Python正则表达式

• 贪婪模式和非贪婪模式。

主要是*和?的区别。前者匹配尽可能多，后者匹配尽可能少

>> import re
>>> a = "abbbb"
>>> pattern = re.compile('ab*')
>>> match = pattern.match(a)
>>> print match.group()
abbbb
>>> pattern = re.compile('ab?')
>>> match = pattern.match(a)
>>> print match.group()
ab
>>> pattern = re.compile('ab*?')
>>> match = pattern.match(a)
>>> print match.group()
a

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。随后通过re.match(str)或者re.search(str)

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'$'。?

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。?

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

>> p = re.compile(r'd+')
>>> print p.split('one1two2three3four4')
['one','two','three','four','']

搜索string，以列表形式返回全部能匹配的子串。

>> print p.findall("'one1two2three3four4'")
['1','2','3','4']

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。?

>> for m in p.finditer('one1two2three3four4'):
        print m.group(),1 2 3 4

finditer函数和findall函数的区别是，findall返回所有匹配的字符串，并存为一个列表，而finditer则并不直接返回这些字符串，而是返回一个迭代器。

关于迭代器，解释起来有点复杂，还是看看例子把：

sub(repl,count]) | re.sub(pattern,repl,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、g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。?

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

返回 (sub(repl,count]),替换次数)。?

>> 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)
('I Say,Hello World!',2)

• re.compile(Pattern[,flag])

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。

?第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。

可选值有：

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）

M(MULTILINE): 多行模式，改变'^'和'$'的行为

S(DOTALL): 点任意匹配模式，改变'.'的行为

L(LOCALE): 使预定字符类 w W b B s S 取决于当前区域设定

U(UNICODE): 使预定字符类 w W b B s S d D 取决于unicode定义的字符属性

X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

>> m = re.match(r'(w+) (w+)(?P.*)','hello world!')
>>> print m.string
hello world!
>>> print m.re
<_sre.SRE_Pattern object at 0x0000000002E7EE00>
>>> print m.pos     #正则表达式开始搜索的索引
0
>>> print m.endpos  #正则表达式结束搜索的索引
12
>>> print m.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。
3
>>> print m.group(1,2)  #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。默认编号0代表整个匹配的子串；没有截获返回None
('hello','world')
>>> print m.groups()    #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)。没有截获字符串的组以括号内值替代，默认None。
('hello','world','!')
>>> print m.groupdict() #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。
{'sign': '!'}
>>> print m.start(2)    #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。
6
>>> print m.end(2)  #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。
11
>>> print m.span(2) #返回(start(group),end(group))。
(6,11)
>>> print m.expand(r'2 13')  #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。
world hello!
>>>