正則表示式

正則表示式是對字串操作的一種邏輯公式，就是用事先定義好的一些特定字元、及這些特定字元的組合，組成一個 “規則字串”，這個 “規則字串” 用來表達對字串的一種過濾邏輯。

1. 正則表示式的語法規則

2.正則表示式相關注解

（1）數量詞的貪婪模式與非貪婪模式

正則表示式通常用於在文字中查詢匹配的字串。Python 裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配儘可能多的字元；非貪婪的則相反，總是嘗試匹配儘可能少的字元。例如：正則表示式”ab“如果用於查詢” abbbc”，將找到”abbb”。而如果使用非貪婪的數量詞”ab?”，將找到”a”。 注：我們一般使用非貪婪模式來提取。

（2）反斜槓問題

與大多數程式語言相同，正則表示式裡使用”\“作為轉義字元，這就可能造成反斜槓困擾。假如你需要匹配文字中的字元”\“，那麼使用程式語言表示的正則表示式裡將需要 4 個反斜槓”\\\\“：前兩個和後兩個分別用於在程式語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正則表示式裡轉義成一個反斜槓。 Python 裡的原生字串很好地解決了這個問題，這個例子中的正則表示式可以使用 r”\\“表示。同樣，匹配一個數字的”\\d” 可以寫成 r”\d”。有了原生字串，媽媽也不用擔心是不是漏寫了反斜槓，寫出來的表示式也更直觀勒。

3.Python Re 模組

#返回pattern物件

re.compile

#以下為匹配所用函式

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

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

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

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

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

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

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

我們先來介紹一下 pattern 的概念，pattern 可以理解為一個匹配模式，那麼我們怎麼獲得這個匹配模式呢？很簡單，我們需要利用 re.compile 方法就可以。例如

pattern = re.compile(r'hello')

在引數中我們傳入了原生字串物件，通過 compile 方法編譯生成一個 pattern 物件，然後我們利用這個物件來進行進一步的匹配。 另外大家可能注意到了另一個引數 flags，

在這裡解釋一下這個引數的含義： 引數 flag 是匹配模式，取值可以使用按位或運算子’|’表示同時生效，比如 re.I | re.M。 可選值有：

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

• re.M(全拼：MULTILINE): 多行模式，改變'^'和'$'的行為（參見上圖）

• re.S(全拼：DOTALL): 點任意匹配模式，改變'.'的行為

• re.L(全拼：LOCALE): 使預定字元類 \w \W \b \B \s \S 取決於當前區域設定

• re.U(全拼：UNICODE): 使預定字元類 \w \W \b \B \s \S \d \D 取決於unicode定義的字元屬性

• re.X(全拼：VERBOSE): 詳細模式。這個模式下正則表示式可以是多行，忽略空白字元，並可以加入註釋。

（1）re.match(pattern, string[, flags])

這個方法將會從 string（我們要匹配的字串）的開頭開始，嘗試匹配 pattern，一直向後匹配，如果遇到無法匹配的字元，立即返回 None，如果匹配未結束已經到達 string 的末尾，也會返回 None。兩個結果均表示匹配失敗，否則匹配 pattern 成功，同時匹配終止，不再對 string 向後匹配。下面我們通過一個例子理解一下

__author__ = 'YC'

# -*- coding: utf-8 -*-

#匯入re模組

import re

# 將正則表示式編譯成Pattern物件，注意hello前面的r的意思是“原生字串”

pattern = re.compile(r'hello')

# 使用re.match匹配文字，獲得匹配結果，無法匹配時將返回None

result1 = re.match(pattern,'hello')

result2 = re.match(pattern,'helloo YC!')

result3 = re.match(pattern,'helo YC!')

result4 = re.match(pattern,'hello YC!')

#如果1匹配成功

if result1:

    # 使用Match獲得分組資訊

    print result1.group()

else:

    print '1匹配失敗！'

#如果2匹配成功

if result2:

    # 使用Match獲得分組資訊

    print result2.group()

else:

print '2匹配失敗！'

#如果3匹配成功

if result3:

    # 使用Match獲得分組資訊

    print result3.group()

else:

    print '3匹配失敗！'

#如果4匹配成功

if result4:

    # 使用Match獲得分組資訊

    print result4.group()

else:

print '4匹配失敗！'

(2) re.search(pattern, string[, flags])

search 方法與 match 方法極其類似，區別在於 match () 函式只檢測 re 是不是在 string 的開始位置匹配，search () 會掃描整個 string 查詢匹配，match（）只有在 0 位置匹配成功的話才有返回，如果不是開始位置匹配成功的話，match () 就返回 None。同樣，search 方法的返回物件同樣 match () 返回物件的方法和屬性。我們用一個例子感受一下

#匯入re模組

import re

# 將正則表示式編譯成Pattern物件

pattern = re.compile(r'world')

# 使用search()查詢匹配的子串，不存在能匹配的子串時將返回None

# 這個例子中使用match()無法成功匹配

match = re.search(pattern,'hello world!')

if match:

    # 使用Match獲得分組資訊

    print match.group()

### 輸出 ###

# world

（3）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。我們通過下面的例子感受一下。

import re

pattern = re.compile(r'\d+')

print re.split(pattern,'one1two2three3four4')

### 輸出 ###

# ['one', 'two', 'three', 'four', '']

（4）re.findall(pattern, string[, flags])

搜尋 string，以列表形式返回全部能匹配的子串。我們通過這個例子來感受一下

import re

pattern = re.compile(r'\d+')

print re.findall(pattern,'one1two2three3four4')

### 輸出 ###

# ['1', '2', '3', '4']

（5）re.finditer(pattern, string[, flags])

搜尋 string，返回一個順序訪問每一個匹配結果（Match 物件）的迭代器。我們通過下面的例子來感受一下

import re

pattern = re.compile(r'\d+')

for m in re.finditer(pattern,'one1two2three3four4'):

    print m.group(),

### 輸出 ###

# 1 2 3 4

（6）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串。 當 repl 是一個字串時，可以使用 \id 或 \g、\g 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引數（Match 物件），並返回一個字串用於替換（返回的字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。

import re

pattern = re.compile(r'(\w+) (\w+)')

s = 'i say, hello world!'

print re.sub(pattern,r'\2 \1', s)

def func(m):

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

print re.sub(pattern,func, s)

### output ###

# say i, world hello!

# I Say, Hello World!

（7）re.subn(pattern, repl, string[, count])

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

import re

pattern = re.compile(r'(\w+) (\w+)')

s = 'i say, hello world!'

print re.subn(pattern,r'\2 \1', s)

def func(m):

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

print re.subn(pattern,func, s)

### output ###

# ('say i, world hello!', 2)

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