

Pattern不能直接實例化，必須使用re.compile()進行構造。

Pattern提供了幾個可讀屬性用於獲取表達式的相關信息：

1. pattern: 編譯時用的表達式字符串。

2. flags: 編譯時用的匹配模式。數字形式。

3. groups: 表達式中分組的數量。

4. groupindex: 以表達式中有別名的組的別名爲鍵、以該組對應的編號爲值的字典，沒有別名的組不包含在內。

1 2 3 4 5 6 7 8 9 10 11 12 13

import re p = re.compile(r'(\w+) (\w+)(?P<sign>.*)', re.DOTALL)   print "p.pattern:", p.pattern print "p.flags:", p.flags print "p.groups:", p.groups print "p.groupindex:", p.groupindex   ### output ### # p.pattern: (\w+) (\w+)(?P<sign>.*) # p.flags: 16 # p.groups: 3 # p.groupindex: {'sign': 3}

實例方法[ | re模塊方法]：

match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):

1. 這個方法將從string的pos下標處起嘗試匹配pattern；如果pattern結束時仍可匹配，則返回一個Match對象；如果匹配過程中pattern無法匹配，或者匹配未結束就已到達endpos，則返回None。
   pos和endpos的默認值分別爲0和len(string)；re.match()無法指定這兩個參數，參數flags用於編譯pattern時指定匹配模式。
   注意：這個方法並不是完全匹配。當pattern結束時若string還有剩餘字符，仍然視爲成功。想要完全匹配，可以在表達式末尾加上邊界匹配符'$'。
   示例參見2.1小節。

search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):

這個方法用於查找字符串中可以匹配成功的子串。從string的pos下標處起嘗試匹配pattern，如果pattern結束時仍可匹配，則返回一個Match對象；若無法匹配，則將pos加1後重新嘗試匹配；直到pos=endpos時仍無法匹配則返回None。

pos和endpos的默認值分別爲0和len(string))；re.search()無法指定這兩個參數，參數flags用於編譯pattern時指定匹配模式。

1. # encoding: UTF-8
   1. import re
   2.  
   3. # 將正則表達式編譯成Pattern對象
   4. pattern = re.compile(r'world')
   5.  
   6. # 使用search()查找匹配的子串，不存在能匹配的子串時將返回None
   7. # 這個例子中使用match()無法成功匹配
   8. match = pattern.search('hello world!')
   9.  
   10. if match:
   11.     # 使用Match獲得分組信息
   12.     print match.group()
   13.  
   14. ### 輸出 ###
   15. # world

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

按照能夠匹配的子串將string分割後返回列表。maxsplit用於指定最大分割次數，不指定將全部分割。

1. import re
   1.  
   2. p = re.compile(r'\d+')
   3. print p.split('one1two2three3four4')
   4.  
   5. ### output ###
   6. # ['one', 'two', 'three', 'four', '']

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。

1. 1. import re
   2.  
   3. p = re.compile(r'\d+')
   4. print p.findall('one1two2three3four4')
   5.  
   6. ### output ###
   7. # ['1', '2', '3', '4'

finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):

搜索string，返回一個順序訪問每一個匹配結果（Match對象）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

sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):

使用repl替換string中每一個匹配的子串後返回替換後的字符串。

當repl是一個字符串時，可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。

當repl是一個方法時，這個方法應當只接受一個參數（Match對象），並返回一個字符串用於替換（返回的字符串中不能再引用分組）。

count用於指定最多替換次數，不指定時全部替換。

1.import re

2. p = re.compile(r'(\w+) (\w+)')

3. s = 'i say, hello world!'

4.  

5. print p.sub(r'\2 \1', s)

6.  

7. def func(m):

8.     return m.group(1).title() + ' ' + m.group(2).title()

9.  

10. print p.sub(func, s)

11.  

12. ### output ###

13. # say i, world hello!

14. # I Say, Hello World!

subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):

返回 (sub(repl, string[, count]), 替換次數)。

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