28Python正则表达式
正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。
Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。
re 模块使 Python 语言拥有全部的正则表达式功能。
compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。
re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。
本章节主要介绍Python中常用的正则表达式处理函数。
28.1正则表达式对象
28.1.1re.RegexObject
re.compile() 返回 RegexObject 对象。
28.1.2re.MatchObject
group()返回被RE匹配的字符串
start()返回匹配结果的位置。
end()返回匹配结束的位置。
span()返回一个元组包含匹配（开始，结束）的位置
28.2正则表达式修饰符 - 可选标识
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：
修饰符 描述
28.3正则表达式模式
模式字符串使用特殊的语法来表示一个正则表达式：
字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
多数字母和数字前加一个反斜杠时会拥有不同的含义。
标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
反斜杠本身需要使用反斜杠转义。
由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r’\t’，等价于 ‘\t’)匹配相应的特殊字符。
下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。
28.4正则表达式实例
28.5re.match函数
re.match尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none.
函数语法：
re.match(pattern, string, flags=0)
函数参数说明：
匹配成功re.match方法返回一个匹配的对象，否则返回None。
我们可以使用group(num)或groups()匹配对象函数来获取匹配表达式。
实例：
# -*- coding: UTF-8 -*-
import re
print(re.match('www','www.runoob.com').span()) #在起始位置匹配
print(re.match('com','www.runoob.com')) #不在起始位置匹配
以上实例运行输出结果为：
(0, 3)
None
实例：
# -*- coding: UTF-8 -*-
import re
line = "Cats are smarter than dogs"
matchObj = re.match(r'(.*) are (.*?) .*',line,re.M | re.I)
if matchObj:
print("matchObj.group():",matchObj.group())
print("matchObj.group(1):",matchObj.group(1))
print("matchObj.group(2):",matchObj.group(2))
else:
print("No match!!")
运行结果：
matchObj.group(): Cats are smarter than dogs
matchObj.group(1): Cats
matchObj.group(2): smarter
28.6re.search()方法
re.search扫描整个字符串并返回第一个成功的匹配。
函数语法：
re.search(pattern, string, flags=0)
函数参数说明：
匹配成功re.search方法返回一个匹配的对象，否则返回None。
我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
实例：
# -*- coding: UTF-8 -*-
import re
print(re.search('www','www.runoob.com').span()) #在起始位置匹配
print(re.search('com','www.runoob.com').span()) #不在起始位置匹配
以上实例运行输出结果为：
(0, 3)
(11, 14)
实例：
# -*- coding: UTF-8 -*-
import re
line = "Cats are smarter than dogs";
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj:
print("searchObj.group() : ", searchObj.group())
print("searchObj.group(1) : ", searchObj.group(1))
print("searchObj.group(2) : ", searchObj.group(2))
else:
print("Nothing found!")
运行结果：
searchObj.group() : Cats are smarter than dogs
searchObj.group(1) : Cats
searchObj.group(2) : smarter
28.7re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
# -*- coding: UTF-8 -*-
import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
print("match --> matchObj.group():",matchObj.group())
else:
print("None match")
matchObj = re.search(r'dogs',line,re.M|re.I)
if matchObj:
print("search --> searchObj.group():",matchObj.group())
else:
print("No match!!")
28.8检索和替换
Python的re模块提供了re.sub用于替换字符串中的匹配项。
语法：
re.sub(pattern, repl, string, count=0, flags=0)
参数：
pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
实例：
# -*- coding: UTF-8 -*-
import re
phone = "2004-959-559 # 这是一个国外电话号码"
#删除字符串中的Python注释
num = re.sub(r'#.*$', "", phone)
print("电话号码是：",num)
#删除非数字（-）的字符串
num = re.sub(r'\D',"",phone)
print("电话号码是：",num)
运行结果：
电话号码是： 2004-959-559
电话号码是： 2004959559
28.9repl参数是一个函数
以下实例中将字符串中的匹配的数字乘以2：
# -*- coding: UTF-8 -*-
import re
# 将匹配的数字乘以 2
def double(matched):
value = int(matched.group('value'))
return str(value * 2)
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))
运行结果：
A46G8HFD1134
28.10re.compile 函数
compile函数用于编译正则表达式，生成一个正则表达式（Pattern）对象，供match()和search()这两个函数使用。
语法格式为：
re.compile(pattern[, flags])
参数：
pattern:一个字符串形式的正则表达式。
flags:可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
re.I忽略大小写
re.L表示特殊字符集\w,\W,\b,\B,\s,\S依赖于当前环境
re.M多行模式
re.S即为.并且包含换行符在内的任意字符（.不包括换行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库。
re.X为了增加可读性，忽略空格和#后面的注释
实例
# -*- coding: UTF-8 -*-
import re
pattern = re.compile(r'\d+') #用于匹配至少一个数字
m = pattern.match('one12twothree34four') #查找头部，没有匹配
print(m)
#结果：None
m = pattern.match('one12twothree34four',2,10) #从'e'的位置开始匹配，没有匹配
print(m)
#结果：None
m = pattern.match('one12twothree34four',3,10) #'1'的位置开始匹配，正好匹配
print(m)
#结果：<re.Match object; span=(3, 5), match='12'>
print(m.group(0)) #可省略0
#结果：12
print(m.start(0)) #可省略0
#结果：3
print(m.end(0)) #可省略0
#结果：5
print(m.span(0)) #可省略0
#结果：(3, 5)
在上面，当匹配成功时返回一个Match对象，其中：
group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
span([group]) 方法返回 (start(group), end(group))。
# -*- coding: UTF-8 -*-
import re
pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小写
m = pattern.match('Hello World Wide Web')
print(m) # 匹配成功，返回一个 Match 对象
#结果：<re.Match object; span=(0, 11), match='Hello World'>
print(m.group(0)) # 返回匹配成功的整个子串
#结果：Hello World
print(m.span(0)) # 返回匹配成功的整个子串的索引
#结果：(0, 11)
print(m.group(1)) # 返回第一个分组匹配成功的子串
#结果：Hello
print(m.span(1)) # 返回第一个分组匹配成功的子串的索引
#结果：(0, 5)
print(m.group(2)) # 返回第二个分组匹配成功的子串
#结果：World
print(m.span(2)) # 返回第二个分组匹配成功的子串
#结果：(6, 11)
print(m.groups()) # 等价于 (m.group(1), m.group(2), ...)
#结果：('Hello', 'World')
#m.group(3) # 不存在第三个分组
28.11findall
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意：match和search是匹配一次findall匹配所有。
语法格式为：
findall(string[, pos[, endpos]])
参数：
string:待匹配的字符串
pos:可选参数，指定字符串的起始位置，默认为0
endpos:可选参数,指定字符串的结束位置，默认为字符串的长度。
查找字符串中的所有数字：
# -*- coding: UTF-8 -*-
import re
pattern = re.compile(r'\d+') #查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456',0,10)
print(result1)
print(result2)
运行结果：
['123', '456']
['88', '12']
28.12re.finditer
和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
实例
# -*- coding: UTF-8 -*-
import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
print(match.group())
运行结果：
12
32
43
3
28.13re.split
split方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：
re.split(pattern, string[, maxsplit=0, flags=0])
参数：
实例：
>>> import re
>>> re.split('\W+','runoob,runoob,runoob.')
['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W+)',' runoob,runoob,runoob.')
['', ' ', 'runoob', ',', 'runoob', ',', 'runoob', '.', '']
>>> re.split('\W+',' runoob,runoob,runoob.',1)
['', 'runoob,runoob,runoob.']
>>> re.split('a*','hello world')
['', 'h', 'e', 'l', 'l', 'o', ' ', 'w', 'o', 'r', 'l', 'd', '']
>>>
