python正则表达式
一、re模块
python中处理正则表达式的一个模块，通过re模块的方法，把正则表达式pattern编译成正则
对象，以便使用正则对象的方法
1.compile加速
re.compile(pattern[, flags])
说明：将正则规则编译成一个Pattern对象，以供接下来使用；第一个参数是规则式，第二个参数是规则选项；返回一个Pattern对象
1）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
2）flag的可选值：
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，正则表达式可以多行，忽略空白字符，可以加入注释
例子：
a和b等价
a = re.compile(r"""\d + # the integral part
\. # the decimal point
\d * # some fractional digits""", re.X)
b = re.compile(r"\d+\.\d*")
2.正则原生符r
表示这个字符串中间的特殊字符不用转义，比如要表示‘\n’,可以这样：r'\n'，或者不用原生字符，而是用字符串：‘\\n
例子：
a = r"\n"
b = "\n"
c = "\\n"
print a
print b
print c
结果：
\n
\n
3.re模块compile后，patten对象常用方法
3.1.match()方法----匹配开始
格式：match(string[, pos[, endpos]])
参数：
1）string： 匹配使用的字符串
2）pos： 开始搜索的索引（即开始搜索string的下标）默认从开头匹配，如没有返回None
3）endpos： 结束搜索的索引
例子
import re
pattern = re.compile(r"\w*(hello.*)(world.*)")
result = pattern.match("aahello world huang")
print(result.groups())
结果：
('hello ', 'world huang')
3.2.search()方法----匹配任意位置
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
格式： search(string[, pos[, endpos]])
例子：
import re
pattern = re.compile(r"\w*(hello.*)(world.*)")
result = pattern.search("aahello world huang")
print(result.groups())
结果：
('hello ', 'world huang')
3.3.findall()方法----匹配所有对象
返回匹配到的全部子串，列表形式
格式：
findall(string[, pos[, endpos]])
例子：
import re
pattern = re.compile(r"\d+")
result = pattern.findall("one1two2three3four")
print result
结果：
['1', '2', '3']
3.4.finditer()方法
按顺序返回匹配结果（Match对象）的迭代器
格式：finditer(string[, pos[, endpos]])
例子：
import re
pattern = re.compile(r"\d+")
result = pattern.finditer("one1two2three3four")
print type(result)
for m in result:
print type(m)
print (m.group())
结果：
<type 'callable-iterator'>
<type '_sre.SRE_Match'>
1
<type '_sre.SRE_Match'>
2
<type '_sre.SRE_Match'>
3
# 3.5.split()方法
以匹配到的子串作为分隔符，返回列表
格式：split(string[, maxsplit])
参数：
maxsplit：用于指定最大分割次数，不指定将全部分割
例子：
import re
pattern = re.compile(r"\d+")
result = pattern.split("one1two2three3four")
print result
结果：
['one', 'two', 'three', 'four']
# 3.6.sub()方法
替换匹配结果的字符串
格式：sub(repl, string[, count])
参数：
1）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）
2）count用于指定最多替换次数，不指定时全部替换
例子：
import re
p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
print(p.sub(r'\2 \1', s))
结果：
say i, world hello!
4.re模块方法
说明：用法同compile后，patten常用方法一样
4.1.match()和serch()函数
格式：
match( rule , targetString [,flag] ) # 从开始位置开始匹配，如果开头没有，则返回无
search( rule , targetString [,flag] ) # 搜索整个字符串
参数：
第一个是正则规则；第二个是目标字符串；第三个是选项（同compile函数的选项）
返回：
若成功，则返回一个Match对象；若失败，则无返回
4.2.findall()和finditer()函数
格式：
findall( rule , targetString [,flag] ) # 返回所有匹配的字符串，并存为一个列表
finditer( rule , target [,flag] ) # 返回一个匹配的字符串迭代器
4.3.split()函数
切片，返回一个被切完的子字符串的列表
格式：
split( rule , target [,maxsplit] )
4.4.sub()函数
替换字符串
格式：
sub ( rule , replace , target [,count] ) # 返回一个被替换的字符串
subn(rule , replace , target [,count] ) # 返回一个元组，第一个元素是被替换的字符串，第二个次数
5.match对象和group
每个组都有一个序号，按定义时从左到右的顺序从1开始编号，0表示整个正则表达式本身
group([index|id]) # 获取匹配的组号，缺省返回组0，表示全部值
groups() # 返回全部的组
groupdict() # 返回以组名为key，匹配的内容为values的字典
1）通过数字分组
2）通过别名分组
例子：
import re
prog = re.compile(r'(?P<tagname>abc)(.*)(?P=tagname)')
result = prog.match('abc1234567890abc')
print "## groups() ############"
print(result.groups())
print ""
print "## group('tagname') ############"
print result.group('tagname')
print ""
print "## group(1) ############"
print(result.group(1))
print ""
print "## group(2) ############"
print(result.group(2))
print ""
print "## groupdict() ############"
print(result.groupdict())
结果：
## groups() ############
('abc', '1234567890')
## group('tagname') ############
abc
## group(1) ############
abc
## group(2) ############
1234567890
## groupdict() ############
{'tagname': 'abc'}
二、正则表达式分组
分组就是用一对圆括号“()”括起来的正则表达式，匹配出的内容就表示一个分组。从正则表达式的左边开始看，看到的第一个左括号“(”表示第一个分组，第二个表示第二个分组，依次类推，需要注意的是，有一个隐含的全局分组（就是0），就是整个正则表达式。
分完组以后，要想获得某个分组的内容，直接使用group(num)和groups()函数去直接提取就行
1.命名分组
命名分组就是给具有默认分组编号的组另外再给一个别名。命名分组的语法格式如下：
(?P<name>正则表达式) #name是一个合法的标识符
2.后向引用
当用”()”定义了一个正则表达式组后，正则引擎则会把被匹配的组按照顺序编号，存入缓存。这样我们想在后面对已经匹配过的内容进行引用时，就可以用”\数字”的方式或者是通过命名分组进行”(?P=name)“进行引用。\1表示引用第一个分组，\2引用第二个分组，以此类推，\n引用第n个组。而\0则引用整个被匹配的正则表达式本身
