python re模块学习--正则表达式函数

    这里主要介绍Python中常用的正则表达式处理函数。关于python中正则表达式的语法会再总结一篇博文。

re.match

re.match 尝试从字符串的开始匹配一个模式，如：下面的例子匹配第一个单词。

代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
m = re.match(r"(\w+)\s", text)
if m:
    print m.group(0), '\n', m.group(1)
else:
    print 'not match'

执行结果如下：

[root@90-99 oldboy]# python a.py 
JGood  
JGood

如果 text = "#JGood is a handsome boy, he is cool, clever, and so on..."  则执行结果如下：

[root@90-99 oldboy]# python a.py 
not match

#me：补充

group和groups是两个不同的函数

一般，m.group(N)返回第N组括号匹配的字符

而m.group()==m.group(0)==所有匹配的字符，与括号无关

m.groups()返回所有括号匹配的字符，以tuple的格式

m.groups()==(m.group(0),m.group(1),...)

re.match的函数原型为：re.match(pattern, string, flags)

第一个参数是正则表达式（需要你指定对应的r前缀），这里为"(\w+)\s"，如果匹配成功，则返回一个Match，否则返回一个None；

第二个参数表示要匹配的字符串；

第三个参数是标致位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。 

re.search

re.search函数会在整个字符串内查找模式匹配,只到找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

代码如下：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."
m = re.search(r'\shan(ds)ome\s', text)
if m:
    print m.group(0), m.group(1)
else:
    print 'not search'

执行结果如下：

[root@90-99 oldboy]# python b.py 
 handsome  ds

re.search的函数原型为： re.search(pattern, string, flags)

每个参数的含意与re.match一样。 

re.match与re.search的区别：

match ：只从字符串的开始与正则表达式匹配，匹配成功返回matchobject，否则返回none；

search ：将字符串的所有字串尝试与正则表达式匹配，如果所有的字串都没有匹配成功，返回none，否则返回matchobject；

re.sub

re.sub用于替换字符串中的匹配项。下面一个例子将字符串中的空格 ' ' 替换成 '-' :  

代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.sub(r'\s+', '-', text)

执行结果如下：

[root@90-99 oldboy]# python a.py 
JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

re.sub的函数原型为：re.sub(pattern, repl, string, count)

其中第一个参数是要匹配的正则表达式；

第二个参数是替换后的字符串；本例中为'-'

第四个参数指替换个数。默认为0，表示每个匹配项都替换。

re.sub还允许使用函数对匹配项的替换进行复杂的处理。如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；将字符串中的空格' '替换为'[ ]'。

代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0);

执行结果如下：

[root@90-99 oldboy]# python a.py 
JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

补充：re.sub 的pattern中支持反斜杠加数字（\N）这样的参数（类似于sed中的 \1 这样的功能）

示例代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (\w+), nihao \1", "crifanli", inputStr);
print "replacedStr=",replacedStr; 

执行结果如下：

[root@90-99 oldboy]# python a.py 
replacedStr= crifanli

re.subn

与re.sub方法作用一样，但返回的是包含新字符串和替换执行次数的两元组。

代码示例如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.subn(r'\s+', '-', text)

执行结果如下：

[root@90-99 oldboy]# python a.py 
('JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...', 11)

re.split

　　可以使用re.split利用指定的字符（或者指定正则表达式匹配的字符）来分割字符串（text），如：re.split(r'\s+', text)；将字符串按空格分割成一个单词列表。-----返回值是一个列表类型。

代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.split(r'\s+', text);

执行结果如下：

[root@90-99 oldboy]# python a.py 
['JGood', 'is', 'a', 'handsome', 'boy,', 'he', 'is', 'cool,', 'clever,', 'and', 'so', 'on...']

#me：补充

re.split(pattern,string.maxsplit=0)
maxsplit是分离的次数，maxsplit=1分离一次，默认为0，不限制次数。

通过正则表达式将字符串分离。如果用括号将正则表达式括起来，那么匹配的字符串也会被列入到list中返回。

>>> re.split('\W+', 'Words, words, words.') 
['Words', 'words', 'words', ''] 
>>> re.split('(\W+)', 'Words, words, words.') 
['Words', ', ', 'words', ', ', 'words', '.', ''] 
>>> re.split('\W+', 'Words, words, words.', 1) 
['Words', 'words, words.']

re.findall

re.findall可以获取字符串（text）中所有与正则表达式匹配的字符串。如：re.findall(r'\w*oo\w*', text)；获取字符串中，包含'oo'的所有单词。-----返回值是一个列表类型。

代码示例如下；

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.findall(r'\w*oo\w*', text);

执行结果如下：

[root@90-99 oldboy]# python a.py 
['JGood', 'cool']

re.finditer

找到 RE 匹配的所有子串，并把它们作为一个迭代器（iterator）返回。这个匹配是从左到右有序地返回。如果无匹配，返回空列表。

代码示例如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it:
    print match.group()

执行结果如下：

[root@90-99 oldboy]# python a.py 
12
32
43
3

re.compile

　　可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。下面是一个正则表达式对象的一个例子：

代码示例如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."
regex = re.compile(r'\w*oo\w*')
print regex.findall(text)   #查找所有包含'oo'的单词
print regex.sub(lambda m: '[' + m.group(0) + ']', text) #将字符串中含有'oo'的单词用[]括起来。

执行结果如下：

[root@90-99 oldboy]# python a.py 
['JGood', 'cool']
[JGood] is a handsome boy, he is [cool], clever, and so on...