理解python正则表达式
在python中，对正则表达式的支持是通过re模块来支持的。使用re的步骤是先把表达式字符串编译成pattern实例，然后在使用pattern去匹配文本获取结果。
其实也有另外一种方式，就是直接使用re模块的方法，但是这样就不能使用编译后的pattern实例了。
实例：
#!/usr/bin/python
#-*-coding:utf-8-*-
importre
pat=re.compile(r'hello')
match=pat.match('helloworld!')
ifmatch:
printmatch.group()
match1=re.match(r'hello','helloworld!')
ifmatch1:
printmatch1.group()
printmatch1.pos
返回的结果相同，都是hello
关于Pattern对象：
它是由re.complie函数来构造的，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。
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。
关于re.compile方法
re.compile(strPattern[,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。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)与re.compile('(?im)pattern')是等价的。
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（参见上图）
- 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
1）.关于match方法：
Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。
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：
1、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。
2、groups([default]):
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)。default表示没有截获字符串的组以这个值替代，默认为None。
3、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。
4、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。
5、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。
6、span([group]):
返回(start(group),end(group))。
7、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<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>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。
请看例子：
#!/usr/bin/python #-*-coding:utf-8-*- importre m=re.match(r'(\w+)\s(\w+)','aaabbbccc') printm.string printm.re printm.pos printm.endpos printm.lastindex printm.lastgroup printm.group() printm.start() printm.end() printm.span() printm.expand(r'\2\1')
结果为：
aaabbbccc
<_sre.SRE_Patternobjectat0x10dbfda08>
0
11
2
None
aaabbb
0
7
(0,7)
bbbaaa
2）.关于search方法：
查找可以匹配的子串，和match不同的是他不是从开始处开始匹配的。如果没有匹配上，则返回None
上面的例子中，将match换成search返回的结果一样
请看：
#!/usr/bin/python
#-*-coding:utf-8-*-
importre
pat=re.compile(r'hello')
match=pat.match('shelloworld!')
ifmatch:
printmatch.group()
else:
print'notmatch!'
match1=re.search(r'hello','shelloworld!')
ifmatch1:
printmatch1.group()
结果为：
notmatch!
hello
这2个函数，没有其他区别，就是一个是从开始匹配的，另外一个不是开始的
3.split(string[,maxsplit])|re.split(pattern,string[,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。
4.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。
5.finditer(string[,pos[,endpos]])|re.finditer(pattern,string[,flags]):
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。
6.sub(repl,string[,count])|re.sub(pattern,repl,string[,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<id>、\g<name>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。
7.subn(repl,string[,count])|re.sub(pattern,repl,string[,count]):
返回(sub(repl,string[,count]),替换次数)。
例子为：
#!/usr/bin/python
#-*-coding:utf-8-*-
importre
p=re.compile(r'\d+')
printp.split('aa1bb2cc3dd4ee5ff6')
printp.findall('aa1bb2cc3dd4ee5ff6')
forminp.finditer('aa1bb2cc3dd4ee5ff6'):
printm.group(),
print'\nsubtest'
p1=re.compile(r'(\w+)\s+(\w+)')
s='iamok'
printp1.sub(r'\2\1',s)
printp1.subn(r'\2\1',s)
结果：
['aa','bb','cc','dd','ee','ff','']
['1','2','3','4','5','6']
123456
subtest
amiok
('amiok',1)
以上就是本文的全部内容，希望对大家的学习有所帮助。