Python正则表达式模块re

正则表达式是一种通用的字符串匹配模式,使用灵活功能强大.

Python正则表达式支持的语法可以参见这张表

Python的标准模块re提供了对正则表达式的支持,使用r'' 表示正则字符串可以避免转义字符带来的麻烦, 比如'\\d'可以写作r'\d'.

module method#

re.match#

re.match(pattern, string, flags)

参数:

• pattern: 描述匹配模式的正则字符串

• string: 要匹配的文本

• flag: 控制匹配模式的标志位.

判断string是否符合pattern, 返回match对象包含匹配的部分:

>>> import re
>>> text = 'This is Finley, welcome to join us.'
>>> m = re.match(r'\w*is\w*', text)
>>> m.group(0)
'This'

re.search#

re.search(pattern, string, flags)

参数与re.match()相同, 在字符串内进行模式匹配, 找到第一个匹配后返回match对象.

    >>> import re
    >>> text = 'This is Finley, welcome to join us.'
    >>> m = re.search(r'\w*is\w*', text)
    >>> m.group(0)
    'This'

re.search寻找字符串内从任意位置开始的匹配, 而re.match只寻找从字符串的头部开始的匹配.

修改上例的可以发现两者的区别:

>>>text = 'Here is Finley, welcome to join us.'
>>> m = re.match(r'\w*is\w*', text)
>>> m is None
True
>>> m = re.search(r'\w*is\w*', text)
>>> m.group(0)
'is'

re.findall#

re.findall(pattern, string)

以列表的形式返回所有匹配的子串:

    >>> import re
    >>> text = 'This is Finley, welcome to join us.'
    >>> m = re.findall(r'\w*is\w*', text)
    >>> m
    ['This', 'is']

re.sub#

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

将匹配的子串替换为repl字符串,;

count参数指定替换个数, 默认为0表示全部替换.

re.split#

re.split(pattern, string)

将匹配的字符串作为分隔符, 将字符串分隔成一个列表:

    >>> import re
    >>> text = 'This is Finley, welcome to join us.'
    >>> m = re.split(r'\s+', text)
    >>> m
    ['This', 'is', 'Finley,', 'welcome', 'to', 'join', 'us.']

Match#

下文关于Match与Pattern对象的介绍转载自AstralWind

re模块中的很多方法使用Match对象表示匹配的结果, Match对象中存储了与此次匹配有关的的信息.

属性:

• string: 匹配时使用的文本

• re: 匹配时使用的Pattern对象

• 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

• 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

• 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

• 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:

• groups([default]):

以元组形式返回全部分组截获的字符串。

default表示没有截获字符串的组以这个值替代，默认为None。

• 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。

• 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。

• 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

• 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

• span([group]):

返回(start(group), end(group))。

• 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\g<1>0。

Pattern#

Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找.

Pattern不能直接实例化，必须使用re.compile()进行构造.

re模块方法均有Pattern实例方法作为对应版本.

Pattern提供了几个可读属性用于获取表达式的相关信息：

• pattern: 编译时用的表达式字符串

• flags: 编译时用的匹配模式,数字形式。

• groups: 表达式中分组的数量

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。