re模块

正则表达式：可以匹配文本片段的模式（匹配模式pattern）

字符串也是一种简单的正则表达式

 

通配符（可以匹配任何字符）：.

如'.ython'可以匹配'python', 也可以匹配'jython'

 

字符集：用中括号[]括起来的字符集

如'[a-z]'，'[0-9]'，'[a-z-0-9]'分别表示字符a到z，0到9，a到z和0到9的任意一个

 

子模式（subpattern）：模式中的一部分，用括号括起来

如'py(tho)n'，'tho'为一个子模式，也叫组（group），组序号取决于他左侧的括号数，整个模式字符串为第0组（'python'），'tho'为第1组（左侧1个括号）

 

(pattern)*：允许模式重复0次或多次

(pattern)+：允许模式重复1次或多次

(pattern){m, n}：允许模式重复m到n次

如'py(tho)+n'表示中间的'tho'（第1组）可以重复1次或多次，可以匹配'python'，也可以匹配'pythothothon'

 

反转字符集：^

如'[^abc]'表示可以匹配除a，b，c外的任何字符（注意加中括号！）

注意：若^出现在模式的开头，需要对其进行转义

 

管道符号：|（或）

如'p(ython|attern)'可匹配'python'，也可匹配'pattern'

 

转意符号（对特殊字符进行转义）：\

如果模式中有.，+，-，*，^，|，]等对匹配模式有特殊意义的符号，则需要进行转义，如模式'www\.python\.org'中的.表示字符'.'，而不是通配符

 

可选项：在子模式的括号外加?号，表示这个子模式可有可无

如r'(http://)?(www\.)?python\.org'

可以匹配以下字符串：

'http://www.python.org'

'http://python.org'

'www.python.org'

'python.org'

注意：如果?号在子模式的括号内，表示非贪婪模式，默认情况下是贪婪模式，指出现重复运算符时，会尽可能多的匹配，

如pattern = r'\*(.+)\*'，遇到子字符串'*this* is *it*!'时，匹配的是最前面和最后面的*号，

如果令pattern = r'\*(.+?)\*'，?号在括号内，则表示非贪婪模式，尽可能少的匹配，会匹配前两个*号，再匹配后两个*号

 

匹配字符串开头或结尾：如果只想匹配在开头或结尾出现模式的字符串，模式可以用^（开头）或$（结尾）

如pattern = '^ht+p'（注意不同于反转字符集）会匹配'http://python.org'，'htttttttp://python.org'，但不会匹配'python.http://org'

同理'$ht+p'会会匹配在结尾处出现模式的字符串

 

re.compile(pattern[, flags])

将以字符串形式写的pattern转为真正的模式对象

如:

 pattern = re.compile(r'''
　　　　　 \*               # some text
 　　　　　([^\*]+)     # some text 
 　　　　　\*               # some text
  　　　　　''', re.VERBOSE)

表示字符串'\*([^\*]+)\*'被转换为匹配模式，VERBOSE表示re会忽略在模式中添加的空白（空白字符，tab，换行符等）

 

re.search(pattern, string[, flags])  或者  pat.search(string)

在字符串中寻找和模式相匹配的第一个子字符串，若能找到会返回MatchObject(值为Ture)，否则返回None（值为False），如：

if re.search(pat, string):
    print('found it!')

 

re.match(pattern, string[, flags])

在给定字符串开头处匹配，有就返回MatchObject(值为Ture)，否则返回None（值为False），

如re,match('p', 'python')返回MatchObject，re.match('p', 'www.python.org')返回None

 

re.split(pattern, string[, maxsplit=0])

用与模式相匹配的匹配项来分割字符串，如：

some_text = 'alpha, beta,,,, gamma delta'
print(re.split(',+', some_text))

结果：

['alpha', ' beta', ' gamma delta']

如果改成：

some_text = 'alpha, beta,,,, gamma delta'
print(re.split('[, ]+', some_text))

结果：

['alpha', 'beta', 'gamma', 'delta']

（如果模式包含小括号，括起来的字符组合会散布在分割后的子字符串之间）

 

re.findall(pattern, string)

以列表形式列出给定模式的所有匹配项

 

re.sub(pat, repl, string[, count=0])

用给定的替换式(repl)替换字符串string中的与pat相匹配的匹配项，返回替换后的string。如：

pat = '{name}'
text = 'dear {name}'
print(re.sub(pat, 'Mr.Tan', text))

结果：

dear Mr.Tan

 

re.escape(string)

对字符串中所有可能被解释为正则运算符的字符进行转义，如：

pat = re.escape('www.(python)+.org')
print(pat)
text = 'www.python.org or www.pythonpython.org or www.(python)+.org will be replaced'
print(re.sub(pat, 'something', text))

结果：

www\.\(python\)\+\.org
www.python.org or www.pythonpython.org or something will be replaced

 

匹配对象和组：

match，split，findall等能对字符串进行模式匹配的函数在找到匹配项后都会返回MatchObject对象，这些对象也包含匹配模式中与子模式相对应的

子字符串的信息和组（group）信息

group([group1, ...])     获取给定子模式（组）的匹配项

start([group])              返回给定组的匹配项在字符串中的开始位置

end([group])               返回给定组的匹配项在字符串中的结束位置

span([group])             返回一个组的开始和结束位置

如：

m = re.match('www\.(.*)\.(.{3})', 'www.python.org')
print(m)
print(m.group(1), m.group(2))
print(m.start(1), m.end(1), m.span(1))

结果：

<_sre.SRE_Match object; span=(0, 14), match='www.python.org'>
python org
4 10 (4, 10)

re.sub()一个强大的功能：在替换内容（repl）中使用'\\n'表示repl中\\n处插入匹配项中第n组的子字符串！再用插入后的repl来替换匹配项！如：

emphasis_pat = r'\*([^\*]+)\*'
text = 'hello, *world*!'
print(re.sub(emphasis_pat, '<em>\\1</em>', text))

结果：

hello, <em>world</em>!